没有合适的资源?快使用搜索试试~ 我知道了~
20《沙特阿拉伯COVID-19封锁策略与疾病传播影响的研究》
医学信息学解锁20(2020)100420封锁对沙特阿拉伯COVID-19传播的影响Saleh Alrashede,Nasro Min-Allaha,*,Arnav Saxena b,Ijaz Ali c,Rashid Mehmood daP.O.伊玛目阿卜杜勒拉赫曼·本·费萨尔大学计算机科学和信息技术学院计算机科学系。Box 1982,达曼,沙特阿拉伯b印度德里理工大学c巴基斯坦伊斯兰堡公园路伊斯兰堡COMSATS大学卫生信息学系d沙特阿拉伯利雅得Alfaisal大学科学和一般研究学院生命科学系eAbdulrahmanBinFaisal大学应用研究和社区服务学院管理信息系统系,P.O. Box 1982,达曼,沙特阿拉伯A R T I C L EI N FO保留字:COVID-19疾病传播社会距离预测模型SEIR沙特阿拉伯A B S T R A C T流行病学模型已被广泛用于预测疾病在大人群中的传播。在这些模型中,易感传染性假阳性(SEIR)被认为是一个合适的模型COVID-19传播预测。然而,传统形式的SEIR无法量化封锁的影响。在这项工作中,我们引入了一个变量的SEIR方程系统,研究不同程度的社会距离对疾病传播的影响。作为一个案例研究,我们将修改后的SEIR模型应用于沙特阿拉伯王国(KSA)的初始利差数据(截至2020年4月9日)。我们的分析表明,如果没有封锁,大约210万人可能会在KSA首次实施封锁之日(3月25日)的2个月左右的传播高峰期受到感染。另一方面,根据沙特王国目前的部分封锁战略,到2020年9月,预计感染人数可降至40万人。我们进一步证明,在更严格的封锁水平下,KSA的COVID-19曲线可以有效地变平。1. 介绍2019年12月,一种名为SARS-CoV-2的新型冠状病毒在中国湖北省武汉市出现,并在相对较短的时间内在全球蔓延[1]。世界卫生组织(WHO)将该病毒感染正式命名为2019冠状病毒病(COVID-19)[2]。SARS-CoV-2是独一无二的,因为它具有高传播性,凭借这一特性,截至2020年8月21日,它已感染全球超过2000万人,造成超过79万例死亡病例。考虑到需要开发针对SARS-CoV-2的有效疫苗和基于抗体的治疗剂,在世界不同地区正在测试超过90种疫苗和50种抗体方法[4然而,我们离成功还很远,随着我们对病毒的了解越来越多,不确定性也越来越突出[7,8]。目前,由于缺乏有效的疫苗和/或其他治疗剂,以及由于COVID-19的高传播率,正在尝试减缓COVID-19的传播[9,10,11,12]。如今,全球许多国家都实施了封锁,许多城市也实施了宵禁等其他严格措施,以确保社交距离[10]。许多国家(包括先进国家)的现有卫生系统无法容纳越来越多的确诊COVID-19患者[11,13]。在没有疫苗接种和适当治疗的情况下,各国正在努力使大流行曲线变平,以便为应对这一疾病做好必要的准备。为了预测COVID-19的传播,最近探索了从软计算方法到数据驱动分析再到数学模型的几种技术[14在各种相关的模型,作者在参考文献。[14]发现自回归综合移动平均(ARIMA)模型更适合预测KSA的每日COVID-19病例数[14]。类似地,SIR和SEIR模型在文献中被广泛使用[20,21,11,12,16]。在使用COVID-19时间序列数据时,在参考文献中采用了基于包络经验模式分解(EEMD)和人工神经网络(ANN)的策略。[17 ]第10段。同样,在Ref.[18]预测* 通讯作者。电子邮件地址:salrashed@iau.edu.sa,Arabiasaalrashed@iau.edu.sa(S。 Alrashed),nabdullatief@iau.edu.sa(N. Min-Allah),arnavsaxena_bt2k15@dtu.ac.in(A.Saxena),ijaz. ali@www.example.com(I.阿里),rmehmood@alfaisal.edu(R。Mehmood)。https://doi.org/10.1016/j.imu.2020.100420接收日期:2020年6月23日;接收日期:2020年8月26日;接受日期:2020年2020年9月2日网上发售2352-9148/©2020的 自行发表通过Elsevier 公司这是一个开放接入文章下的CCBY-NC-ND许可证(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表医学信息学期刊主页:http://www.elsevier.com/locate/imuS. Alrashed等人医学信息学解锁20(2020)1004202=DTDT匈牙利的感染人数和死亡率。在参考文献中。[19]使用混合软计算技术,估计了COVID-19传播风险。经典的SEIR流行病学模型忽略了封锁对COVID-19传播的影响,而封锁是减缓传播的有效策略这项工作提供了一个深入了解如何封锁的水平可以延迟KSA的蔓延。研究表明,在完全没有封锁的情况下,从KSA首次开始封锁之日(3月25日)起约2个月的传播高峰期内,约有210万人可能受到感染。然而,根据沙特王国在这项工作中,我们通过扩展经典SEIR模型来研究封锁对COVID-19传播的影响在这项工作中,我们通过整合不同程度的封锁对疾病传播的影响来修改SEIR方程组。在这个简短的介绍之后,本文的其余部分分为以下几个部分;第2节从KSA的角度报告了COVID-19的当前数据,而方法和材料部分则重点介绍了用于预测的模型我们在第4节讨论了我们使用改进的SEIR模型预测COVID-19在王国传播的结果本文在第5节中结束。2. KSA的COVID-19传播人类历史表明,大流行病以前曾达到高峰,然后随着时间的推移而消失,很少有例外。然而,将COVID-19与之前的大流行病进行比较可能会产生误导,因为在过去的5年中,人口几乎翻了一番,因此人与人之间传播的可能性现在更高,可能会导致早期高峰期的打击,而各国现有的卫生基础设施尚未做好准备[22,3,13,23更糟糕的是,今天超过四分之三的世界考虑到疾病传播,未来的基础设施发展预计将更加智能,提供检测,报告和分析各种疾病症状,以避免任何场所传播[28,29]。许多因素在COVID-19的传播中起着关键作用,例如人口密度、当地COVID-19的演变、社会生活方式及其他因素。例如,KSA的人口约为3880万,城市人口占总人口的84%,而日本的人口为1.264亿,城市人口占92%。直觉上,根据人口规模,日本的传播速度应该比KSA快。同样,伊朗84.3米,其中76%是城市[3,30]。COVID-19在不同的地理位置以不同的速度传播,准确的数字很难确定[11,12]。然而,据报道,COVID-19在人与人之间的平均传播系数为1.5-3.5 [ 12,31 ]假设病例数量继续以目前的速度攀升(2020年4月),KSA的医院可能会因每个高峰病例而测试和报告的政策KSA已实施严格的遏制政策,以控制COVID-19在该国的传播基于约翰霍普金斯大学发布的数据集[30],我们报告了对COVID-19的预测。虽然没有现有模型可以准确预测COVID-19的传播,但根据我们的模拟,我们发现即使是部分封锁也可以将KSA的传播从完全没有封锁的预期2. 5个月显著延迟5此外,通过有效的封锁,感染病例的数量可以降低到40万以下。由于工作的局限性,实际病例可能会偏离预期病例,因为政府正在实施社交距离以减缓传播。许多国家(包括相当先进的国家)的现有卫生系统无法容纳越来越多的确诊COVID-19患者。在没有疫苗接种和适当治疗的情况下,城市正在做出各种努力来拉平大流行的曲线,以便为应对疾病做必要的准备。KSA的确诊病例数正在日益增加,目前(2020年4月10日),因COVID- 19造成的死亡人数为两位数,然而,人们担心随着病例数量的增加由于这种前所未有的全球传播和疫苗或精确治疗的不可用,各国正试图减缓传播,KSA也不例外,实施封锁和其他预防措施。我们的研究预测,在没有社交距离的悲观假设下,COVID- 19可以在王国第一名受害者之日起两个月内感染数千至200万人然而,这些数字是非常不可能的,因为病例是基于历史数据,并显示悲观的增长,而KSA已制定了一项有效的政策,在主要城市封锁和宵禁,以控制蔓延。3. 方法和材料采用了一种分析传染病传播的数学模型-易感传染性扩散模型SEIR模型基于四个区室,其中S表示易感人群的数量,E表示暴露于疾病但没有表现出症状的人(潜伏携带者),I表示感染COVID-19的传染性个体的数量,R表示康复或消除的个体数量。该模型已被用于以合理的准确度预测艾滋病毒/艾滋病的传播[32]。存在许多衍生物,如SIR、SIS、SIRS等[21,33,34,35,36]。最近,参考文献[11,12,37]中的作者尝试了SEIR用于COVID-19传播,因为感染者可以通过没有症状的感染传播[38]。在[ [9,20,11,12,38SEIR模型最终是一个非线性常微分方程系统,在下面骂人。这里,是传播率(或接触率),μ表示潜伏率。I. e表示暴露个体被感染的速率,而β表示受感染个体移动到恢复/移除隔室的速率。2020年3月2日报告了首例COVID-19确诊病例在KSA [10]中。到2020年4月5日,这种疾病只花了34天就感染了2400人。值得注意的是,DSdt=-ΔSI(一)日本和该国设法推迟了71天,才达到2400例确诊病例(日本首例病例于2020年1月16日检测呈阳性)[3]。在伊朗和土耳其,疾病的传播速度要快得多,在14天内有相同数量的人被感染[30]。到2020dE=ΔSI-μE(2)dI=μE-βI(3)[3]的文件。有趣的是,日本的传播速度要慢得多,该国设法将其推迟了71天才达到2400例确诊病例,因为日本的第一例病例于2020年1月16日被检测为阳性。截至2020年4月5日,共有36个国家确诊病例达到2400例及以上,平均时间约为39.1天。根据现有数据,报告的病例可能并不反映实际病例,因为许多国家有不同的博士dt=βISEIR在如下强有力的假设下工作(四)S. Alrashed等人医学信息学解锁20(2020)1004203==-=图1.一、 SEIR预测KSA没有实施社交距离。1. 它本质上是决定性的,我。它假设每个人最终都会被感染,2. 假设传播仅持续很短时间,因此在此期间人口保持不变(不考虑出生/死亡)因此,根据第二个假设,我们可以进一步说,S+ I+ E+ R=人口总数=常数SEIR模型非常适用于大人口,如KSA的人口,截至2020年4月10日为34,689,518 [3]。我们在模拟中使用相同的数字。此外,我们将初始I(2020年3月25日封锁开始时的确诊(感染)病例数)定为900例,初始R(封锁开始时的康复(29例)和死亡(2例我们按照参考文献[12]的建议计算初始E,并使用2.399 * 6天前的感染病例数作为我们估计的初始暴露人群。因此,初始E为2.399*274。类似地,我们假设Y为5.2,D为2.3,如参考文献[1]中所[12 ]第10段。我们的分析忽略了诸如S的出生率、S、E、I、R的死亡率和其他参数等细节,因此预测只是估计值而不是准确的数字。我们估计其他参数如下:传染病:表示疾病从受感染者传播给易感个体的概率。我们使用估计的生殖数2.3来计算这个值,因为各种来源引用这个数字在2和2.5之间因此,通过使用Ro=λ/ β我们得到了。=1μ:是潜伏(暴露)个体变得具有传染性的比率它相当于1/Y,其中Y是平均孵育持续时间。β 1/D,其中D是感染恢复的平均持续时间D。4. 结果和讨论我们从约翰霍普金斯大学的数据集中提取了KSA特定的COVID-19数据点然后,我们使用一个稍微修改的SEIR模型,将社会距离在疾病传播中的影响,并在不同程度的预防措施下进行预测感染率各不相同,确诊病例数也有很大差异。我们理解这些数字的波动是由于先发制人的措施和心理恐惧阻止了人们的社交。KSA以宗教旅游而闻名,这使得王国更容易受到来自其他国家的游客的王国在许多城市实施了严格的封锁,并暂停了许多活动和活动,包括体育,宗教旅游,校园等,以尽量减少社会交往的可能性。根据截至2020年4月9日的实际数据,我们预测了价差,并研究了这些反价差措施的影响。S. Alrashed等人医学信息学解锁20(2020)1004204=图二. 2019冠状病毒病在KSA假设病例数量继续以目前的速度攀升,KSA的医院可能会受到每例高峰病例的巨大压力有人建议,延迟价差是更好的选择,也可能是目前唯一的尽管中国政府于2020年1月23日实施严格的社交距离的成功故事有助于在2020年3月15日之前的两个月内将感染从数千人减少到1人值得注意的是,根据KSA据我们所知,目前床位数量大幅增加,但我们无法从可靠来源获得2020年的最新数据对于KSA,使用SEIR模型而不考虑社交距离,预测数字已绘制在图1中,其中预计感染高峰期将在自一级防范禁闭已经实施。为了绘制预测图,我们假设人口从封锁开始(2020年3月25日)保持不变。同样,这是可能的最悲观的情况根据目前的实际和预测病例,ρ0.6可以作为预测KSA疾病传播的合理估计值。在沙特王国,政府正在采取措施,通过关闭学校、办公室,甚至在主要城市实施一天的宵禁,减少和消除疫情的蔓延。我们的分析表明,如果没有封锁,高峰期会提前很多,高峰期前后的卫生基础设施将面临巨大压力。在这些模型中,再生数起着重要的作用。当比率小于1时,疾病消失。然而,当利率更高时,利差以惊人的速度增长。同样,通过简单的行动,如打喷嚏或咳嗽后立即处理纸巾,或打喷嚏到肘部,S. Alrashed等人医学信息学解锁20(2020)1004205=-=≤图3.第三章。不同ρ值下的预计感染人口勤洗手,避免触摸口鼻。但应对病毒的两个最重要的策略是经常正确洗手和确保适当的社交距离。定期洗手可以降低感染的可能性,而封锁可以帮助控制接触人群。SEIR模型表明,如果在KSA中施加适当程度的社交距离,感染人数可以减少到100万以下。值得注意的是,COVID-19疾病的性质更为复杂,需要通过考虑人口年龄、出生/死亡率和群体免疫力等因素来扩展现有预测模型,以实现更准确的预测[37,38,44,45]。如前所述,社交距离和锁定等措施-下降直接影响传播率α。因此,为了量化社交距离的影响,我们在经典的SEIR方程组中引入了一个变量ρ,用ρα代替α。应注意,ρ0将表示完全锁定,而ρ1将表示根本没有实行社交距离。图1以图形方式展示了这种效果。线图表示COVID-19感染和暴露人群的数量随时间的变化。请注意,曲线是如何随着ρ的减小而缩短的,峰值是如何随着ρ的减小而延迟的。暴露人群是传播的一个重要因素,因为症状可能在暴露后2-14天出现疾病控制和预防中心[40]和卫生部-KSA [41]建议在呼吸困难、意识模糊或无法起床、胸部持续疼痛或压迫、嘴唇或面部发蓝等为了更好地了解KSA封锁的影响,我们在图2中绘制了感染与封锁水平的关系,在没有封锁的情况下,可能有210万人受到感染。编码和图形使用Python绘制。我们使用修改后的SEIR模型绘制了数字。我们在从无封锁到严格封锁的各种封锁级别下进行实验。该方法的局限性之一是,封锁的程度可能会发生变化,因此结果可能会有很大差异。在没有封锁的情况下,KSA约有210万人可能会在KSA首次开始封锁之日(3月25日)的2个月左右的传播高峰期感染。在我们对数据的初步分析中,直到2020年4月中旬,预计ρ的值可能为0. 72020年6我们有机会重新审视我们的分析,根据2020年6月的趋势,ρ值为0.6被确定为一个很好的匹配。通过实施严格的社交距离,可以相应地减缓传播。更严格的封锁,比如说ρ0.5,意味着高峰期的感染人数可能不到50万,甚至这个高峰期也会在11个月后到来。SEIR模型显示了为什么隔离感染者对遏制COVID-19传播至关重要。即使当一个人暴露在这种情况下,简单的行动,如洗手20-40秒,不接触脸/眼睛被认为是有帮助的。根据SEIR的数据,在目前的社交距离规范下,自实施封锁以来的前三个月内,约有175万KSA居民将被感染。图3显示了受感染的人群,图中指出,如果没有封锁,KSA约有210万人可能在封锁之日起第71天的传播高峰期间受到感染。我们更高级别的预测显示,按照这个速度,从2020年3月25日开始的5个月内,将有40万人感染。图2显示,对于任何较小的值(ρ0.5),COVID-19曲线可以有效地变平,但可能需要非常严格的锁定。我们的分析基于仅使用SEIR模型研究封锁的影响,忽略了疫苗接种,群体免疫,洗手等有助于降低传播并最终消除病毒的因素。如图3和0.6是反映KSA当前COVID-19传播趋势的ρ估计值,预计将为KSA提供合理的传播预测。5. 结论SEIR的疾病传播数学模型已被修改,以纳入封锁对KSA COVID-19传播的影响已经表明,最初的传播仅用了34天就感染了KSA的2400人。根据截至2020年4月9日的传播模式,研究了社交距离和封锁的影响,并对不同程度封锁下的感染病例数量进行了预测。在完全没有封锁的情况下,预计到2020年7月将有200万例确诊病例,然而,沙特王国已采取各种策略来限制疫情蔓延。因此,在目前的部分封锁水平下,预计从2020年3月25日开始的176天后,KSA的确认人数将保持在40万人显示在更严格的封锁水平下,COVID-19曲线可有效地平坦化。S. Alrashed等人医学信息学解锁20(2020)1004206竞合利益作者声明,他们没有已知的可能影响本文所报告工作确认这项工作得到了伊玛目Abdulrahman Bin Faisal大学科学研究主任的支持[Covid 19 -2020-063-CSIT]。引用[1] Huang C,Wang Y,Li X,Ren L,ZhaoJ, Hu Y,Zhang L,Fan G,XuJ, GuX,Cheng Z,Yu T,XiaJ, Wei Y,Wu W,Xie X,Yin W,Li H,Liu M,XiaoY,Gao H,Guo L,XieJ, Wang G,Jiang R,Gao Z,Jin Q,WangJ, Cao B.中国武汉2019新型冠状病毒感染患者的临床特征。柳叶刀2020;395:497-506.https://doi.org/10.1016/S0140-6736(20)30183-5.[2] 冠状病毒病(COVID-19)及其引起的病毒。世界卫生组织(WHO),2020年2月28日。https://www.who的网站。int/emergencies/diseases/novel-coronavirus-2019/technical-guidance/naming-the-coronavirus-disease-(covid-2019)-and-the-virus-that-causes-it. [2020年2月从原件开始存档[3] Worldometer. https://www.worldometers.info/world-population/网站。[2020年4月6日[4] 科恩·J COVID-19疫苗保护猴子。 科学2020;368:456-7.[5] YuJ,Tostanoski LH,Peter L,Mercado NB,McMahan K,MahrokhianSH,Nkolola JP,LiuJ,Li Z,Mr. SARS-CoV-2基因疫苗对恒河猴的保护作用。科学2020:eabc6284。[6] ThanhLeT,AndreadakisZ,KumarA,Go'mezRom'anR,TollefsenS,SavilleM,Mayhew S. 2019冠状病毒病疫苗的发展前景。Nat Rev Drug Discov2020;19:305-6.[7] Korber B,Fischer WM,Gnanakaran S,Yoon H,TheilerJ, Abfalterer W,Hengartner N,Giorgi EE,Bhattacharya T,Foley B,Hastie KM,ParkerMD,Parabolic DG,Evans CM,Freeman TM,de Silva TI,,SheffieldCOVID-19 Genomics Group,McDanal C,Perez LG,Tang H,Moon-WalkerA,Whelan SP,LaBranche CC,Saphire EO,Montefiori DC.追踪SARS-CoV-2峰值的变化:D 614 G增加COVID-19病毒感染性的证据2020号牢房https://doi.org//j.cell.2020.06.043.[8] 王勇,王勇,陈勇,秦强. 2019年新型冠状病毒肺炎(COVID-19)的独特流行病学和临床特征涉及特殊控制措施。医学病毒学杂志2020年 6月;92(6):568https://doi.org/10.1002/jmv.25748. Epub 2020 Mar 29.[9] Hui DS,I Azhar E,Madani TA,Ntoumi F,Kock R,Dar O,Ippolito G,Mchugh TD,Memish ZA,Drosten Christian,Zumla A,Petersen E,February.新型冠状病毒对全球健康的持续2019-nCoV流行威胁-中国武汉最新的2019年新型冠状病毒爆发IntJ Infect Dis 2020;91:264https://doi.org/10.1016/j.ijid.2020.01.009网站。PMID 31953166。[10] BBC News.沙特阿拉伯卫生部长说,沙特阿拉伯的冠状病毒病例数可能达到20万。https://www.arabnews.com/node/1654886/saudi-arabia网站。[2020年4月7日]。[11] Saxena Arnav.封锁社交距离的数学。&https://towardsdatascience.com/the-mathematics-of-lockdown-social-distancing-1257bc685022. [2020年4月1日]。[12] Hamzaha Fairoza Amira Binti,Laub Cher Han,Nazric Hafeez,Ligotd DominicVincent,Leee Guanhua,Tanf Cheng Liang,Mohd Shaibg Mohammad KhursaniBin,Zaidonh Ummi Hasanah Binti,Abdullahi Adina Binti,Chungj Ming Hong,王振辉,周佩英,萨伦加罗兰·伊曼纽尔。CoronaTracker:全球COVID-19疫情数据分析和预测CoronaTracker社区研究小组。https://www.who.int/bulletin/online_first/20-255695.pdf。[2020年4月1日]。[13] Locey KennethJ, Webb Thomas A,Khan Jawad,Antony Anuja K,Hota Bala.预 测 2019 冠 状 病 毒 大 流 行 中 美 国 医 院 需 求 的 互 动 工 具 。 2020.https://doi.org/10.1101/2020.04.20.20073031网站。[14] Alzahrani Saleh I,Aljamaan Ibrahim A,Al-Fakih Ebrahim A.在当前公共卫生干预措施下,使用ARIMA预测模型预测COVID-19疫情在沙特阿拉伯的传播。 J InfectPublic Health 2020;13(7):914-9.[15] Kumar P,Kalita H,Pataikos S,Sharma YD,Nanda C,Rani M,et al.Forecasting the dynamics of COVID-19 pandemic in top 15 countries in April2020:ARIMA model with machine learning approach. medRX iv 2020:2020。https://doi.org/10.1101/2020.03.30.20046227.[16] 栗田纯子菅原民惠大草靖2019冠状病毒病爆发、医疗设施崩溃和东京封锁影响的预测。medRX iv 2020。https://doi.org/10.1101/2020.04.02.20051490网站。2020年4月[17] 哈桑·奈穆一种使用EEMD-ANN混合模型预测COVID-19疫情的方法。物联网2020;11:100228。网址://doi. org/10.1016/j.iot.2020.100228。[18] Pinter Gergo,Imre Felde,Mosavi Amir,Ghamisi Pedram,Gloaguen Richard,Settings。匈牙利的COVID-19疫情预测;一种混合机器学习approach.数学2020;8(6):890。https://doi.org/10.3390/math8060890网站。2020.[19] Bhardwaj Rashmi,Bangia Aashima.通过混合软计算技术对新型COVID-19传播风险进行数据驱动估计。混沌,孤立分形2020年11月;140:110152。https://doi.org/10.1016/j.chaos.2020.110152网站。2020年。[20] Kermack WO,McKendrick AG.对流行病数学理论的贡献。Proc Royal Soc A1927;115(772):700-21. https://doi.org/10.1098/rspa.1927.0118.Bibcode: 1927RSPSA.115..七十万[21] Harko Tiberiu,Lobo Francisco SN,Mak MK. 研究了易感-感染-传染(SIR)流行病模型和具有相等死亡率和出生率的SIR模型的解析解.应用数学计算2014;236:184-94. https://doi.org/10.1016/j.amc.2014.03.030。arXiv:1403.2160。Bibcode:2014arXiv1403.2160H.[22] 世卫组织总干事在2019冠状病毒病媒体吹风会上的开场白。 世界卫生组织(WHO); 2020年3月11日(新闻稿)。 [2020年3月12日]。2020年3月11日,由原始内容存档。[23] 里奇·汉娜玫瑰麦克斯城市化,我们的世界数据。https://oursendindata. org/城市化。[24] 亚历山大·奥托COVID-19更新:密切接触者中的传播率为5%或更低。https://www.the-hospitalist.org/hospitalist/article/218769/coronavirus-updates/covid-19-update-transmission-5-or-less-trigger-close.[25] 王红,王忠,董毅,等.武汉市2019年冠状病毒病病例数的阶段调整估计。细胞发现2020;6:10。[26] 放大图片作者:De Falco,Della Cioppa A,Scafuri U,Tarantino E.冠状病毒COVID-19在意大利蔓延:通过差分进化优化动态社交距离的流行病学模型。2020年。arXiv:2004.00553 vol. 3.第三章。[27] 胡祖泽,梁嘉仪,梁嘉仪。近播和预测源自中国武汉的2019-nCoV疫情的潜在国内和国际传播:建模研究。395 Lancet 2020;10225(9):689 2020年。[28] 阿尔拉希德·萨利赫智能校园和微电网的关键绩效指标。Sustain Cities Soc.2020年9月;60:102264。https://doi.org/10.1016/j的网站。scs.2020.102264。[29] 敏阿拉·纳斯罗阿尔拉希德·萨利赫聪明的校园-素描。Sustain Cities Soc. 2020年8月;59:102231。https://doi.org/10.1016/j.scs.2020.102231网站。[30] 约翰霍普金斯大学。冠状病毒地图。约翰霍普金斯大学; 2020年。https://coronavirus.jhu.edu/map.html网站。在Aoril 5上访问17[31] 作者:Jiang,Jiang.报告3:2019-nCoV的可传播性。http:www.imperial.ac.uk/media/imperial-college/medicine/sph/ide/gida-fellowships/Imperial-College-COVID19-transmissibility-25-01-2020.pdf. [2020年3月28日[32] 拉姆·纳雷什特里帕蒂·阿格拉杰夏尔马·迪利普艾滋病感染者迁入后传播的模型与分析。MathComputModel2009;49(5-6):880-92.https://doi.org/10.1016/j.mcm.2008.09.013网站。[33] 阿尔泽·索尼娅纳恩·查尔斯灵长类动物的传染病:行为、生态与进化。福特生态与进化系列。牛津大学出版社,2006. ISBN0-19-856585-2。[34] 米勒JC。SIR疾病传播的非性传播途径和性传播途径相结合的数学模型第2款.1.3Infect Dis Model 2017;2(1). 网址:http://doi.org/10.1016/j.idm.2016.12.003PMC 5963332。PMID29928728。[35] Bloom DE,Cadarette D,Sevilla JP.新的和死灰复燃的传染病可能产生深远的经济影响。 金融发展2018;55(2):46-9.[36] 吴俊俊,梁健,梁总经理。近播和预测源自中国武汉的2019-nCoV疫情的潜在国内和国际传播:建模研究。柳叶刀2020;395(10225):689-97。[37] 预测COVID-19对住院天数的影响。未来4个月美国各州的ICU天数、呼吸机天数和死亡人数。MedRXiv2020年3月26日。https://doi.org/10.1101/2020.03.27.20043752.[38] 凯 特 ·米 莎 如 何 模 拟 大 流 行 病 。 https://theconversation.com/how-to-model-a-pandemic-134187. [2020年3月29日]。[39] Boseley Sarah研究称,在发现COVID-19疫苗之前,封锁不会结束。https://www.theguardian.com/world/2020/apr/08/lockdowns-cant-end-until-COVID-19-vaccine-found-study-says. [2020年4月11日]。[40] 叶栎生与死的数学ISBN-13:978-1787475427。01版9月5日 2019年。[41] De Falco,A. Della Cioppa,U. Scafuri,E. Tarantino,Oronavirus Covid-19Spreading in Italy:Optimizing an Epidemiological Model with Dynamic SocialDistancing through Differential Evolution,arXiv:2004.00553 vol. 3.第三章。[42] Mali S,Pratap A,Thorat B.新型冠状病毒感染的上升-(COVID-19):最近的更新。EJMO 2020;4(1):35-41。 2020年。[43] 回历1435年至1439年期间科索沃安全军所有卫生部门的医院和床位。https:data.gov.sa/Data/en/dataset/hospitals_and_beds_in_all_health_sectorsof_ksa_during_1435_and_1439h. [2020年4月1日]。[44] 辛哈·塔努2019冠状病毒病(COVID-19)回顾 印度儿科杂志2020;87(4):281-6。https://doi.org/10.1007/s12098-020-03263-6网站。2020年3月[45] De la Sen Manuel,Ibeas Asier,Alonso Quesadas S,Nistal Raul.具有反馈控制的无症状和死亡感染子种群的流行病模型。Discrete Dynam Nat Soc 2017:1-22. 网址://doi. org/10.1155/2017/4232971。2017年。[46] KennethJ Locey,Thomas A Webb,Jawad Khan,Anuja K Antony,Bala Hota,预 测 2019 冠 状 病 毒 大 流 行 中 美 国 医 院 需 求 的 交 互 式 工 具 ,https://doi.org/10.1101/2020.04.20.20073031。
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 十种常见电感线圈电感量计算公式详解
- 军用车辆:CAN总线的集成与优势
- CAN总线在汽车智能换档系统中的作用与实现
- CAN总线数据超载问题及解决策略
- 汽车车身系统CAN总线设计与应用
- SAP企业需求深度剖析:财务会计与供应链的关键流程与改进策略
- CAN总线在发动机电控系统中的通信设计实践
- Spring与iBATIS整合:快速开发与比较分析
- CAN总线驱动的整车管理系统硬件设计详解
- CAN总线通讯智能节点设计与实现
- DSP实现电动汽车CAN总线通讯技术
- CAN协议网关设计:自动位速率检测与互连
- Xcode免证书调试iPad程序开发指南
- 分布式数据库查询优化算法探讨
- Win7安装VC++6.0完全指南:解决兼容性与Office冲突
- MFC实现学生信息管理系统:登录与数据库操作
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功