多波流行病模型拟合软件的发展及应用

软件影响14（2022）100391原始软件出版物多波流行病模型拟合的代码AmericoCunhaJra，a，Fernando daConceiçãoBatistab，PauloRobertode LimaGianfelicec，作者：Ricardo Sovek Oyarzabalc，Jose Mario Vicensi Grzybowskid，Elbert E.N.澳门ca里约热内卢州立大学，巴西里约热内卢b葡萄牙莱里亚莱里亚理工学院巴西圣保罗联邦大学d巴西埃雷希姆南弗龙泰拉联邦大学A R T I C L E I N F O保留字：数学流行病学流行病模型模型拟合A B标准COVID-19大流行对能够在短期内描述和推断疫情爆发演变的计算模型产生了巨大需求。在这个意义上，我们引入了多波流行病模型，这是一个提供框架的软件包，用于将多波流行病模型拟合到COVID-19和其他传染病的实际爆发数据。代码元数据当前代码版本v1.0用于此代码版本的代码/存储库的永久链接https://github.com/SoftwareImpacts/SIMPAC-2022-94可再生胶囊的永久链接https://codeocean.com/capsule/0219197/tree/v3法律代码许可证MIT许可证使用git的代码版本控制系统使用Matlab和Python的软件代码语言、工具和服务编译要求、操作环境依赖性如果可用，链接到开发人员文档/手册https://github.com/americocunhajr/epidWaves问题支持电子邮件americo. uerj.br1. 介绍使用计算模型来研究过去的流行病并对正在发生的疫情做出预测并不是什么新鲜事，或者只是在COVID-19大流行中才流行起来。数学工具，如微分方程，统计回归，复杂网络等，已经在流行病学（广义上的生物学）的世界中存在了几十年[1-其中，我们可以强调开发强大的数据驱动的预测模型，用于实时决策，特别是估计（短期）新病例和死亡的预期数量数据驱动的模型采用现象学方程进行预测或代表过去的爆发数据是非常有用的。一旦它们不像通常情况那样过于复杂或依赖于在流行病期间难以获得的信息， 对于基于微分方程的隔室模型，它们在实时（或近 实 时 ） 分 析 的 背 景 下 非 常 有 吸 引 力 。 因 此 ， 我 们 引 入 了 一 个Matlab/Python包，用于将多波流行病模型拟合到COVID-19和其他传染病的数据。本文中的代码（和数据）已由Code Ocean认证为可复制：（https://codeocean.com/）。更多关于生殖器的信息徽章倡议可在https://www.elsevier.com/physical-sciences-and-engineering/computer-science/journals上查阅。∗通讯作者。电子邮件地址：americo. uerj.br（A.Cunha Jr），fernando. ipleiria.pt（F.d.C. Batista），paulo. unifesp.br（P.R.d.L.Gianfelice），ricardo. unifesp.br（R.S.Oyarzabal），jose. uffs.edu.br（J.M.V. Grzybowski），elbert. unifesp.br（E.E.N.澳门）。https://doi.org/10.1016/j.simpa.2022.100391接收日期：2022年6月14日;接收日期：2022年6月30日;接受日期：2022年7月20日2665-9638/©2022作者。由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表软件影响杂志 首页：www.journals.elsevier.com/software-impactsA. Cunha Jr，F.d.C. Batista，P.R.d.L. Gianfelice等人软件影响14（2022）10039122. 软件详细信息Fig. 1. 示意性表示的Waves框架。由于该软件包的多功能性和简单性，软件包Waves实现了Gianfelice等人[ 16 ]提出的流行病学数据分析框架，如图所示。1.一、在该方法中，将流行病监测数据与非线性统计回归[17，18]和蒙特卡罗模拟[19，20]相结合，以生成与流行病爆发相关的报告病例和死亡演变现有的模型对应于具有多种模式的逻辑斯谛曲线，描述了具有几波传染的流行病动态用户可以选择所需的波数，也可以针对相同的数据测试不同的模型。根据统计信息标准选择模型，该模型这种选定的模型可以在短期时间范围内预测疫情期间报告的病例和死亡人数，或提取有关以往疫情的各种信息。例如 ， 使 用 这 样 的 模 型 ， 可 以 估计 每 一 波 传 染 的 开 始 日 期 （ 如Gianfelice等人所做的那样）。或者，人们可以推断出其他定量信息，例如这样的指标可以让流行病学家评估一波传染的严重程度，比较不同的波，并调查触发波的可能因素。包中提供了框架每个步骤的Matlab和Python代码。3. 影响概述流行病在人类历史上反复出现，由于全球化，它们往往越来越频繁和具有挑战性。在这种情况下，由计算机模型驱动的实时（或近实时）决策在COVID-19大流行中至关重要，并将成为在未来的大规模流行病。Waves软件包是一个有价值的工具，因为它的简单性，可以由专业人士使用相对温和的数学训练。除了建立预测模型外，使用该软件包获得的统计回归量还可以提供对过去疫情数据的定性和定量描述，提高对流行病动态的理解，并提取关键信息（例如，传染波的开始日期）。在参考文献中可以看到这种意义上的应用实例。[16、21]。在第一项工作中，作者使用了COVID-19传染波框架来估计里约热内卢市2020年至2021年之间COVID-19传染波的开始日期。在第二部分中，作者调查了葡萄牙COVID-19的动态，调查了2020年爆发的细节。此外，值得一提的是，独立倡议COVID-19：Observatório Fluminense1在其流行病监测工作中使用了该代码的初始版本[22]。1跨学科研究人员小组，监测了2019冠状病毒病在巴西大流行的头两年的进展情况。 更多详情请访问www.covid19rj.org具有巨大的教育吸引力。还值得一提的是，这里采用的流行病曲线拟合方法和底层Matlab代码的早期版本作为教育代码EPIDEMIC [23]的预测模块的基础。因此，这种新颖的包加入了其他用于教授计算流行病学的工具，例如EPIDEMIC [23]和ARBO [24]，两者都是由里约热内卢州立大学的研究人员和合作者开发的。4. 最后发言Waves是一个简单而强大的工具，用于将统计多波模型拟合到COVID-19和其他传染病的流行病数据。使用该软件包建立的统计模型进行的分析可以在流行病爆发期间或事后进行，以便在后一种情况下更好地了解疾病的演变，并在第一种情况下指导立即决策。该代码还具有巨大的潜力，作为计算流行病学的教育工具，已经被用于研究和教学活动。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作致谢这项工作得到了巴西圣保罗保护研究基金会（FAPESP）的支持（process：2015/50122-0）; Fundação Carlos Chagas Fillho de Amparoà Pesquisa do Estado do Rio de Janeiro ， FAPERJ ， Brazil （ 流 程 ：211.037/2019 和 201.294/2021 ） ; Coorde- nação de Pessoal de NívelSuperior，CAPES，巴西（过程：88887.506931/2020-00）和巴西国家科学技术发展委员会（过程：441016/2020-0）。引用[1]H.W. Hethcote ， 传 染 病 的 数 学 ， SIAM Rev.42 （ 4 ） （ 2000 ）599http://dx.doi.org/10.1137/S0036144500371907[2]R. Pastor-Satorras，A. Vespignani，无标度网络中的流行病传播，物理学评论。86（2001）3200 http://dx.doi.org/10.1103/PhysRevLett。86.3200[3]F. 布劳尔角 Castillo-Chávez，《种群生物学数学模型》 ，流行病学，Springer，2001年。[4] F. Brauer，P. van den Driessche，J. Wu（Eds.），数学流行病学，Springer，2008年。[5] R. 莫里森，A.Cunha Jr，嵌入式模型差异：Zika的案例研究建模，混沌30（051103）（2020）http://dx.doi.org/10.1063/5.0005204。[6]M. Tosin，A.M.A. Albertes，A. Cunha，应用于生物模型的sobol'全局灵敏度分析教程，在：F.A.B.席尔瓦，N.卡雷尔Santos，F.J.P. Lopes（Eds.），系统生物学中的网络：疾病建模的应用，Springer International Publishing，Cham，2020，pp。93-http://dx.doi.org/10.1007/A. Cunha Jr，F.d.C. Batista，P.R.d.L. Gianfelice等人软件影响14（2022）1003913[7]G.S.科斯塔，W。南卡罗来纳州科塔Ferreira，Outbreak diversity in epidemicwaves propagating through distinct geographical scales ， Phys. Rev. Res. 2（2020）043306，http://dx.doi.org/10.1103/PhysRevResearch.2.043306.[8]S. Mandal，R.R.萨卡尔，S。辛哈，疟疾的数学模型-回顾，马拉。J.10（1）（2011）202，http://dx.doi.org/10.1186/1475-2875-10-202。[9]M.F.C. Gomes ， C.T. Codeço ， L.S. Baglion ， R.M. Lana ， Measuring thecontribution of human mobility to malaria persistence， Malar. J.19 （1）（2020）404，http：//dx.doi.org/10.1186/s12936-020-03474-4网站。[10] C.T.维莱拉足球俱乐部Coelho，考虑温度依赖性世代间隔估计登革热的有效繁殖数量，Epidemics25（2018）101http://dx.doi.org/10.1016/j.epidem.2018.05.011[11] P.M. Luz，B.V.M. Mendes，C.T. Codeço，C.J. Struchiner，A.P. Galvani，《巴西里约热内卢登革热发病率的时间序列分析》，美国。J.Trop. Med. Hyg. 79（6）（2008）933http://dx.doi.org/10.4269/ajtmh.2008.79.933[12] A.J. Kucharski，S. R.M.芬克Eggo，H. P. Mallet，W. J. Edmunds，E. J. Nilles，岛屿人群中寨卡病毒的传播动态：2013-14年法属波利尼西亚疫情的建模10（5）（2016）http://dx.doi.org/10.1371/journal.pntd.0004726。[13] E. Dantas，M. Tosin，A. Cunha Jr，SEIR-SEI流行病模型的校准描述寨卡病毒在巴西的爆发，应用数学。计算。338（2018）249http://dx.doi.org/10.1016/j.amc.2018.06.024[14] E. Dantas，M. Tosin，A. Cunha Jr，Zika病毒流行病模型的不确定性量化框架，J。Comput. 椎间盘间Sci. 10（2019）91.[15] E. Kuhl，计算流行病学：COVID-19的数据驱动建模，Springer，2021年。[16] P.R.L. Gianfelice，R.S.Oyarzabal，A.库尼亚足球俱乐部巴蒂斯塔，E.E.N.澳门，COVID-19多重浪潮的开始日期，Chaos 32（3）（2022）031101，http://dx.doi.org/10.1063/5.0079904。[17] L. Wasserman，All of Statistics，Springer，2004。[18] T. 哈斯蒂河Tibshirani，J. Friedman，The Elements of Statistical Learning，第二版，Springer，2009年。[19] D.P. Kroese，T. Taimre，Z.I. Botev，《蒙特卡罗方法手册》，Wiley，2011年。[20] A.小库尼亚河纳赛尔河Sampaio，H. Lopes，K. Breitman，通过云计算环境中的Monte Carlo 方 法 进 行 不 确 定 性 量 化 ， 计 算 。 185 （ 2014 ）1355http://dx.doi.org/10.1016/j.cpc.2014.01.006[21] F.C. 巴 蒂 斯 塔 A 。 Cunha Jr ， Inferência dos estágios iniciais da COVID-19emPortugal，in：XXIII Congresso Brasileiro de Automática，CBA 2020，SantaMaria，Brazil，2020.[22] A. Cunha Jr 等 人 ， Relatório 01 progresso da COVID-19 no Brasil e no estado2020 年 里 约 热 内 卢 流 行 病 学 报 告 （ 17/5/2020até 23/5/2020） ， 2020，http://dx.doi.org/10.12957/eduerj.covid19rj.relatorio1，COVID-19：Observatório Fluminense.[23] B. Pavlack，M. Grave，E. Dantas，J.Basilio，L. de la Roca，J.a. Norenberg，M.托辛湖Chaves，D.马托斯湾伊萨河Luo，中国茶条A.盖特湖苏亚雷斯河布尔戈斯湖Lovisolo，A. Cunha，EPIDEMIC -流行病学教育代码，J.Open SourceEduc. 5（2022）149，http://dx.doi.org/10.21105/jose.00149。[24] M. Tosin，E.丹塔斯A。Cunha Jr，R.E. Morrison，ARBO：虫媒病毒建模 和不确 定 性 量 化 工 具 箱 ， 软 件 影 响 12 （ 2022 ） 100252 ，http://dx.doi.org/10.1016/j.simpa.2022.100252。