[论文解读] A Susceptible-Exposed-Infected-Removed (Seir) Model For The 2009-2010 A/H1N1 Epidemic In Istanbul

Funda Samanlıoğlu, Ayşe Hümeyra Bilge+1 more|arXiv (Cornell University)|May 11, 2012

COVID-19 epidemiological studies参考文献 15被引用 4

一句话总结

本研究使用SEIR分 compartment 模型，基于伊斯坦布尔2009年9月至2010年2月期间的每日住院和死亡数据，分析2009–2010年A/H1N1疫情。研究发现住院与死亡之间存在9天的滞后，病例死亡率比例为5.37%，模型拟合精度高（死亡预测误差为2.6%），基本再生数R₀ ≈ 6.5。

ABSTRACT

A/H1N1 epidemic data from Istanbul, Turkey during the period June 2009-February 2010 is analyzed with SEIR (Susceptible-Exposed-Infected-Removed) model. The data consist of the daily adult hospitalization numbers and fatalities recorded in various state hospitals serving an adult population of about 1.5-2 million. June 2009-August 2009 period corresponds to the initial stage of the epidemic where the hospitalization rate is nearly %100 and it is excluded from further consideration. The analysis covers the September 2009-February 2010 period, the total number of hospitalizations and fatalities being respectively 869 and 46. It is shown that the maximum correlation between the number of fatalities and hospitalizations occur with a time shift of 9 days and the proportionality constant is δ=0.0537. The SEIR epidemic model is applied to the data by back-shifting the number of fatalities. The determination of the best fitting model is based on the L2 norms of errors between the model and the data and the errors are around %10 and %2.6 for the number of hospitalizations and fatalities, respectively. The parameters in the model are I0, η, ε and β, where I0 is the percentage of people infected initially, η and ε are related to the inverses of the infection and incubation periods and β/η is the representative of the basic reproduction number. These parameters are determined as η=0.09 (1/η =11.11days), I0=10^-7.4, ε=0.32 (1/ε =3.125 days), β=0.585, β/η=6.5.

研究动机与目标

• 使用SEIR框架对2009–2010年伊斯坦布尔A/H1N1流感疫情的传播动力学进行建模。
• 量化成年群体中住院与死亡之间的时序关系。
• 估计关键流行病学参数，包括基本再生数R₀和初始感染率。
• 利用公立医院的真实住院和死亡数据验证SEIR模型。

提出的方法

• SEIR模型将人群划分为易感、潜伏、感染和移除四个 compartment，以模拟疾病进展。
• 分析了2009年6月至2010年2月的每日住院和死亡数据，排除了初始100%住院阶段（2009年6月至8月）。
• 基于观察到的相关性，将死亡数据向后平移9天，以与住院趋势对齐。
• 通过L2范数最小化优化模型参数（I₀, η, ε, β），以减少模型预测与实际数据之间的误差。
• 基本再生数R₀由β/η推导得出，其中β和η由最佳拟合参数估计。
• 使用L2范数对模型进行验证，结果显示住院预测误差为10%，死亡预测误差为2.6%。

实验结果

研究问题

• RQ1 在2009–2010年伊斯坦布尔A/H1N1疫情中，住院高峰与后续死亡之间的时滞是多长？
• RQ2 采用时间平移死亡数据的SEIR模型在多大程度上能拟合伊斯坦布尔的真实住院和死亡数据？
• RQ3 伊斯坦布尔A/H1N1疫情的基本再生数R₀和初始感染率I₀的估计值是多少？
• RQ4 在伊斯坦布尔成年群体中，住院与死亡之间的病例死亡率比例是多少？
• RQ5 模型预测对参数选择的敏感性如何？住院和死亡预测的误差范围是多少？

主要发现

• 死亡与住院之间的最大相关性出现在9天的时滞，表明死亡报告或疾病进展存在延迟。
• 死亡与住院之间的比例常数为δ = 0.0537，意味着住院病例中死亡率约为5.37%。
• 使用L2范数度量，模型在预测死亡方面误差为2.6%，在预测住院方面误差为10%。
• 初始感染率I₀估计为10^−7.4，表明初始感染个体比例极低。
• 感染期估计为11.11天（1/η = 11.11），潜伏期估计为3.125天（1/ε = 3.125）。
• 基本再生数R₀计算为β/η = 6.5，表明A/H1N1毒株在伊斯坦布尔具有高度传染性。