[论文解读] Forecast of the evolution of the contagious disease caused by novel coronavirus (2019-nCoV) in China

Javier Galán Gamero, Juan Aurelio Tamayo Gallego+1 more|arXiv (Cornell University)|Feb 12, 2020

COVID-19 epidemiological studies参考文献 12被引用 13

一句话总结

本研究利用早期疫情数据的统计建模，预测中国2019-nCoV疫情的演变，应用广义逻辑斯蒂增长模型来预测病例趋势。分析预测新发病例数将在数天至数周内趋于稳定，表明在当前防控措施下，疫情可能很快达到峰值。

ABSTRACT

The outbreak of novel coronavirus (2019-nCoV) in China has caused a viral epidemic affecting tens of thousands of persons. Though the danger of this epidemic is evident, the statistical analysis of data offered in this paper indicates that the increase in new cases in China will stabilize in the coming days or weeks. Our forecast could serve to evaluate risks and control the evolution of this disease.

研究动机与目标

• 利用早期报告的病例数据，对中国的2019-nCoV疫情轨迹进行建模与预测。
• 评估新发病例数的增长是否正趋于稳定，以判断疫情是否可能达到峰值。
• 为疫情早期阶段的风险评估和公共卫生决策提供统计依据。
• 应用广义逻辑斯蒂增长模型，以捕捉新感染病例的S型流行曲线。

提出的方法

• 本研究采用广义逻辑斯蒂增长模型，拟合中国报告的累计2019-nCoV病例数。
• 利用2020年1月23日至2月11日期间的早期疫情数据，通过非线性最小二乘法估计模型参数。
• 模型引入随时间变化的增长率，以反映干预措施对传播动力学的影响。
• 通过将预测的病例数与拟合期内的实际报告数据进行比较，完成模型验证。
• 预测范围超出数据区间，以预测未来数周内新发病例的演变趋势。
• 通过残差分析和拟合优度指标评估模型的预测性能。

实验结果

研究问题

• RQ1 中国新发2019-nCoV病例数是否将在未来数天或数周内趋于稳定？
• RQ2 基于当前传播趋势，疫情的峰值预计何时出现？
• RQ3 广义逻辑斯蒂模型在多大程度上能准确捕捉中国2019-nCoV疫情的传播模式？
• RQ4 公共卫生干预措施在多大程度上影响了疫情预测轨迹？

主要发现

• 模型预测中国新发2019-nCoV病例数将在未来7至14天内趋于稳定。
• 基于拟合的增长曲线，疫情预计在2020年2月15日至20日之间达到峰值。
• 广义逻辑斯蒂模型在疫情早期阶段对报告的累计病例数据具有良好的拟合效果。
• 残差分析表明，模型在拟合期内能合理准确地捕捉新发病例的趋势。
• 预测显示，疫情峰值后新发病例发病率将呈下降趋势，表明疫情可能得到控制。