文献类型：期刊文章

作　　者：黄丽红[1] 魏永越[3] 沈思鹏[3] 朱畴文[2] 陈峰[3]

Huang Lihong;Wei Yongyue;Shen Sipeng(Department of Biostatistics,Zhongshan Hospital,Fudan University(200032),Shanghai)

机构地区：[1]复旦大学附属中山医院生物统计室,200032 [2]复旦大学临床流行病学与循证医学中心,复旦大学附属中山医院 [3]南京医科大学公共卫生学院生物统计学系

出　　处：《中国卫生统计》

基　　金：国家自然科学基金专项项目(82041024);国家自然科学青年基金(81903407)。

年　　份：2020

卷　　号：37

期　　号：3

起止页码：322-326

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：自新型冠状病毒肺炎疫情发生以来,一些学者利用疫情公开数据建立预测模型。所用预测方式包括曲线拟合、传染病动力学模型及人工智能算法三大类。传统的曲线拟合预测方式无法考虑传染病特征,预测结果并不可靠。传染病动力学模型是本次疫情预测应用最多的一类,能够考虑传染病的传播速度、传播模式及各种防控措施等因素,但由于考虑的参数不可能全面,且参数可能在疫情不同阶段发生动态变化,因此预测效果往往不佳,但对早期预警、防控决策支持及防控效果评价具有重要应用价值。人工智能方法可以综合考虑不同防控措施以及多种因素的影响,如果考虑得当,预测效果将会有所提高。在综合利用动力学模型优势的基础上,尽可能多地考虑不同影响因素,利用人工智能构建仿真模型,将是一个新的发展趋势。

关 键 词：新型冠状病毒肺炎  传染病模型 统计预测 动力学模型 人工智能

分 类 号：R563.1] R181.3]