文献类型：期刊文章

作　　者：许书君[1] 马艺菲[1] 罗雨欣[1] 郭嘉铭[1] 王彤[1] 李建涛[2] 雷立健[3] 贺鹭[4] 余红梅[1] 解军[5]

XU Shujun;MA Yifei;LUO Yuxin;GUO Jiaming;WANG Tong;LI Jiantao;LEI Lijian;HE Lu;YU Hongmei;XIE Jun(Department of Health Statistics,School of Public Health,Shanxi Medical University,Taiyuan 030001,China;Department of Health Economics,School of Management,Shanxi Medical University,Taiyuan 030001,China;Department of Epidemiology,School of Public Health,Shanxi Medical University,Taiyuan 030001,China;Department of Social Medicine,School of Public Health,Shanxi Medical University,Taiyuan 030001,China;Center of Reverse Microbial Etiology,Shanxi Medical University,Taiyuan 030001,China)

机构地区：[1]山西医科大学公共卫生学院卫生统计学教研室,太原030001 [2]山西医科大学管理学院卫生经济学教研室,太原030001 [3]山西医科大学公共卫生学院流行病学教研室,太原030001 [4]山西医科大学公共卫生学院社会医学教研室,太原030001 [5]山西医科大学反向病原学中心,太原030001

出　　处：《中华疾病控制杂志》

基　　金：国家重点研发计划(2021YFC2301603);山西省科技重大专项项目(202102130501003,202005D121008)。

年　　份：2023

卷　　号：27

期　　号：11

起止页码：1274-1281

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EMBASE、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：目的根据时变易感者-潜伏者-感染者-隔离者-死亡者-康复者(susceptible-exposed-infected-quarantined-dead-removed,SEIQDR)模型和差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型,针对上海市Omicron感染数据选择适合上海市疫情判断的预测模型。方法选用2022年3月1日―4月20日上海市COVID-19新增阳性感染者的数据进行拟合,选用2022年4月21日―5月30日的数据评估模型的预测效果。分别构建时变SEIQDR模型与ARIMA模型,通过比较决定系数(coefficient of determination,R^(2))、平均绝对误差(mean absolute error,MAE)和均方根误差(root mean squared error,RMSE)的大小评价模型的拟合及预测效果。结果时变SEIQDR模型和ARIMA模型的拟合效果均较优,R2分别为0.990和0.984。2个模型5 d的预测效果均尚可,对于20 d以及40 d预测效果,时变SEIQDR模型更优且更符合传染病传播的规律;前者的40 d预测MAE和RMSE分别为1001.461和1967.704,后者分别为1265.331和2068.094,且时变SEIQDR模型能较好地实现对上海市本轮疫情变化趋势及发病人数的复现。结论时变SEIQDR模型可较好地拟合及预测上海市COVID-19的发病人数及变化趋势,且模型效果优于ARIMA(2,2,0)。

关 键 词：新型冠状病毒感染  时变易感者-潜伏者-感染者-隔离者-死亡者-康复者模型  时间序列  差分自回归移动平均模型  

分 类 号：R511] R181.8[临床医学类]