该函数拟合了一组时滞logistic曲线，以适应Covid-19疫情的数据。数据的大小限制了曲线的数量。该模型的设计目的是每天监测流行病的发展，而不是长期预测。所生成的图表是这种流行病的每日横断面。对于任何预测，都需要监控图形的时间发展;最重要的是疫情的最终规模。该模型是唯象的，在流行病持续的情况下优于单曲线模型(SI模型、SIR模型)。
该函数通过执行runMe来调用。m函数。默认情况下，这个函数调用世界的数据。例如，要获取斯洛文尼亚的数据，您需要在runMe中用@getDataSlovenia更改@getDataWorld。m函数。
有关程序选项，请参阅fitVirusXXdoc。MLX在doc文件夹中。
不同国家的当前数据可以从两个来源获得:
1.importTotalCases运行。m函数。这个函数将从<https://ourworldindata.org/coronavirus-source-data >并将其存储在数据文件夹中。
2.importTotalCasesWM运行。m函数。这个函数将从<https://www.worldometers.info/coronavirus/ >并将其存储在数据文件夹中。
注1。模型的预测取决于模型对流行病过程的模拟程度，以及数据的可靠性。
注2。预测会因新的或变化的数据而改变。在流行病即将结束时，预测变得更加可靠，但在流行病开始时则不可靠。
注3。在某些情况下，模型可能会失败。特别是，该模型可能不适合对流行病的早期阶段或新浪潮的出现进行建模。在这些情况下，我们可以得到不切实际的指数增长，这通常会随着新的数据而消退。如果最后一波有指数增长，那么我们需要减少波的数量或减少可能的易感波的数量(默认情况下，这个数字是7e9)。
注3。如果在最后一波中病例数量迅速增加，波形就会变窄，给人一种波将很快结束的印象(logistic曲线相对于峰值是对称的)。在这种情况下，至关重要的是监测疫情规模的每日变化，然后对其持续时间作出结论。
注4。程序指示开始日期，当数据足以计算初始近似。
注5。默认情况下，函数试图拟合最多四条逻辑曲线(见“模型”选项)的数据。它还可以通过从数据中减去模型预测的极限大小来自动检测可能的下一波的开始。额外的逻辑曲线适合这个额外的波(见'w3'选项)。
注6。模型的参数是通过最小化目标函数得到的，目标函数是值的残差平方和。利用优化工具箱函数fminsearch计算未知模型参数的最优值。通过启发式方法得到了拟最优解。如果计算失败，则只绘制数据。
注7。4+波模型可能比较耗时。对于180个数据样本，四波模型的运行时间约为180秒。
注8。根据该模型的每日预测可在
<https://www.researchgate.net/publication/339912313_Forecasting_of_final_COVID-19_epidemic_size_200616 >
在疫情评估图中，各区域按不同的疫情阶段划分(不标准，但为方便而随意选择):
红色-一个快速增长阶段(大约从12%到88%的最终病例)
黄色-过渡到平衡阶段(高达98%的病例)
绿色-最后阶段(高原阶段)
增长因子图两行，1%(绿色)和5%
(红色)仅作介绍之用。
免责声明:本软件和数据仅用于教育目的，不用于医疗或商业用途。所有明示或默示保证，包括适销性和适用于特定目的的默示保证均被拒绝。在某些情况下，模型可能会失败。特别是，模型可能不合适，或者模型可能在早期阶段失败。你可以自行决定使用它。
fitVirusXX在没有支持的情况下发布。万博1manbetx
引用作为
米兰巴蒂斯塔(2021)。fitVirusXX(//www.tianjin-qmedu.com/matlabcentral/fileexchange/76956-fitvirusxx)， MATLAB中央文件交换。检索．
