广义SEIR流行病模型(拟合与计算)

描述

具有七个州[2]的广义SEIR模型在数值上实施。除了拟合之外，该实现是从临时完成的，这依赖于“LSQCurvFit”功能。因此，本实施可能与参考中使用的可能不同。[2]。

这个Matlab实现还包括一些与ref.[2]的主要区别。其中，死亡率和恢复率的表达是时间的分析和经验函数。这种时间依赖性背后的想法是，随着时间的增加，死亡率和恢复率应该趋近于一个常量。如果死亡率保持不变，死亡人数可能会被高估。出生和自然死亡并不是这里的模型。这意味着总人口，包括死亡病例数，保持不变。请注意，ref.[2]是未经同行评审的预印本，我没有足够的资格来判断论文的质量。

内容

本提交包含：

• 一个SEIQRDP函数。M，用于模拟感染、康复和死亡病例的时间历史(以及其他)

• 一个fit_SEIQRDP函数。m估计SEIQRDP中使用的10个参数。M在最小二乘意义上。

• 一个示例文件Documentation。Mlx，给出了数值实现。

• 一个示例文件Example_province_region。mlx使用了约翰·霍普金斯大学为中国湖北省COVID-19流行病收集的数据。

• 一个示例文件Example_Country。mlx，它使用了约翰·霍普金斯大学收集的一个国家COVID-19流行[3]的数据。

• 一个文件“ItalianRegions。作者:Matteo Secli (https://github.com/matteosecli.）我已经修改了稍微强大的拟合。

• 一个示例文件中文进入inovinces.mlx，它说明了fit_seiqrdp.m如何用于循环中的函数，以便从不同的中国省份安装到数据[3]。

• “uncertaintiesIssues一个例子。，说明了拟合有限数据集的危险。

• 说明“恢复”数据不可用时“example_us_cities.mlx”的示例。

• 一个示例SimulateMultipleWaves，MLX，说明了多个疫情波的拟合。

• 一个函数getDataCOVID，它从[3]读取由约翰霍普金斯大学收集的数据。

• Matteo Secli编写的一个函数getdatacovid_ita（https://github.com/matteosecli.)，从意大利政府[4]收集意大利COVID-19大流行的最新数据

• 一个函数getdatacovid_us从[3]中收集了美国更新的数据

• 一个功能核查时间，绘制拟合和计算的死亡和恢复率（质量检查）

• 一个函数Ge​​tMultipleWaves.m模拟并将SEIRQDP模型拟合到检测到多个流行波的情况。

欢迎任何问题，评论或建议。

参考

[1]https://en.wikipedia.org/wiki/compartmental_models_in_epidemiology#bio-mathemation_deterministic_treatment_of_the_sir_model.

L。[2]Peng,杨,W。,,D,诸葛,C,和香港,L(2020)。基于动态模型的COVID-19在中国的流行分析arXiv预印本arXiv: 2002.06563。

[3]https://github.com/cssegisanddata/covid-19

[4]https://github.com/pcm-dpc/COVID-19

例1（意大利Covid-19的情况）

将扩展SEIR模型与实际数据的拟合提供以下结果：

例2（湖北的Covid-19的情况）

将扩展SEIR模型与实际数据的拟合提供以下结果：

例3(多波情况)

将扩展SEIR模型与实际数据的拟合提供以下结果：