广义SEIR流行病模型（拟合与计算）

描述

数值实现了一个具有七状态[2]的广义SEIR模型。除了依赖于函数“lsqcurve”的拟合之外，这个实现是从头开始的。因此，目前的实现可能不同于参考[2]中使用的实现。

该Matlab实现还包括与参考文献[2]的一些主要差异其中包括死亡率和恢复率的表达式，它们是时间的分析和经验函数。这种时间依赖性背后的思想是，随着时间的增加，死亡率和恢复率应该收敛到一个恒定值。如果死亡率保持不变，死亡人数可能会被高估。出生率d此处未对自然死亡进行建模。这意味着总人口（包括死亡病例数量）保持不变。请注意，参考文献[2]是未经同行审查的预印本，我没有资格判断论文的质量。

所容纳之物

本呈件包括：

• 用于模拟感染性、恢复性和死亡病例（以及其他病例）的时间历程的函数SEIQRDP.m

• 一个函数fit_SEIQRDP.m，它以最小二乘法估计SEIQRDP.m中使用的十个参数。

• 一个示例文件Documentation.mlx，介绍了数值实现。

• 一个示例文件example_province_region.mlx，它使用约翰·霍普金斯大学收集的湖北省（中国）新冠病毒-19流行的数据[3]。

• 一个示例文件example_Country.mlx，它使用约翰·霍普金斯大学收集的新冠病毒-19流行的数据[3]作为证据。

• Matteo Secli编写的一个文件“ItalianaRegions.mlx”(https://github.com/matteosecli)，我已修改为一个稍微更健壮的拟合。

• 一个例子文件ChineseProvinces。mlx，它说明了fit_SEIQRDP函数。在for循环中使用m来拟合中国不同省份的数据[3]。

• 其中一个例子是“uncertiesIssues.mlx”，它说明了拟合有限数据集的危险。

• “Example_US_cities一个例子。当“恢复的”数据不可用时，说明是否合适。

• 一个例子模拟multimultiwaves,mlx，说明了对多个流行波的拟合。

• 一个函数是getDataCOVID，它从[3]约翰·霍普金斯大学收集的数据中读取数据。

• 一个函数getDataCOVID_ITA由Matteo Secli编写(https://github.com/matteosecli)，从意大利政府收集意大利新冠病毒-19大流行的最新数据[4]

• getDataCOVID_US函数从[3]收集美国的更新数据

• 一个函数checkRates。M绘制拟合和计算的死亡率和回收率(质量检查)

• 一个函数getMultipleWaves.m，用于模拟和拟合SEIRQDP模型，以适应检测到多个流行病波的情况。

欢迎提出任何问题、意见或建议。

工具书类

[1]https://en.wikipedia.org/wiki/Compartmental_models_in_epidemiology#Bio-mathematical_deterministic_treatment_of_the_SIR_model

[2] 彭磊，杨伟伟，张德德，诸葛，C.，洪磊（2020）。中国新冠病毒-19的动态模型流行分析。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病例)

将扩展的SEIR模型与实际数据进行拟合，得到如下结果:

例2(湖北省新冠肺炎病例)

将扩展的SEIR模型与实际数据进行拟合，得到如下结果:

示例3（多个波的情况）

将扩展的SEIR模型与实际数据进行拟合，得到如下结果: