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
[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: