[发明专利]一种由统计数据驱动的传染病疫情预测方法

说明书

本发明提出一种由统计数据驱动的传染病疫情预测方法，包括：获取疫情统计数据步骤，用于获取疫情期间每日的新增确诊病例数量、新增治愈病例数量及病例的潜伏期预估，所述新增确诊病例数量表示为时间序列N(t)，所述新增治愈病例数量表示为时间序列R(t)；预处理疫情统计数据步骤，用于根据获取的疫情统计数据获得用于预测疫情拐点的NR比；预测疫情拐点步骤，用于定义疫情拐点，并根据所述NR比来预测疫情拐点时间及现存最大确诊病例数量，所述疫情拐点时间表示为tsubgt;p/subgt;。采用上述方案实现了更为精确的拐点预测和疫情结束时间预测，不仅可行、易于实施，并且鲁棒性好，是一种由实际数据驱动的、普适的传染病发展预测方法。

技术领域

本发明属于传染病预测技术领域，尤其涉及一种由统计数据驱动的传染病疫情预测方法。

背景技术

疫情拐点是指传染病现存确诊病例总数达到峰值并开始下降的状态。疫情拐点何时出现对于疫情应对、回归正常社会秩序等决策过程有重要参考意义。平均住院天数直接关系到医疗资源的总体调配。

疫情在每个地区的暴发进程中都需要一个可靠的预测，为防疫工作提供科学参考，减少民众恐慌，降低对金融市场的不利影响。目前对传染病疫情的预测大多采用与SIR模型（易感者-感染者-康复者模型）或类似的动力学模型。该类模型考虑多个复杂的传染病动力因素，如接触数、感染率、潜伏期等。然而，突发疫情往往具有许多未知特征，其接触数、感染率、潜伏期等参数难以确知。这使得现有模型对疫情拐点的预测变动很大。

事实上，传染病疫情的很多经验信息已经包含在每日的统计数据（如：新增确诊数，新增治愈数等）中，却没有被充分挖掘起来。还有些模型仅依赖于每日新增确诊病例数据来对疫情发展做出预测，这是不够的。因为即使每日新增确诊病例数达到峰值并开始下降，累计确诊病例仍有可能在增加，医疗设置和床位等需求也仍然可能在增加，这不足以说明疫情出现了拐点。

发明内容

为解决上述的技术问题，本发明提出一种由统计数据驱动的传染病疫情预测方法，采用新增确诊病例和新增治愈病例进行数据统计分析，实现了精确的拐点预测，并进一步建立了疫情最大现存确诊病例数量、疫情结束时间等关键参数的预测方法。该方法可以用于未来其他可能暴发的传染病疫情。

本发明公开了一种由统计数据驱动的传染病疫情预测方法，包括：

获取疫情统计数据步骤，用于获取疫情期间每日的新增确诊病例数、每日新增治愈病例数及病例的潜伏期预估，其中，所述新增确诊病例数表示为时间序列 N( t)，所述新增治愈病例数表示为时间序列 R( t)；

预处理疫情统计数据步骤，用于根据获取的阶段时间内疫情统计数据进行计算，并获得用于预测疫情拐点的参数；

预测疫情拐点步骤，用于定义疫情拐点，并根据所述预处理疫情统计数据步骤得到的参数预测疫情拐点时间及最大现存确诊病例数量，其中，所述疫情拐点时间表示为 t_p。

进一步地，所述追踪预测方法还包括：

预测疫情结束步骤，用于根据疫情统计数据定义疫情结束时间模型，并根据所述疫情结束时间模型计算预测疫情结束时间。

进一步地，所述疫情拐点定义为现存确诊病例数量EIC的峰值，所述现存确诊病例数量为累计确诊病例数与累计治愈病例数的差值，记为公式(1)：

(1)