新型冠状病毒模型低估了疫情高峰，高估了疫情持续时间

据东安格利亚大学(UEA)的一名学者称，许多用于预测COVID-19疫情的模型对疫情高峰和持续时间的预测都很差。

将一种新方法与已发表的方法进行比较模型在隔离和社交距离措施实施前，武汉的新冠肺炎病例标准模型将感染率峰值低估了三倍，即可能高出三倍，并大大高估了疫情在峰值之后的持续时间。

数学模型广泛用于理解和预测流行病的动态，并评估不同疾病管理措施的可能有效性，如被感染的个体隔离。

一些研究通过个体跟踪疾病的进展，但大多数对COVID-19疫情进行建模的出版物使用的是所谓的“隔间”或“SEIR”模型。该系统追踪易感染、暴露但尚未表现出症状(有时称为潜伏期)、被感染(表现出症状)或正在康复的个体数量。

然而，这些模型将所有个人组织在一起，忽略了它们被感染以来的实际时间。然后，他们从传播率的信息和个人在展示症状之前进行的平均时间来预测流行病的未来过程，然后恢复。

在他的论文中，UEA的环境科学学院阿拉斯泰尔·普拉斯坦州教授据称，虽然SIR和其他隔间模型可以预测疾病传输速度需要减少多远以阻止流行病，但他们做出了预测路径的糟糕工作一个正在增长的流行病。他说，这次问题在15年前的研究文献中被发现，但是它的可用解决方案比SEIR模型更难以使用。

试图解决此前向矩阵人口建模引入了关键方法工具的授权书，呈现了一种新的方法，可以跟踪自体感染以来的时间，同时保留在几行代码中可以描述的模型的简单性。

由于本研究的快速反应性质，尚未对同行评审。

格兰特教授说:“标准的疾病室模型，如SEIR，正在被广泛用于模拟COVID - 19疫情的动态。”“但是，它们不能准确地捕捉个人在每个隔间中花费的时间分布，因此不能准确地捕捉流行病的瞬态动力学。

“本文展示了矩阵模型如何提供直接的路线，以准确模型阶段持续时间，因此正确地再现流行性动力学。我们的明确时间模型表明感染的峰值可能比简单SEIR模型中的峰值更早或更晚。

“我相信，这里概述的方法提供了一个有价值的解决方案，将时间维度纳入每个隔间。这种模型可以很容易地加以应用，我们希望它能对COVID - 19建模界有所帮助。”

格兰特教授警告说，这些发现对国家管理COVID - 19流行病的政策的影响尚不清楚。

“如果SEIR模型使用独立于数据估计的参数值，他们将低估将受到在流行病的峰值的人口的比例，”Grant表示。“但是，如果逆建模使用SEIR模型来估计来自疾病时间序列的参数，它们可能会给估计太悲观。

“国家政策以一系列疾病模型为指导，其中包括更有效地处理个人内已知感染时间过程的模型，但这种模型工作的细节并不总是公开的。

“然而，隔间模型在已发表的科学文献中占据主导地位，可能会导致研究界的观点与为国家制定有关COVID - 19管理的决策提供信息的模型之间出现间断。”

“政府必须提供提供策略决策基础的模型的提供细节，以便科学界可以批判性地评估这些并有助于提高所做的预测质量。

“Covid-19流行病的动态：SEIR模型低估了峰值感染率和高估流行性“持续时间”将于2020年4月6日在预印服务器MedRvix上发布。

---

---