简单的修改经典的SIR模型,用流感和COVID-19的案例研究来估计报告不足的感染比例

科学领域:

• 流行病学 流行病学
• 数学建模的数学建模
• 公共卫生监督 公共卫生监督

背景情况:

• 报告不足是公共卫生的一个重大挑战,导致疾病发病率的不确定性.
• 目前用于纠正报告不足偏差的流行病学方法往往模糊不清,缺乏明确的指导.

研究的目的:

• 为估计报告的感染病例的比例,开发一个修改后的易受感染-被移除 (SIR) 模型.
• 解决因流行病学数据报告不足而引发的不确定性和偏见.

主要方法:

• 对经典的SIR模型进行了重新缩放的修改,创建了一个数学上相当的版本.
• 修改后的SIR模型明确包含了一个报告参数,该参数代表了报告病例的真实比例.
• 用相平面分析来证明重新缩放的合理性,报告参数与其他模型参数一起估计.

主要成果:

• 修改后的SIR模型使用模拟数据与已知的疾病病例进行了交叉验证.
• 应用到蒙大拿州密苏拉县的流感和COVID-19数据,估计了报告病例的比例.
• 该模型表明,当报告量高时,原来的SIR模型是合适的,而当报告量低时,重新缩放的模型是必要的.

结论:

• 报告不足显著影响疾病建模和公共卫生决策.
• 修改后的SIR模型提供了一种简单而有效的方法来解释报告不足的偏见.
• 准确估计疾病病例可以改善预测,并告知关键的公共卫生指标,如基本生殖数.