武汉政府及其所有人民抵抗新冠状病毒的作用到底有多大？看下数据就知道了。

       2019-ncov来势汹汹，虽然致死率不及此前令人闻风丧胆的非典病毒，但是其长达两个周的潜伏期及超强的传染性让整个武汉大面积的感染爆发，如果没有任何防御措施下，那今天的武汉会有多少人感染和死亡呢？

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------

摘要：

       自12月末武汉发现首例2019-ncov病例后，已迅速蔓延到其他省份和邻国。针对防御力的概念，本文认为整个武汉中所有市民以及政府和医院所做的一切医疗措施及自我防护手段都是防御力中的一部分，因此为了评估其防御力大小我们通过改进传统的SIR传染病模型，建立了无任何防御措施的自然环境下带有人口流动的SID流动传染病预测模型，分别搜集到武汉市春运流动人口数据及武汉市受感染病例数据，代入模型后对武汉市没有任何防御措施下病毒自然蔓延至2.7号整个武汉市的感染人数及死亡人数进行预测。最后对其中关键参数死亡比例系数进行灵敏度分析，发现感染人数对该系数非常敏感，将系数略微调高即可导致感染人数大幅度下滑，而死亡人数对其敏感性较低。

关键字：2019-ncov；SID流动传染病预测模型

一、问题的背景

        新型冠状病毒，也称2019-nCoV，是一种可导致呼吸系统疾病的病毒。此病毒可引起炎症及肺部气道内粘液和体液积聚（肺炎）。冠状病毒有多种类型，大多数类型仅感染动物，但有时会发生变异并感染人类。自12月末武汉发现首例新型冠状病毒病例后，已迅速蔓延到其他省份和邻国。[1] 考虑到病毒的传染性较强，1月23日，中国对武汉实行“封城”，暂停所有公共交通。当局指令赶建一家专门收治相关病人的大规模医院。随后“封城”数量增至13个，涉及至少3600万民众。

        随着确诊人数的增长，武汉开始建造火神山、雷神山医院。2月3日，据称有1000个床位的火神山医院在武汉交付。然而医疗物资短缺仍是一大问题，截至2月7日武汉仍有许多医院在公开募集医疗物资。截至2月5日，中国新冠病毒的死亡病例达到490，确诊24324人。世卫组织呼吁全球各国第一时间分享所有跟新冠病毒疫情相关的信息。抗击新型冠状病毒成为中国乃至世界的一大沉重任务。

二、模型假设

1. 由于疫情发生时间较短，不考虑人们的自然出生于死亡的情况；
2. 人群具有同质性，易感者的有效接触率相等；
3. 假设人凭借自身抵抗力无法自行痊愈；
4. 假设整个传染期内病毒毒性相同；

三、问题分析

       一个城市对病毒的防御能力体现在很多方面，例如口罩、防护服等医疗物资、医生人数、各医院设施水平以及人们自身的隔离水平等等。然而这些数据难以确定其对城市防御水平的重要性。因此我们决定从另一个方向入手，假设政府、医疗机构以及公民针对该病毒所做的一切工作都是为城市的防御手段。通过建立传染病模型计算在自然条件且毫无任何措施下的感染人数，对比目前现实中的感染人数来评估该武汉对2019-nCoV的防御水平。

四、SID流动传染病模型的建立

4.1模型准备

4.1.1对防御力的解释

       由于一个城市对抗击病毒所做出的工作涉及到的方面难以计数，具体数据难以知悉，同时不同的措施对此次防御贡献了力量的大小难以定量分析。因此我们认为从疫情开始起，此后该城市所做的一切相关工作都与该城市的防御力相关。通过计算在自然条件且毫无任何措施下的感染人数，对比目前现实中的感染人数来评估该城市的防御水平。

4.1.2数据收集

4.1.2.1 病毒潜伏与重病时间

      通过查阅中国政府网的医政医管局的相关资料[2]可知2019-nCoV的潜伏期1-14天，一般为3-7天，为了便于计算，使用其平均值7天，且潜伏期内也可以传染其他人。

      由于目前官方给出的病例都为经过医院治疗后的病例，且医院救治属于防御行为，因此我们寻找了一些民间因床位紧张无法得到治疗病人的信息，经分析得出在无医院救治的情况下，一个病人在发热且肺部感染后通常经过约10日演变为病重。

4.1.2.2 武汉每日感染情况数据

      通过查阅武汉政府发布的资料，在12月30日共出现36例，1月3日共出现59例，然而考虑到当时对于该病毒的检测手段尚未成熟，且很多人们视其为普通发烧而不去医院就诊，因此我们认为这些为噪点数据。为了模型的准确性，考虑到大约7天的潜伏期，因此我们认为在12月20日左右约有50人已被感染新型冠状病毒。最终的武汉市感染情况数据如下表所示：

日期	感染人数	新增人数	死亡人数	日期	感染人数	新增人数	死亡人数
12月8号	1	1	0	1月23号	495	70	10
12月30号	36	35	0	1月24号	572	77	15
1月3号	59	23	0	1月25号	618	46	7
1月5号	59	0	0	1月26号	698	80	63
1月11号	59	0	0	1月27号	1590	892	22
1月12号	59	0	0	1月28号	1905	315	19
1月13号	59	0	0	1月29号	2261	356	129
1月14号	59	0	0	1月30号	2639	378	159
1月15号	59	0	1	1月31号	3215	576	192
1月16号	63	4	1	2月1号	4109	894	224
1月17号	80	17	1	2月2号	5142	1033	265
1月18号	139	59	1	2月3号	6384	1242	313
1月19号	198	77	1	2月4号	8351	1967	362
1月20号	258	60	2	2月5号	10117	1766	414
1月21号	363	1055	6	2月6号	11618	1501	483
1月22号	425	62	8	2月7号	13603	1985	699

4.1.2.3 武汉每日迁移人数数据

我们通过百度迁徙得到武汉市每日人口变动数据，具体数据见附录。根据数据作出人口迁移曲线图如下：

 

4.2 SID模型的建立

4.2.1 SID模型介绍

查阅相关资料可知，传染病模型中最典型的为没有潜伏期的SIR模型和有潜伏期的SEIR两种，虽然此次冠状病毒具有很长的潜伏期，但是其在潜伏期内被证实仍然具有传染性，而SEIR模型中处于潜伏期的E类人群是不具备传染性的，因此本文采用SIR模型作为模型基础进行相关研究。由于之前本文对防御力做过解释，且由于假设3即人无法自己痊愈，我们将SIR模型中的R类（痊愈类）人群换作D类（死亡类）人群，由此该模型中共分为三类人群：易感人群（S）、受感染人群（I）和死亡人群（D）。其模型如下图所示：

      

4.2.2 参数设置

4.2.2.1 基本再生数R0

R0表示在发病初期，当所有人均为易感者时，一个传染个体在整个传染期内导致其他人感染的期望数。而此次病毒的基本再生数经专家计算后为3.6[2]，因此本文将R0=3.6进行研究。

4.2.2.2 传染期T

在传染期内，患者可以将病毒传播给其它人。由于该病毒在潜伏期时仍然具有传染性，因此一个患者得病后的传染期时长为其被感染直到死亡的时长，经查阅相关资料，此次冠状病毒的潜伏期时长为1-14天，而发病后10天左右若未得到有效治疗将会进入重症病危，而由于假设4病危患者不会继续和别人接触，因此当患者进入病危后不再具有传染性，因此传染期时长取潜伏期的平均时长7天加上患者从患病至病危的时长10天即T=17天。

4.2.2.3 接触传染系数

当易感人群和被感染人群接触后，有一定概率会被传染，这个概率称为接触传染概率，其含义解释为一个病人能传染的易感者数目与此环境内易感者总数的比例系数。经查阅相关文献[3]可知，其计算公式为： 

 

其中含义为第时刻生存人数，其计算公式如下：

 

又由于假设4即病毒毒性不会发生改变，因此在第时刻单位时间内，所有受感染人可以传染的易感者人数为：

 

其中，为第时刻受感染人群的数量。

4.2.2.4 患者死亡比例系数

单位时间内受感染人群中进入重症病危状态的人数所占的比例称为重症患者比例系数，即单位时间内，和分别满足如下关系式：

   

其中，为死亡人群数量，本文中取值为0.1。

4.2.3 SID流动传染病模型

经过表格1可知武汉市人口在1.1-2.7日人口随着春运的流动情况，由于人口流动过程中携带病毒的感染者数量无法获知，不妨直接按照受感染者人数所占总人数的比例进行流动人口中感染者人数的计算，且假设病危人口不会进行迁徙，由于封城之前武汉之外的人口感染人数极少，因此假设流入武汉的人口都不携带病毒，即关系式如下： 

      
其中，和分别为第时刻流入和流出武汉的人口数量。

则上式微分方程经过加入人口的流动后的修改结果如下：

 

经过上述计算，最终SID流动传染病模型如下：

   

4.3 模型的求解

将模型与数据带入Matlab计算后，求解结果如下：

  

由图可知，在疫情开始50天内，感染人数上升速率很慢，而后直至疫情开始后97天快速上升并且达到峰值，而后快速下降。易感人数在100多天后快速下降，最终几乎为0。死亡人数在前50天内也几乎不变，在后期逐渐上升。可以看出如果没有任何防御措施下，在疫情开始97天后即3月27日，武汉整个市感染人数将达到峰值。

分别将感染人数与死亡人数与实际情况作对比，得出对比曲线图如下：

 

 

由上面两幅图可知，在疫情发生后约15天内，无措施情况下感染人数与死亡人数与实际情况下的差距较小。而后两者差距快速增大，可以看出在该病毒引起武汉政府重视后，政府所做的防御工作对疫情的控制起到了很好的效果。

同时截至2月7日在无措施情况下的感染人数与死亡人数与目前实际的情况对比如下表：

表5.1 截至2月7日在无措施情况下的感染与死亡人数与实际情况对比表

	无措施情况下	实际
感染人数	63483	13603
死亡人数	39235	699

由表可知，在采取措施后，感染人数减少了4.988万人，死亡人数减少了3.8536万人，分别占无措施情况下的78.57%与98.22%，可以看出本次武汉政府拯救了无数人民的生命，很大程度上控制了疫情的传播，也挽救了无数患者的生命。

综上，我们认为武汉政府对2019-nCov的防御能力较强。

4.4 针对系数γ的灵敏度分析

由于死亡比例系数无法通过标准的计算方法获知，只能根据实际数据给定一个参考值，因此针对该系数进行灵敏度分析。采用Matlab对其从0.005-0.03以0.005为步长进行变化，查看结果的变化，作图如下：

 

通过不断调高死亡比例系数的值，可以看到在2月7号感染的人数会下降迅速，但是死亡人数却变化不大。可见一个疾病的致死率变化虽然微小，但是造成的影响却是非常大的。

总结：

通过评估武汉对此次病毒的防御能力，我们发现武汉通过目前的一系列防御手段使得感染人数减少了4.988万人，死亡人数减少了3.8536万人，分别占无措施情况下的78.57%与98.22%，可以看出本次武汉政府拯救了无数人民的生命，很大程度上控制了疫情的传播，也挽救了无数患者的生命。

然后，我们针对一些大型城市的防御能力进行了评估，发现防御能力较好的四个大型城市分别为成都、武汉、郑州以及杭州。杭州1月23日发布一级响应，成都、武汉于1月24日发布一级响应，郑州于1月25日发布一级响应。可以看出这些城市的一级响应均发布较早。

最后，这一切的起源是因为人们贪吃野味，保护野生动物，严厉打击野味市场是预防这一切的关键！珍爱生命，远离野味！

参考文献

[1] Tang B, Wang X, Li Q, et al. Estimation of the Transmission Risk of 2019-nCov and Its Implication for Public Health Interventions[J]. Available at SSRN 3525558, 2020.

[2] Zhao S, Lin Q, Ran J, et al. Preliminary estimation of the basic reproduction number of novel coronavirus (2019-nCoV) in China, from 2019 to 2020: A data-driven analysis in the early phase of the outbreak[J]. International Journal of Infectious Diseases, 2020.

[3] ZHENG Qing-ming, WANG Tie-qiang. Application of a discrete time delay SEIR model in evaluation of varicella control measures. Disease Surveillance, 2017, 32(10/11): 883-889.

[4] http://www.nhc.gov.cn/yzygj/s7652m/202002/e84bd30142ab4d8982326326e4db22ea.shtml新型冠状病毒感染的肺炎诊疗方案（试行第五版）解读

[5] Abdul A. Kamara,Xiangjun Wang,Lagès Nadège Mouanguissa. Analytical solution for post-death transmission model of Ebola epidemics[J]. Applied Mathematics and Computation,2020,367.

[6] 李海燕,韦煜明,彭华勤.具有双疾病的随机SIRS传染病模型的灭绝性与持久性分析[J/OL].广西师范大学学报(自然科学版),2020(02):144-155[2020-02-10].http://kns.cnki.net/kcms/detail/45.1067.N.20200119.1527.017.html.

[7] Heting Zhang,Zhanwen Yang,Kasia A Pawelek,Shengqiang Liu. Optimal control strategies for a two-group epidemic model with vaccination-resource constraints[J]. Applied Mathematics and Computation,2020,371.

欢迎探讨！

转载请注明出处，尊重原创！！