XiaoMi-AI文件搜索系统
World File Search SystemSEIR
基于 SEIR 和 AI 模型的 COVID-19 疫情趋势预测
1.Braciale, T., Sun, J.& Kim, T. 调节对呼吸道病毒感染的适应性免疫反应。Nat Rev Immunol 12, 295–305 (2012)。https://doi.org/10.1038/nri3166 2.ROBIN A W; ANTHONY J M. 传染病出现的社会和环境风险因素[J]。Nat Med, 2004,10(12): S70-S76。DOI:10.1038/nm1150。3.Falzarano, D., de Wit, E., Martellaro, C. 等。干扰素-α2b和利巴韦林联合抑制新型β冠状病毒复制。Sci Rep 3, 1686 (2013)。https://doi.org/10.1038/srep01686 4.熊成龙,蒋璐芳,吴。β冠状病毒（β-CoVs）引起的人类疾病的流行与控制[J]。上海预防医学杂志，2020，32（1）。DOI: 10.19428/j.cnki.sjpm.2020.20001。(中文) 5.周平，杨鑫，王鑫等。一种可能源自蝙蝠的新型冠状病毒引起的肺炎爆发。Nature 579, 270–273 (2020)。https://doi.org/10.1038/s41586-020-2012-7 6.欧鑫，刘燕，雷鑫等。SARS-CoV-2 刺突糖蛋白在病毒进入时的表征及其与 SARS-CoV 的免疫交叉反应。Nat Commun 11, 1620 (2020)。https://doi.org/10.1038/s41467-020-15562-9
比较遗传算法（GA）和粒子群优化（PSO），用于估计易感暴露感染的（SEIR）模型PAR
背景：用于分析疾病扩散的最常用的数学模型是易感暴露感染的回收（SEIR）模型。此外，SEIR模型的动力学取决于几个因素，例如参数值。目标：本研究旨在比较两种优化方法，即遗传算法（GA）和粒子群优化（PSO），以估算SEIR模型参数值，例如感染，过渡，恢复和死亡率。方法：将GA和PSO算法与SEIR模型的估计参数值进行了比较。适应性值是根据累积阳性covid-19病例的实际数据与从seir covid-19模型解决方案的案例数据之间的误差计算得出的。此外，使用四阶Runge-kutta算法（RK-4）计算了CoVID-19模型的数值解，而实际数据是从印度尼西亚雅加达省正Covid-19 Case的累积数据集获得的。然后使用两个数据集比较每个算法的成功，即数据集1，代表COVID-19的扩展的初始间隔和数据集2，该间隔代表一个间隔，其中COVID-19 Case Case较高增加。结果：估计四个参数，即由于疾病引起的感染率，过渡率，恢复率和死亡率。在数据集1中，当值= 0.5时，GA方法的最小误差（即8.9％）发生，而PSO的数值误差为7.5％。在数据集2中，GA方法的最小误差，即31.21％，当时发生在= 0.5时，而PSO的数值误差为3.46％。结论：基于数据集1和2的参数估计结果，PSO比GA具有更好的拟合结果。这表明PSO对所提供的数据集更健壮，并且可以更好地适应Covid-19-19的流行病的趋势。关键字：遗传算法，粒子群优化，SEIR模型，COVID-19，参数估计。文章历史记录：2024年2月12日，2024年5月17日第一个决定，2024年6月20日接受，在线获得2024年6月28日
奥地利 COVID-19 疫苗接种的公共卫生和预算影响分析 (BIA)
方法 使用在线 SEIR 模型（COVID-19 情景分析工具。伦敦帝国理工学院 MRC 全球传染病分析中心。www.covidsim.org，v4 于 2021 年 6 月 18 日访问）预测 COVID-19 病例、住院时间（医院、ICU）和死亡人数。该模型基于之前针对 SARS-CoV-2 传播的年龄结构确定性 SEIR 型隔室模型（Walker 等人，2020 年），该模型经过调整以考虑疫苗接种的影响（Hogan 等人，2021 年）。BIA 使用 SEIR 模型的结果来估计“接种疫苗的世界”与“未接种疫苗的世界”相比的住院、康复、缺勤和人力资本损失的数量和成本。BIM 的时间范围为三年（2021-2023 年），以奥地利人口为基础。 BIA 显示了三个不同年龄段（18-49 岁、50- 65 岁、≥65 岁）成年患者的资源利用率和成本。
疫苗剂量拉伸可以减少199例死亡吗？
摘要：我们认为，替代性covid-19疫苗剂量方案可能会大大加速全球共证体-19疫苗接种并降低死亡率，并且测试这些方案的成本与其潜在的受益人相矮。我们首先使用中和抗体反应和对疾病的效率之间的高相关性（Khoury等al。2021）表明，某些疫苗的一半甚至四分之一剂量会产生与高真空效应相关的免疫反应。然后，我们使用SEIR模型来估计，在这些效率水平下，使用替代剂量将疫苗接种率加倍或四倍，将大大降低感染和死亡率。由于免疫反应与有效性之间的相关性可能无法完全预测效率，因此我们使用SEIR模型表明，替代剂量将大大降低多种合理效率水平的感染和死亡率。对一系列疫苗和剂量组合的进一步的免疫原性研究可能会在数周内解散，并且可以与数百名健康的志愿者一起进行。国家监管机构还可以决定基于现有的免疫反应数据在疫苗运动中测试替代剂量的效率，就像有些人对延迟的第二剂剂量所做的那样。如果效率很高，则可以广泛地实施该方法，而事实证明该方法很低，下行风险可能会通过对接受过剂量剂量的人进行全剂量限制。SEIR模型还表明，延迟第二次疫苗剂量可能对多种（但不是全部）疫苗变化的组合具有实质性的死亡率，从而强调了正在进行的监视的重要性。最后，我们发现，对于在经过证明但立即使用效率疫苗和等待mRNA疫苗之间选择的国家，使用立即可用的疫苗通常会降低死亡率。
可以疫苗剂量拉伸减少199例死亡...
我们认为，替代的COVID-19疫苗给药方案可能会大大加速全球COVID-19-19疫苗接种并降低死亡率，并且测试这些方案的成本因其潜在收益而矮。我们首先使用中和抗体反应与对疾病有效性之间的高相关性（Khoury等al。2021）表明，某些疫苗的一半甚至四分之一剂量会产生与高疫苗功效相关的免疫反应。然后，我们使用SEIR模型来估计，在这些功效水平下，使用分数剂量将疫苗接种率翻了一番或四倍将大大降低感染和死亡率。由于免疫反应与疗效之间的相关性可能无法完全预测分数剂量的功效，因此我们使用SEIR模型表明分数剂量将大大降低在广泛的合理疗效水平上的感染和死亡率。针对一系列疫苗和剂量组合的进一步的免疫原性研究可能会在数周内提供结果，并且可以与数百位健康的志愿者一起进行。国家监管机构还可以决定基于现有的免疫反应数据在疫苗接种运动中测试分数剂量的功效，就像有些延迟的第二剂量一样。如果效力证明很高，则可以广泛地实施该方法，而事实证明该方法很低，则可以通过对接受分数剂量的人进行全剂量来限制下行风险。SEIR模型还表明，延迟第二次疫苗剂量可能会对多个（但不是全部）疫苗变化的组合具有可观的死亡率，从而强调了正在进行的监视的重要性。最后，我们发现，对于在批准但较低的疗效疫苗之间进行选择的国家，立即使用的效力疫苗和等待mRNA疫苗，使用立即可用的疫苗通常会降低死亡率。
一种用于流行病动力学建模的有效自适应时间步进方法
摘要。在本研究中，我们提出了一种新颖而有效的自适应时间步进方法来模拟流行病动态。数学流行病模型的例子包括易感-感染-恢复 (SIR) 模型、易感-暴露-感染-恢复 (SEIR) 模型、易感-感染-易感 (SIS) 模型、易感-感染-恢复-易感 (SIRS) 模型和易感-感染-隔离-恢复 (SIQR) 模型。更复杂的模型包括母体免疫易感-感染-恢复 (MSIR) 模型、年龄结构 SEIR 模型和随机流行病模型。这些模型旨在捕捉特定的疾病特征，例如潜伏期、免疫持续时间和干预影响，是研究不同人群中传染病动态的重要工具。所提出的自适应时间步进方法基于单个时间步后隔室人口差异总和的总量。与其他自适应方法不同，所提出的算法不需要重新计算以满足给定的公差，并且只需一次更新即可达到所需的精度。因此，自适应时间步进方法既简单又有效。进行了几次数值测试，以证明所提出方法的卓越性能。
1. 检测、人口规模和疫苗覆盖率组合的阈值分析
图 1. 扩展的 SEIR 隔室模型概述。163 (A) 隔室模型流程图。(B) SARS-COV-2 病毒在感染患者中的自然疾病进展 164。165 S = 易感，L = 暴露且不具传染性（潜伏期）（无症状），E = 166 无症状且具有传染性，I = 有症状且具有传染性，= 暴露且不具传染性 167（潜伏期）且隔离（确诊），= 无症状且具有传染性且隔离 168（确诊），= 传染性和隔离（确诊），H = 住院，R = 康复，169 D = 死亡。170 171
企划交通委员会
• 目标 2：零售业复苏；该目标将在 2023-24 计划期内实现；研究会议和临时会议正在努力于 5 月 8 日将报告提交给 PTC，并于 6 月 10 日向理事会进行演示；该目标被重新用于“零售条例更新”• 目标 3：协调区域计划被重新用于“区域计划”并且是一个持续目标• 目标 4：NVCAP ；该目标已通过 PTC 对计划的审查、5 月 8 日认证的 SEIR 和分区代码修正案以及定于 6 月 10 日的理事会审查和通过而实现。• 目标 5：住房要素；该目标已实现。高等教育修订（4/15 理事会通过）和 PTC 审查并通过的高等教育条例：安全停车、实施高等教育计划 1.1A、1.1B（重新划分 GM/ROLM）、1.3（高等教育场地上的合法住房）、密度奖励法、HIP（6/12 PTC）。2024-25 年的目标 4 旨在实施更多高等教育计划。
Áine Byrne 标题：消除与缓解：控制 COVID-19 的最佳策略是什么？摘要：我们制定了一个最佳控制方案
Áine Byrne 标题：消除与缓解：控制 COVID-19 的最佳策略是什么？ 摘要：我们制定了一个控制爱尔兰 COVID-19 疫情的最佳控制问题。使用标准的多室 SEIR 模型，我们将该模型拟合到爱尔兰疫情的第一波（2020 年 3 月至 5 月）。然后，我们调查反事实情景，目的是找到控制疫情的最佳策略。我们专注于与减少社交接触相对应的非药物控制。我们还施加了国家限制，以确保 ICU 容量不超过上限。控制措施需要经济成本，我们力求在满足国家限制的同时尽量降低这一成本。我们的结果主张消除而不是缓解，即严格的封锁以根除病毒比减少病毒传播的长期限制更具成本效益。
优先级和疫苗接种速度之间的权衡取决于缓解措施
呼吁消除SARS-COV-2疫苗的优先次序，这是由于优先级降低疫苗接种速度的担忧。我们使用SEIR模型来研究疫苗接种分布对公共卫生的影响，比较在缓解措施下进行的临时政策和速度，这些措施可以缓解疫苗推出或在大流行时期结束时持续下去。NASEM建议的优先级会导致死亡少于没有优先级，但不会最大程度地减少总死亡。如果减轻措施，则放弃NASEM将导致大约134,000人死亡，每月3000万个现场。在没有优先级的情况下，疫苗接种速度必须至少提高53％，以避免增加死亡。随着持续的缓解，丢弃NASEM优先级将导致42,000人死亡，仅需要速度增加26％才能使死亡持续不断。因此，放弃NASEM的临时化以提高疫苗接种速度而无需大大增加死亡，可能需要减轻持续的缓解措施。