政府防控对国人新冠发病数影响的实证分析开题报告

 2023-02-08 09:34:33

1. 研究目的与意义

2019年12月,湖北省武汉市出现不明原因的病毒性肺炎,有关病毒随后被证实为是一种新型冠状病毒。中国国家卫生健康委员会将新型冠状病毒感染的肺炎统一称为“新型冠状病毒肺炎”。2020年1月20日,世界卫生组织首次将该冠状病毒命名为“2019新型冠状病毒”.2020年2月11日,世界卫生组织将新型冠 状病毒感染的肺炎命名为“COVID-19”。与此同时,国际病毒分类委员会声明,将新型冠状病毒命名为“SARS-COV-2”。该疫情由武汉发展到湖北省继而蔓延至全国。该疫情的爆发时期又恰逢春运,庞大的人员流动为疫情的进一步传播 提供了条件,同时也对中国公众健康和国家经济产生了重大的影响。武汉在三月中旬便不再新增病例,至此全国各地陆续新增病例,但由于国家管控力度强劲,国内大规模爆发以不再可能。与此同时,国外的疫情形势严峻。

2. 研究内容和预期目标

武汉新冠感染人数自2019年12月份开始攀升,于2020年2月中旬到达拐点,然后缓慢上升,最终于3月中旬感染人数不再增长。首先通过收集相关数据资料,建立时间序列模型、干预模型,将武汉的发病人数在有政府干预下和无政府干预下的两种情况进行对照,以研究不同政府干预力度对疫情规模和持续时间的影响。接着在全国挑选几个重点城市和重点省份,采用相似的方法比较各地的政府干预程度,在全世界挑选几个有代表性的国家,比较各国的政府的防控措施对疫情的影响。

3. 国内外研究现状

自疫情爆发开始,就有很多国内学者对疫情的发展趋势进行了预测,研究疫情何时结束。传染病模型有许多种,常见的传染病模型按照类型分为Si,sir,sirs,ser,按照传播机理可以分为基于常微分方程,偏微分方程,网络动力学的不同类型。SEIR模型将人群分为易感者、暴露者、感染者、康复者。新冠肺炎是一种传染病,相较于其他传染病模型而言,“暴露者”这一项符合新冠的传染特征,因此大多数学者都采用SEIR模型来研究新冠。在二月中旬时有很多学者利用SEIR模型对其接下来的传播进行预测。例如钟南山院士团队在Journal of Thoracici Disease《胸部疾病杂志》发表了“基于SEIR优化模型和AI对公共卫生干预下的中国COVID-19发展趋势预测”。还有许多医生学者比如蔡洁,贾浩源,王珂医生的基于SEIR 模型对武汉市新型冠状病毒肺炎疫情发展趋势预测。

4. 计划与进度安排

先从武汉入手,武汉封城持续了53天,考虑到疫情持续的时间大致为两个月,可以利用第一个月的真实数据拟合出一条时间序列模型,这一部分可以采用Arma是时间序列模型。然后将结果与第一个月的真实值进行对照,观察模型是否显著,再利用预测模型预测出接下时间段感染人数的曲线,与真实数据进行对比,并分析原因。接着再利用相关的传染病模型如SEIR模型拟合一条不受政府干预的曲线与实际曲线进行对比,也就是一个具备新冠肺炎传播性质的传染病模型,将其与受政府干预的真实曲线进行对比。由于SEIR模型可以设置影响因素,因此可以将政府干预的因素加进去,研究不同政府干预强度下关于患病人数变化的曲线图。在研究患病人数时可以将其分确诊病例和疑似病例进行拟合两条曲线进行对照。接着再用相似的方法研究国内的其他疫情高风险地区,比如河南省、山东省、广东省等,比较不同时期不同地区的防控力度。最后可以利用国外如日本美国等的疫情数据进行分析,比较国内外的疫情防控力度。

5. 参考文献

  1. 赵序茅,李欣海,聂常虹. 基于大数据回溯新冠肺炎的扩散趋势及中国对疫情的控制研究[J]. 中国科学院院刊,2020,35(03):248-255.
  2. 蔡洁,贾浩源,王珂. 基于SEIR模型对武汉市新型冠状病毒肺炎疫情发展趋势预测[J]. 山东医药,2020,60(06):1-4.
  3. 李昊,段德光,陶学强,陈恩,高树田. 传染病动力学模型及其在新型冠状病毒肺炎疫情仿真预测中的应用综述[J]. 医疗卫生装备,2020,41(03):7-12.
  4. 张佳. SIR模型及其在SARS疫情中的应用[D].山东大学,2019.
  5. 张本红. SIR传染病模型参数估计及其应用[D].山东大学,2018.
  6. 邵俊杰,禹世雄,高婧婧,袁鸣,吕中,江南. 基于SEIR模型的中国山东省与韩国COVID-19疫情早期传播特征比较分析[J/OL]. 华中师范大学学报(自然科学版):1-8[2020-12-05].http://kns.cnki.net/kcms/detail/42.1178.N.20200914.1809.002.html.
  7. 丁莹,张健钦,杨木,宫鹏,贾礼朋,邓少存. 新冠疫情城市仿真模型及防控措施评价-以武汉市为例[J/OL]. 清华大学学报(自然科学版):1-10[2020-12-05].https://doi.org/10.16511/j.cnki.qhdxxb.2020.25.043.
  8. 樊非. 新型冠状病毒疫情的建模与分析[D].华中师范大学,2020.
  9. 林德双,金秀玲,刘文鑫,黄正鹏,黄怡宣. 新冠肺炎疫情预测分析[J]. 黑龙江工业学院学报(综合版),2020,20(09):114-119.
  10. 黄娜. 几类传染病动力学模型的研究[D].广西师范大学,2012.
  11. 李承倬,武文韬,潘振宇,邓玉皎,李筱,代志军,吕军. 基于SIR模型和基本再生数的浙江省新型冠状病毒肺炎防控效果分析[J]. 浙江医学,2020,42(04):311-314.
  12. 李昊,段德光,陶学强,陈恩,高树田. 传染病动力学模型及其在新型冠状病毒肺炎疫情仿真预测中的应用综述[J]. 医疗卫生装备,2020,41(03):7-12.
  13. 谈俊,胡华. 欧洲新冠疫情形势研判及中欧合作应对疫情的建议[J]. 中国发展观察,2020(Z3):21-22 62.
  14. 张佳. SIR模型及其在SARS疫情中的应用[D].山东大学,2019.
  15. 张本红. SIR传染病模型参数估计及其应用[D].山东大学,2018.
  16. 林德双,金秀玲,刘文鑫,黄正鹏,黄怡宣. 新冠肺炎疫情预测分析[J]. 黑龙江工业学院学报(综合版),2020,20(09):114-119.
  17. 栾培贤,肖建华,陈欣,徐强,王洪斌. 基于灰色模型和ARMA模型的猪瘟月新发生次数预测比较[J]. 农业工程学报,2011,27(12):223-226.
  18. 易燕飞. 基于时间序列模型的传染病流行趋势及预测研究[D].长春工业大学,2016.
  19. 时照华. 探索ARIMA模型在呼吸道传染病疫情预测中的应用[D].安徽医科大学,2013.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。