近日，我校生物数学团队在唐三一教授带领下，联合西安交通大学生物数学团队和加拿大York大学吴建宏教授团队，通过融合多源数据，分三个阶段对COVID-19病毒肺炎疫情预测预警建模和防控机制有效性进行了系统分析。

第一阶段，利用2020年1月23号前的全国累积报告病例数，基于COVID-19的传播机理和密切跟踪隔离策略，建立了传播动力学模型。通过建立比较符合实际的数学模型并结合少量的报道数据，提前2个周以上给出了早期COVID-19病毒传播力非常强的预警，并对未来一周的疫情给出的准确预测。该研究成果“Estimation of the Transmission Risk of the 2019‐nCoV and Its Implication for Public Health Interventions”已经在杂志《Journal of Clinical Medicine》上在线发表。

第二阶段，自2020年1月23日起武汉开始实施封城策略，各地也相继采取了出行限制策略。团队成员依据中国特色的突发疫情防控策略，提出刻画围堵和缓疫策略的非自治函数，建立非自治的COVID-19病毒疫情传播、预测预警以及防控机制评估系统，融合多源数据实现非自治系统的模型辨识，估计了该系统的“有效再生数”。在国家严格的疫情防控措施下，计算结果显示“有效再生数”随着防控措施的加强逐渐减小，即新发感染数开始逐渐下降。该研究部分成果在《Infectious Disease Modeling》接收发表。上述风险分析部分结果已报相关决策机构。

图1：近一段时间全国每日新增病例数

第三阶段，根据当前全国超强的防控策略，团队及时更新，创新性地提出了适合当前特点的COVID-19传播疫情防控模型，如下图所示：

图2：具有密切跟踪隔离和疑似病例仓室的2019-nCov的传播动力学模型示意图

图3：累积报告病例数、累积死亡病例数、累积跟踪隔离人数（不含疑似病例）、累积疑似病例数的数据拟合和预测。圆圈为实际数据，黑色实线为模型求解及预测。绿色曲线和粉色曲线分别代表不确定分析和数据随机性（1000次随机模型与估计）后得到的均值和95%的置信上限。

通过多源数据交叉验证和模型参数估计，分析了针对跟踪隔离和疑似人群检测率、检出比例等关键因子对我国疫情动态发展的影响，得到了这两个群体人群累积规模的稳定是我国COVID-19疫情峰值到来的前提。因此，关注重症病例提高治愈率，谨防复工复课等返程集聚性爆发的随机发生对疫情带来的冲击应该得到高度关注。我们坚信未来COVID-19疫情应该向着图3预测的黑色曲线甚至更好的方向发展。

作为长期从事突发性传染病预测预警的建模与防控机制的我校唐三一教授研究团队，发挥专业特长，通过合理、科学的假设建立符合中国特色的数学模型，在疫情传播、爆发期间对疫情传播风险进行了科学评估，对疫情的复杂演化和围堵缓疫策略的有效性、时效性以及影响疫情严重程度的关键防控因子的甄别进行了系统研究，为疾病预防控制部门提供重要的决策依据。

通过此次疫情的建模与防控机制研究，研究团队深刻地感受到：尽快建立了解中国国情的重大公共卫生事件数学预测团队和预测预警平台，以便对突发性传染病进行快速的预测预警，服务于国家公共卫生突发事件防控的重大需求已经迫在眉睫。