为什么SEIR-COVID-19型号将帮助我们以最快和最安全的方式重新开始工作2020年4月27日，日本帕蒂尔类别：数据、通用、技术和数据见解Grand Rounds正在帮助全国的创新者和政策领导人回答每个人心中的COVID-19数十亿美元的问题：我们什么时候才能在这个后新奇的冠状病毒世界回到"新常态"，开放经济？ 通过统计模型准确预测美国何时将达到COVID-19感染高峰，一直是政府和私营部门领导人的一大焦点。如果我们能够理解何时以及在多大程度上超过当地处理危机的能力，我们就可以制定战略，安全地平衡缓解和重新开放。然而，COVID-19并没有以同样的方式影响每个人和人群，这给数据模型带来了许多挑战。此外，政策每周都在变化。从一个模型得出的预测，只有在不同的有效性水平上衡量和模拟政策转变的能力一样好。没有一个模型是完美的，但是流行病学家相信，有一些模型会在地方一级有更准确的预测，可以用来提供有针对性的和细粒度的情景规划。对于一个拥有数十万员工的州长、市长或商业领袖，我们相信您需要尽可能多的投入，以了解疾病可能如何影响您的地理位置，以及更新工具，以便在高度不确定的情况下理解和规划到目前为止，一些模型已经出现在最前沿，但其中只有一个模型提供了局部水平的透镜，具有流行病学的严格性和灵活性，以跟上SEIR模型COVID-19。SEIR是易感（S）、暴露（E）、感染（I）和抗性（R）的缩写在大圆桌会议上，我们相信SEIR建模有着巨大的价值。通过我们最近与CovidActNow.org网站，Grand Rounds正在使其SEIR模型可供任何人使用。 什么是曲线拟合？曲线拟合模型，如卫生计量和评估研究所（IHME）所做的模型，着眼于疾病在其他地区的进展情况，如中国、意大利和西班牙，并试图从那里推断出一个预测。该模型试图通过拟合一个最佳拟合的生长曲线来近似疾病在美国的进展情况，该曲线基于疾病在其他地区的进展情况，而这些地区的COVID-19感染较远虽然这有助于为我们提供一个大致的预测，但该模型无法解释COVID-19在其他地区的传播方式、个体感染时间的差异、治疗模式的变化，以及最重要的是改变疾病传播轨迹的公共政策的变化。这是因为这种方法并没有对疾病动力学本身进行建模，正如IHME预测的巨大波动和无法解释这种可变性所反映的那样。我们的社区需要的不仅仅是粗略的预测。由于IHME模型依赖于死亡总数，并将数据汇总到国家层面，因此IHME模型给人的印象是，美国的死亡人数在4月中旬达到峰值。这给人一种错误的感觉，即一个社区可能已经准备好放松社会距离，而实际上他们的社区甚至还没有受到冲击。在撰写本文时（4月下旬），该国的死亡人数已超过5万人，几乎没有迹象表明完全遏制是一种很可能的情况。作为参考，IHME最初预测了整个COVID持续时间内的60000例死亡，并且在大多数更新中继续增加死亡预测。 什么是层次模型？它与曲线拟合模型有何不同？ Grand Rounds SEIR模型是一个分层模型，允许我们以统计上健壮的方式生成超局部预测（例如，到邮政编码）SEIR模型通常被流行病学家用来通过模拟疾病的传播途径来预测疾病将如何在人群中传播，同时考虑到潜在变量如何相互响应而发生变化。SEIR模型应用于COVID-19时，将人分为以下几种状态之一：易感染（S）、暴露（E）、感染（I）和康复（R）或死亡。这些因素可以广泛地扩展到包括人口特征、特定的传播模式（如工作场所或学校）以及我们对保护设备或医院系统等资源的影响的理解通过将人分类为存在于不同状态中的一种，然后对人们如何通过这些状态进行建模，我们可以修改各个参数，并合并不同的数据，这些数据可能存在于或可能不存在，或者在地方一级具有统计上的稳健性。例如，对感染前生长率、住院率和重症监护室病死率等参数的约束可以从国家层面继承，然后可以在州、县或工作场所的特定级别对干预措施进行建模。因此，在理解COVID-19可能产生的影响范围时，SEIR为领导者和决策者提供了最灵活和灵活的方式。同样，COVID-19感染正以指数级的速度增长，因此数据的细微变化将对预测和政策决策产生深远影响在缺乏疫苗的情况下，预测COVID-19将如何影响我们的社区，对于有效应对这种疾病至关重要在我们的科技博客上，我们深入探讨了SEIR模型的各个阶段，以及它与曲线拟合模型（如IHME）的对比 为什么局部建模如此重要？ 这个国家的医疗保健在当地实行。不管是好是坏，这种分散的医疗保健和公共卫生政策方法意味着该国不同地区对这一流行病的反应能力各不相同。这就是为什么加州的病例高峰预测与纽约的不同，也就是为什么对圣地亚哥高峰的预测与旧金山的不同此外，本地建模将有助于我们评估何时重新开放当地地理区域的经济是安全和适当的，并减轻该地区的医疗保健系统负担过重。来自中国武汉或韩国首尔的数据无法准确预测田纳西州塔拉西的病例数何时达到峰值。我们知道，如果没有大量人类从未见过的关于这种疾病的详细的当地数据，我们知道我们的社区需要一个能够以统计上可靠的方式向下投射到较低层次地区的模型 下一步是什么？ COVID-19将与我们在一起一段时间，其效果将是惊人的。此外，我们很可能会面对新加坡和日本目前所遭遇的二次浪潮。为此，我们相信我们可以通过整合更多的数据源来改善我们对未来浪潮的反应。拥有一个精心设计的软件解决方案，一旦出现最早的警告信号，就可以自动返回每日预测值，这样可以拯救生命，同时也有利于经济。我们相信，我们的模型可以更好地识别那些无法获得日常护理、现在最需要额外帮助的人。我们希望帮助这些人填补他们在护理方面的空白，这样他们就可以避开急诊室或医院进行危重护理。我们也希望帮助那些确实从COVID-19中恢复过来的人；在这段时间内接受最严重干预（例如呼吸机呼吸辅助）的人将需要在未来的许多年里进行广泛的护理协调。Grand Rounds COVID-19SEIR模型是开源的，您可以在这里查看代码。