耦合人群移动的COVID-19传染病模型研究进展

尹凌, 刘康, 张浩, 奚桂锴, 李璇, 李子垠, 薛建章

Integrating Human Mobility into the Epidemiological Models of COVID-19: Progress and Challenges

YIN Ling, LIU Kang, ZHANG Hao, XI Guikai, LI Xuan, LI Ziyin, XUE Jianzhang

表1 面向疫情短期预测的人群移动耦合模型相关研究

Tab. 1 Related references of short-term epidemic prediction models coupled with human mobility

分类 参考文献 模型 预测目标 预测的时间范围 研究区域 人群移动数据 评估指标 预测性能 人群移动一阶量 [9] 广义线性模型 每日COVID-19新增感染人数和累计感染人数 2020年2月1日—10日 中国的多个 省份 百度迁徙指数 R2 预测截止至2020年2月10号（疫情初期）中国除武汉市外的累计病例数的R2为0.89 [31] 整合线性回归和自回归移动平均的预测模型 每日COVID-19输入性病例数 提前预测未来 12 d 韩国的多个 省市 韩国电信的手机漫游数据 相关系数、均方根误差、平均绝对误差和平均相对误差 预测未来12 d后的新增输入病例人数时,该模型在第一个验证集（2020.03.28—04.30）的相关系数、均方根误差、平均绝对误差和平均相对误差分别为0.925、6.3、5.0和49.9%,在第二个验证集（2020.05.01-06.30）的相关系数、均方根误差、平均绝对误差和平均相对误差分别为0.798、4.1、2.8和22.3% [32] 多元线性回归 模型 每日COVID-19新增感染人数 2020年2月1日—2月15日（列举了分别预测1~5 d的精度） 中国的4个城市（深圳、广州、珠海和中山市） 百度迁徙数据 平均绝对误差、均方根误差和R2 以深圳市和广州市这两个人口流动较为频繁的城市为例,预测深圳市未来1天新增感染人数的平均绝对误差、均方根误差和R2分别为7、7.234和0.988,广州市的平均绝对误差、均方根误差和R2则分别为6.067、6.434和0.985 [33] 基于面板多元线性回归模型的行为模型和基于分布滞后模型的感染模型 每日COVID-19累计感染人数 提前预测未来1~10 d 中国、美国、法国等80个国家的多种空间尺度（如,国家、省/州、市/县） 谷歌社区移动性数据集、百度迁徙指数、SafeGraph社交距离指标、Facebook提供的网格间的人口移动次数 百分比误差的中位数（Median Percentage Error, MPE） 以在粗粒度的空间尺度上预测未来1 d COVID-19的累计感染人数为例,全球的百分比误差中位数为0.9%,中国各省的百分比误差中位数为-0.2%,意大利各省的百分比误差中位数为0.89%,美国各州的百分比误差中位数为1.13% [34] 贝叶斯网络 每日COVID-19新增死亡人数 2020年3月30日—4月19日（列举了每周的预测精度） 意大利、西班牙等11个国家 谷歌社区移动性数据集 平均误差以及平均相对误差 预测未来1周的死亡人数时,11个国家平均误差绝对值的均值为60,平均相对误差绝对值的均值则为2.5% [35] 融合弹性回归和主成分回归等多个模型的多层预测模型 每日COVID-19新增感染人数和累计感染人数 提前预测未来1、4和7 d的平均值 美国的多个县 谷歌社区移动性数据集 平均绝对误差、均方根误差和R2 预测未来1 d的新增感染人数时,R2、均方根误差和平均绝对误差分别为0.91、105和39;预测未来1 d的累计感染人数时,R2、均方根误差和平均绝对误差则分别为1.0、189和103 人群移动二阶量 [30] 基于图的神经 网络 每日COVID-19新增感染人数 提前预测未来2、7、14、21和28d 美国的多个州 谷歌COVID-19聚合移动研究数据集 均方根误差和皮尔斯相关系数 预测未来第2 d时,均方根误差和皮尔森相关系数分别为313和0.298 [36] 时空图神经网络 每日COVID-19新增感染人数 提前预测未来1d 美国的多个县 谷歌社区移动性数据集和谷歌COVID-19聚合移动研究数据集 均方根对数误差和皮尔斯相关系数 预测未来1 d时,均方根对数误差和皮尔森相关系数分别为0.0109和0.9980 [37] 时空注意力网络 每日COVID-19新增感染人数 提前预测未来5、15、20 d 美国的多个州和多个县 通过重力模型计算的市/县和州之间的人群移动强度 平均绝对误差、均方误差和一致性相关系数 预测未来第5 d时,美国州级别的均方误差、平均绝对误差和一致性相关系数分别为237 412、220.5和0.84,美国县级别的均方误差、平均绝对误差和一致性相关系数分别为44177、79.8和0.66