头图

Rt<1啦,上海疫情流行趋势分析

Shalom

上海新冠疫情可视化面板

基本再生数R0是指在一个完全易感人群中,没有任何干预措施的情况下,一个被传染病病原体感染的个体所能引起的第二代感染病例数,常用于衡量病原体自身的传播力。(“流行病学专家解读
| 传染病的有效再生数与基本再生数,” n.d.)

时变再生数Rt可以理解为真实世界(往往有干预措施,人群不是完全易感)情形下,t时刻的再生数,
受干预措施,感染者及易感者比例等因素影响,随时间变化而变化。隔离等干预措施的目标在于将Rt降低至1以下,Rt \< 1意味着新增病例数将逐渐减少,疫情得到控制。

使用R语言EpiEstim包估计Rt(Thompson et al.
2019),需要假设系列间隔(serial
interval)的分布,本文中假设系列间隔均值为4天,标准差为2天(“新型冠状病毒Omicron变异株的流行病学特征及其科学防控建议,”
n.d.)。使用EpiEstim包默认的1周滑动窗进行分析。结果如下:

library(tidyverse)
library(EpiEstim)
library(patchwork)
## load data
case.asym.wider.sh<-read.csv('https://raw.githubusercontent.com/shalom-lab/covid.sh/main/local/share/case.asym.wider.sh.csv')

# observation
cases<-case.asym.wider.sh %>%
  select(date,pos) %>%
  mutate(date=as.Date(date)) %>%
  rename(I=pos,dates=date)

## make config
config <- make_config(
  mean_si = 4,
  std_si = 2
)


## estimate
res <- estimate_R(
  incid = cases,
  method = "parametric_si",
  config = config
)

#plot(res)

res.r<-res$R %>% as_tibble() %>%
  rename(mean=`Mean(R)`,std=`Std(R)`,lbd=`Quantile.0.025(R)`,ubd=`Quantile.0.975(R)`) %>%
  mutate(date=cases$dates[res$R$t_end])

res.si <- as_tibble(list(time=as.integer(str_sub(names(res$si_distr),2)),
                         frequency=as.vector(res$si_distr)))

p1<-ggplot(data = cases,aes(x=dates,y=I))+
  geom_col(fill= "#AD002AFF")+
  scale_x_date(date_breaks = "2 days",date_labels = "%m/%d",expand = c(0,0.5))+
  labs(x="",y="每日新增阳性数",title="Epidemic curve")+
  theme_bw()+
  theme(axis.text.x = element_text(angle=45,vjust=0.5,hjust = 0.5))

p2<-ggplot(data = res.r,aes(x=date,y=mean))+
  geom_ribbon(aes(ymin=lbd,ymax=ubd),fill= "#AD002AFF",alpha=0.2)+
  geom_line(size=1,colour= "#AD002AFF")+
  geom_hline(yintercept = 1,size=1,lty=2)+
  scale_x_date(date_breaks = "2 days",date_labels = "%m/%d",expand = c(0,0.5),limits = c(as.Date('2022-03-09'),Sys.Date()-1))+
  labs(x="",y="时变再生数Rt",title='')+
  theme_bw()+
  theme(axis.text.x = element_text(angle=45,vjust=0.5,hjust = 0.5))

p3<-ggplot(data = res.si,aes(x=time,y=frequency))+
  geom_line()+
  labs(x="Time",y="Frequency",title='Assumptive Serial Interval Distribution')+
  theme_bw()

p1+p2+plot_layout(ncol = 1)
p3



结果显示目前时变再生数Rt已降至1以下,Rt持续处于1以下将表示疫情得到有效控制,希望继续保持,期待早日解封~

参考资料

[1] Thompson, R. N., J. E. Stockwin, R. D. van Gaalen, J. A. Polonsky, Z. N.
Kamvar, P. A. Demarsh, E. Dahlqwist, et al. 2019. “Improved Inference of
Time-Varying Reproduction Numbers During Infectious Disease Outbreaks.”
Epidemics 29 (December): 100356.
https://doi.org/10.1016/j.epi....

[2] “新型冠状病毒Omicron变异株的流行病学特征及其科学防控建议.”
http://mp.weixin.qq.com/s?__b....

[3] “流行病学专家解读 | 传染病的有效再生数与基本再生数.”
http://mp.weixin.qq.com/s?__b....

阅读 550
1 声望
0 粉丝
0 条评论
1 声望
0 粉丝
文章目录
宣传栏