近日，鐘南山院士團(tuán)隊(duì)在Journal of Thoracic Disease發(fā)表“基于SEIR優(yōu)化模型和AI對(duì)公共衛(wèi)生干預(yù)下的中國(guó)COVID-19暴發(fā)趨勢(shì)預(yù)測(cè)”的文章。

該研究預(yù)測(cè)了COVID-19疫情全國(guó)在2月下旬達(dá)到高峰，4月底趨于平緩。如管控措施推遲5天實(shí)施，中國(guó)大陸的疫情規(guī)模預(yù)估將擴(kuò)大至3倍；如減低武漢管控力度，湖北可能在3月中旬出現(xiàn)第二次疫情高峰并延續(xù)至4月下旬。其中，優(yōu)化的SEIR模型和AI模型預(yù)測(cè)表明，截至4月底國(guó)內(nèi)有9萬(wàn)至12萬(wàn)的疫情規(guī)模，請(qǐng)大眾不要誤解，模型預(yù)測(cè)與現(xiàn)實(shí)是存在一定差距的，如政府繼續(xù)嚴(yán)格的管控政策，提高診斷水平，推出使用藥物，該疫情規(guī)模將得到極大控制。另外，本文提及的湖北出現(xiàn)二次高峰是在管控降低的情況下作出的假設(shè)，如正常春運(yùn)，復(fù)工等。按目前情況，湖北省政府仍將繼續(xù)保持嚴(yán)格管控，出現(xiàn)二次高峰的可能性也相對(duì)較少。

目前本文預(yù)測(cè)結(jié)果是基于2月9日前的管控政策，疫情規(guī)模均比Lancet及國(guó)外學(xué)者預(yù)測(cè)的少。Wu等學(xué)者預(yù)測(cè)武漢的疫情規(guī)模將在1月25日達(dá)到17.5萬(wàn)例，疫情將在4月達(dá)到高峰。同樣，Read等人預(yù)測(cè)，在沒(méi)有控制措施的情況下，將在2月4日達(dá)到高峰，高達(dá)19萬(wàn)例。即使是交通管控也不能獲得很好的效果。上述預(yù)測(cè)均沒(méi)有考慮到我國(guó)嚴(yán)格管控的措施，導(dǎo)致可能夸大的疫情規(guī)模。本文數(shù)據(jù)顯示截至4月底國(guó)內(nèi)疫情現(xiàn)存確診病例（非累計(jì)確診數(shù)）高峰不高于7萬(wàn)例，湖北不高于52000例，廣東和浙江不高于1200例，目前流行數(shù)據(jù)均在本文的預(yù)測(cè)范圍內(nèi)，更貼近真實(shí)情況。

文章結(jié)果結(jié)論是基于SEIR數(shù)學(xué)模型和AI模型進(jìn)行預(yù)測(cè)的，歡迎大家閱讀。

楊子峰1,5，曾志奇1，王珂2，黃淑珊1,7，梁文華1，Mark Zanin1,7，劉鵬3，曹旭東3，高中強(qiáng)3，麥芷桐1，梁靖怡1，劉曉青1，李時(shí)悅1，黎毅敏1，葉楓1，關(guān)偉杰1，楊一帆4，李飛4，羅圣美4，謝玉琪1，劉斌6，王周瑯1，張少博2，王耀南2，鐘南山1，何建行1

1廣州醫(yī)科大學(xué)附屬第一醫(yī)院廣州呼吸健康研究院呼吸疾病國(guó)家重點(diǎn)實(shí)驗(yàn)室/國(guó)家呼吸系統(tǒng)疾病臨床醫(yī)學(xué)研究中心

2橫琴鯨準(zhǔn)智慧醫(yī)療科技有限公司

3南京云創(chuàng)大數(shù)據(jù)科技股份有限公司

4星環(huán)信息科技 （上海） 有限公司

5澳門(mén)科技大學(xué)，中藥質(zhì)量研究國(guó)家重點(diǎn)實(shí)驗(yàn)室，澳門(mén)藥物及健康應(yīng)用研究院，中醫(yī)藥學(xué)院，澳門(mén)特別行政區(qū)，中國(guó)

6昆明理工大學(xué)

7香港大學(xué)公共衛(wèi)生學(xué)院，香港特別行政區(qū)，中國(guó)

通訊作者   何建行

電子郵箱: hejx@vip.163.com

鐘南山

電子郵箱: nanshan@vip.163.com

注：楊子峰、曾志奇、王珂、黃淑珊、梁文華、Mark Zanin、劉鵬對(duì)此文章貢獻(xiàn)相同。

摘要

背景：中國(guó)湖北省武漢市新型冠狀病毒肺炎（COVID-19）的暴發(fā)恰逢人口大規(guī)模遷徙的春運(yùn)時(shí)期。為遏制疫情蔓延，中國(guó)政府于2020年1月23日起采取了大規(guī)模檢疫、限制出行和對(duì)可疑病例監(jiān)控等前所未有的全國(guó)性防疫干預(yù)措施。但尚不清楚這些政策是否有益于流行病的控制。

方法：本研究將2020年1月23日前后的人口遷徙數(shù)據(jù)以及最新的COVID-19流行病學(xué)數(shù)據(jù)整合到經(jīng)典傳染病學(xué)預(yù)測(cè)模型（SEIR）中并得出流行曲線。此外，基于2003年SARS數(shù)據(jù)進(jìn)行訓(xùn)練的人工智能（AI）方法來(lái)預(yù)測(cè)本次疫情的流行趨勢(shì)。

結(jié)果：推測(cè)本次疫情全國(guó)在2月下旬達(dá)到高峰，4月底趨于平緩。如管控措施推遲5天實(shí)施，中國(guó)大陸的疫情規(guī)模預(yù)估將擴(kuò)大至3倍；如減低武漢管控力度，湖北可能在3月中旬出現(xiàn)第二次疫情高峰并延續(xù)至4月下旬。

結(jié)論：優(yōu)化的SEIR模型及成功建立的人工智能模型能有效預(yù)測(cè)新冠病毒的流行趨勢(shì)，證實(shí) 1月23日起實(shí)施的公共衛(wèi)生干預(yù)措施有效控制了疫情發(fā)展。

引言

2019年12月，中國(guó)湖北省武漢市暴發(fā)了由新型人畜共患病冠狀病毒（SARS-CoV-2）引發(fā)的非典型肺炎（COVID-19）[1-2]。之后，疫情迅速蔓延。截至目前，國(guó)內(nèi)已報(bào)告7萬(wàn)余例感染病例和2000多例死亡病例，全球報(bào)告感染超過(guò)3000例 [3-4]，疫情嚴(yán)重程度已超過(guò)2003年的嚴(yán)重急性呼吸綜合征（SARS）[5]。本次疫情恰逢在春運(yùn)期間暴發(fā)，為遏制疫情，中國(guó)于2020年1月23日開(kāi)始實(shí)施前所未有的公共衛(wèi)生干預(yù)策略[6]：封閉武漢的離城通道，延長(zhǎng)了法定假日，采取了嚴(yán)格旅行和公共聚會(huì)限制措施，關(guān)閉了公共場(chǎng)所，并在全國(guó)范圍內(nèi)實(shí)施了健康監(jiān)測(cè)。但是，尚不清楚這些政策對(duì)疫情的控制效果，以及應(yīng)當(dāng)保持實(shí)施多長(zhǎng)時(shí)間。因此，本研究通過(guò)優(yōu)化的易感-暴露-感染-退出（SEIR）流行病學(xué)模型，結(jié)合了1月23日前后的國(guó)內(nèi)遷徙數(shù)據(jù)以及最新的COVID-19流行病學(xué)數(shù)據(jù)來(lái)預(yù)測(cè)疾病發(fā)展進(jìn)程。另外，還使用了2003年SARS冠狀病毒暴發(fā)數(shù)據(jù)進(jìn)行了機(jī)器學(xué)習(xí)，通過(guò)人工智能（AI）方法證實(shí)了我們的模型預(yù)測(cè)。

結(jié)果

一、湖北省、廣東省和浙江省的疫情進(jìn)展

本文選擇了COVID-19確診病例數(shù)最多的三個(gè)省份進(jìn)行研究[7-8]。2月10日，湖北省、廣東省和浙江省COVID-19的確診病例分別為31728例、1177例和1117例 （圖1A）。1月7日至23日，廣東省和浙江省的遷出人數(shù)達(dá)到最大且高于流入量。而對(duì)于湖北省來(lái)說(shuō)，在1月23日之前，由于春節(jié)期間遷移人口的返回，其遷入人數(shù)大于流出量。1月23日之后，湖北省開(kāi)始實(shí)施公共衛(wèi)生干預(yù)措施如限制出行，遷移曲線與廣東省和浙江省相比明顯較為平坦（圖1B）。

圖1. 模型數(shù)據(jù) （A）截止2月10日各省確認(rèn)的COVID-19病例，數(shù)據(jù)來(lái)自https://voice.baidu.com/act/newpneumonia/newpneumonia/?from=osari_pc_3. （B）2020年春節(jié)假期湖北、廣東、浙江三省遷移率指數(shù)（實(shí)線-流入，虛線-流出）

SEIR是一種流行病學(xué)模型，此模型假設(shè)將人群劃分為四種狀態(tài)：易感[S]、暴露或潛伏[E]、感染[I]或退出[R]來(lái)預(yù)測(cè)傳染性疾病動(dòng)力學(xué)。每個(gè)狀態(tài)的人口比例由每個(gè)狀態(tài)之間的變化率決定：β （[S] 指向[E]或[S]指向[I]）, σ （[E]指向[I]） 以及 γ （[I]指向[R]）。參考每個(gè)省可用遷移指數(shù)（數(shù)據(jù)取至分析當(dāng)日），隨后根據(jù)我們的假設(shè)情況模擬往后日期的遷移指數(shù)。對(duì)于廣東省、浙江省、湖北省和中國(guó)（在模擬中，交通限制減弱），則使用了2019年的遷移指數(shù)，而且認(rèn)為在[E]指向[S]的遷移率β1是[I]指向[S]的β2的5倍。

由于湖北省目前已實(shí)行嚴(yán)格檢疫措施，假設(shè)2月10日之后湖北省的遷移指數(shù)設(shè)為零。在2月12日之前，確診病例主要是基于PCR技術(shù)。在此基礎(chǔ)上，本模型預(yù)測(cè)將在2月20日達(dá)到單個(gè)流行高峰，存在42,792（95%CI 30,149–52,941）例現(xiàn)存確診病例。預(yù)計(jì)疫情在4月下旬趨于平緩，總病例數(shù)預(yù)估達(dá)到59,578 （95%CI 39,189–66,591）。如果延遲實(shí)施干預(yù)措施，疫情將在2月25日達(dá)到高峰，當(dāng)天前后預(yù)估有115,061例現(xiàn)存確診病例，暴發(fā)總?cè)藬?shù)會(huì)達(dá)到167,598例。如果提前5天采取干預(yù)措施，疫情預(yù)計(jì)在2月15日達(dá)到高峰，最終病例數(shù)將不會(huì)超過(guò)25,000（圖2）。

圖2. 改進(jìn)的SEIR模型預(yù)測(cè)曲線 （A）湖北省有嚴(yán)格管控，（B）湖北省減少管控力度，（C） 廣東省，（D） 浙江省和（E）中國(guó)在1月23日（藍(lán)色），5天后（灰色）和5天前（紅色）采取干預(yù)措施時(shí)的流行曲線，把每天現(xiàn)存確診病例的實(shí)際數(shù)據(jù)被擬合到曲線 （圓圈）上

然后，考慮湖北省減少隔離措施，公眾有一定程度的社會(huì)流動(dòng)，由此假設(shè)r=10。預(yù)測(cè)結(jié)果發(fā)現(xiàn)有2月18日和3月11日這兩個(gè)流行高峰，分別有51,581（95%CI 39,874–63,994）和47,144（95%CI 36,305–58,484）例現(xiàn)存確診病例，最后疫情總規(guī)模將達(dá)到73,180 （95%CI 51,308–85,839）例。如果把干預(yù)措施實(shí)施延遲5天，暴露病例比例起初的增加將導(dǎo)致感染病例呈指數(shù)增長(zhǎng)，流行峰值為2月21日和3月17日。截止4月末，仍可能存在30,000例以上的現(xiàn)存病例，而總病例數(shù)預(yù)估將會(huì)達(dá)到166,930例確診例數(shù)。如果提前5天實(shí)施干預(yù)措施，則疫情將在2月11日達(dá)到高峰，現(xiàn)存確診病例可能達(dá)到8,031例，疫情規(guī)模上升至15,965例 （圖2B）。

廣東省和浙江省不是疫情發(fā)源地，本研究預(yù)計(jì)廣東省和浙江省均在2月20日達(dá)到流行高峰，分別為1,202（95%CI 1,042–1,340）例和1,172（95%CI 1,004–1,314）例現(xiàn)存確診病例，且預(yù)計(jì)兩省的疫情將在4月中旬趨于平緩。廣東省和浙江省疫情最終規(guī)模預(yù)估分別達(dá)到1,511（95%CI 1,097–1,948）例和1,491（95%CI 1,066–1,851）例確診例數(shù)。如果政府延遲5天實(shí)施干預(yù)措施，廣東省和浙江省預(yù)計(jì)分別在2月26日和25日達(dá)到高峰，現(xiàn)存確診病例可能分別達(dá)到3,553例和3,522例，兩個(gè)省疫情的最終規(guī)模可能均為10,061例確診病例。如果政府提前5天實(shí)行干預(yù)，疫情將得到有效控制（圖2C和D）。

二、全國(guó)疫情模型

1月23日實(shí)施控制措施后，COVID-19傳染幾率降低。一定數(shù)量易感人群的存在使平均每日新感染人數(shù)穩(wěn)定增加?；谀壳案深A(yù)措施，預(yù)計(jì)疫情將于2月28日達(dá)到高峰，現(xiàn)存確診病例達(dá)到59,764（95%CI 51,979–70,172）例。截至4月底趨于平緩，預(yù)計(jì)疫情最終規(guī)模預(yù)估共計(jì)122,122（95%CI 89,741–156,794）例。如果延遲5天實(shí)施干預(yù)措施，由于感染者平均每天接觸的次數(shù)增加，傳染系數(shù)（率）將會(huì)更大。病例數(shù)量呈指數(shù)增加，可能在3月4日達(dá)到高峰，達(dá)到173,372例現(xiàn)存確診病例，疫情最終規(guī)模預(yù)估為351,874例確診病例。如提前5天實(shí)施干預(yù)措施，全國(guó)疫情最終規(guī)模可能減少至40,991例確診病例 （圖2E）。

三、LSTM對(duì)中國(guó)疫情的預(yù)測(cè)

LSTM模型是一種遞歸神經(jīng)網(wǎng)絡(luò)（RNN），本研究基于2003年SARS流行病學(xué)數(shù)據(jù)，納入COVID-19流行病學(xué)參數(shù)例如傳染概率、傳染系數(shù)（率）、潛伏率和退出率等進(jìn)行模型訓(xùn)練。根據(jù) LSTM模型預(yù)測(cè)，新增病例在2月4日達(dá)到高峰，到4月底預(yù)估有9.5萬(wàn)例確診病例（圖3A）。隨后，我們對(duì)來(lái)自SEIR、LSTM以及中國(guó)每日新增病例數(shù)報(bào)告的數(shù)據(jù)繪制曲線。在1月22日至2月10日之間，新確診病例實(shí)際數(shù)量與LSTM預(yù)測(cè)數(shù)據(jù)的曲線之間顯著擬合（圖3B）。SEIR和LSTM模型均預(yù)測(cè)在2月4日到7日之間會(huì)出現(xiàn)每日新增病例高峰，達(dá)到4000例。SEIR模型還預(yù)測(cè)2月中下旬的每日新增病例可能有幾個(gè)新的小感染高峰出現(xiàn)，這可能是返程人口流動(dòng)及復(fù)工導(dǎo)致的。

圖3. （A）LSTM預(yù)測(cè)的全國(guó)COVID-19病例累計(jì)數(shù)量，（B）根據(jù)實(shí)際數(shù)據(jù)（紫色）、SEIR模型（橙色）和LSTM模型（綠色）計(jì)算的COVID-19新增病例數(shù)

討論

為了應(yīng)對(duì)1月15日開(kāi)始暴發(fā)的COVID-19疫情，中國(guó)宣布啟動(dòng)一級(jí)應(yīng)急響應(yīng)（最高級(jí)別公共衛(wèi)生響應(yīng)），在全國(guó)范圍內(nèi)實(shí)施了管控措施。除了封鎖武漢及其他鄰近地區(qū)以外，還要求必須嚴(yán)格報(bào)告往返湖北省的情況。同時(shí)，不鼓勵(lì)湖北居民返回工作地，而且即便是經(jīng)過(guò)武漢的非湖北居民，也被要求進(jìn)行14天的自我隔離。然而，武漢封城的有效性和必要性受到了質(zhì)疑，還有報(bào)道稱(chēng)這樣的做法是否太晚[13-14]。Wu等學(xué)者預(yù)測(cè)，如果不采取控制措施，武漢的疫情規(guī)模將在1月25日達(dá)到17.5萬(wàn)例，疫情將在4月達(dá)到高峰[13]。同樣，Read等人預(yù)測(cè)，在沒(méi)有控制措施的情況下，將在2月4日達(dá)到高峰，高達(dá)19萬(wàn)例[14]。值得注意的是，他們預(yù)測(cè)到在武漢大規(guī)模封城的情況下，中國(guó)其他城市也仍將經(jīng)歷與武漢相似的疫情增長(zhǎng)。然而，事實(shí)并非如此。廣東和浙江是受影響僅次于湖北的兩個(gè)省份，僅占全國(guó)PCR確診病例的6.6%。與武漢相比，這兩個(gè)省控制措施出臺(tái)相對(duì)較快。因此，相比于湖北，該兩省疫情增長(zhǎng)放緩，說(shuō)明了隔離和管控措施是有效的。本模型同樣預(yù)測(cè)，延后5天執(zhí)行控制措施將使疫情規(guī)模增加至3倍。

自本文分析以后，真實(shí)流行趨勢(shì)已證實(shí)與本研究預(yù)測(cè)曲線相吻合。在上周，廣東省和浙江省已報(bào)道每天的新增病例少于6例，而湖北的新增病例也同樣呈現(xiàn)下降的趨勢(shì)。對(duì)于廣東省和浙江省，移動(dòng)人口已經(jīng)逐漸開(kāi)始返程（由于依然存在限制，因此與前幾年返程相比，遷移率會(huì)相對(duì)較低），從而引發(fā)了潛在病例進(jìn)入的擔(dān)憂。目前只有湖北省依然有大量病例，其他省份遷移人口可能不會(huì)構(gòu)成重大風(fēng)險(xiǎn)。廣東省和浙江省實(shí)行持續(xù)的早期發(fā)現(xiàn)與隨后進(jìn)行的隔離措施對(duì)于防止第二次流行高峰的出現(xiàn)是很有效的。

本研究強(qiáng)調(diào)的另一個(gè)關(guān)鍵點(diǎn)是放緩湖北省的檢疫限制將導(dǎo)致新的易感人群涌入，即春節(jié)后返程人員，將導(dǎo)致湖北省的疫情在3月11日左右出現(xiàn)另一個(gè)小高峰。大量資源應(yīng)被運(yùn)至湖北省來(lái)建設(shè)新的醫(yī)院和檢疫中心，以改善醫(yī)療護(hù)理及減少暴露風(fēng)險(xiǎn)。以上所有的措施都可能減少傳播，并有助于緩和二次高峰出現(xiàn)的影響。

COVID-19的暴發(fā)引發(fā)了對(duì)人口密集城市公共衛(wèi)生流行病控制的重大挑戰(zhàn)：決定何時(shí)實(shí)施控制措施。目前需要市或省疾控中心的陽(yáng)性檢測(cè)結(jié)果以確診病例，這一過(guò)程至少需要30小時(shí)[15]。2月12日，湖北政府將根據(jù)影像學(xué)檢查、中性粒細(xì)胞計(jì)數(shù)和流行病學(xué)關(guān)聯(lián)等歸為臨床診斷病例，使得一夜之間增加了1.6萬(wàn)例病例。但除了湖北省以外，其他省份都沒(méi)有采用這一分類(lèi)方法，致使全國(guó)COVID-19確診病例數(shù)出現(xiàn)了混淆。盡管有人可能認(rèn)為臨床診斷病例并不完全準(zhǔn)確，但目前的PCR診斷方法也同樣存在不足[15]。直到有更進(jìn)一步確診的方法之前，如血清陽(yáng)性率流行數(shù)據(jù)可用于評(píng)估真實(shí)發(fā)病率，本研究可以預(yù)見(jiàn)的是，基于PCR確診的流行曲線可能被低估。

圖3中的結(jié)果強(qiáng)調(diào)了我們研究中使用的兩種方法的優(yōu)點(diǎn)和弱點(diǎn)。基于早期的估測(cè)，本SEIR模型使用了7天的潛伏期[2]。到目前，有報(bào)道證明潛伏期到癥狀發(fā)作的中位時(shí)間是3天[11]，此病毒的潛伏期更接近于SARS-CoV的潛伏期，但可以從0到24天不等。我們測(cè)試了該模型對(duì)不同潛伏期的敏感性，發(fā)現(xiàn)較短的潛伏期會(huì)加速疫情高峰，但不會(huì)對(duì)疫情規(guī)模大小產(chǎn)生顯著影響。這可能解釋了真實(shí)曲線和LSTM預(yù)測(cè)曲線之間的顯著擬合，以及SEIR模型預(yù)測(cè)高峰滯后性問(wèn)題。遺憾的是，用于機(jī)器學(xué)習(xí)的SARS流行病數(shù)據(jù)是來(lái)自2003年4月至6月，對(duì)于長(zhǎng)期的預(yù)測(cè)來(lái)說(shuō)這是個(gè)有限的數(shù)據(jù)庫(kù)。

本模型也沒(méi)有考慮到其他可能增加確診病例數(shù)的因素，如診斷能力。武漢市政府最近宣布了一項(xiàng)政策，要求對(duì)每一位疑似人員和返工人員進(jìn)行測(cè)試[16]。如果武漢市政府能夠提高檢測(cè)能力，盡量控制返回人員的流入量，但結(jié)果仍可能出現(xiàn)一個(gè)連續(xù)的高峰甚至第二個(gè)高峰。本研究的另一個(gè)局限性是我們無(wú)法考慮季節(jié)的影響。季節(jié)改變帶來(lái)的氣溫升高對(duì)于廣東非典疫情的消失很重要[17]。如果氣溫變化也適用于COVID-19，那么廣東的疫情將比浙江和湖北消失得更早。

結(jié)論

本SEIR優(yōu)化模型可精準(zhǔn)預(yù)測(cè)新冠病毒的流行趨勢(shì)，同時(shí)，人工智能預(yù)測(cè)模型已成功建立并且顯示與SEIR模型相似的趨勢(shì)，證實(shí)了1月23日起實(shí)施的公共衛(wèi)生干預(yù)措施有效控制了疫情發(fā)展。嚴(yán)格的防控措施如“早期篩查”最好實(shí)施至2020年4月底。

致謝

我們感謝橫琴鯨準(zhǔn)智慧醫(yī)療科技有限公司的成于伽、紀(jì)冰怡和許碧峰的技術(shù)支持。

表1. 本研究預(yù)測(cè)結(jié)果總結(jié)

a假設(shè)湖北省仍然嚴(yán)格管控，沒(méi)有返程高峰b假設(shè)湖北省減少管控，有返程高峰

（注：英文原文附文章補(bǔ)充方法的說(shuō)明）。

參考文獻(xiàn)

1. Zhou P, Yang X-L, Wang X-G, Hu B, Zhang L, Zhang W, et al. A pneumonia outbreak associated with a new coronavirus of probable bat origin. Nature. 2020:10.1038/s41586-020-2012-7.

2. Li Q, Guan X, Wu P, Wang X, Zhou L, Tong Y, et al. Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus-Infected Pneumonia. The New England journal of medicine. 2020.

3. Real-time big data report on the epidemic (in chinese) 2020 [Available from: https://voice.baidu.com/act/newpneumonia/newpneumonia/?from=osari_aladin_top1].

4. Coronavirus disease 2019 (COVID-19) Situation Report –25 2020 [Available from: https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200214-sitrep-25-covid-19.pdf?sfvrsn=61dda7d_2].

5. Situation Updates - SARS: Update 95 - Chronology of a serial killer 2003 [Available from: https://www.who.int/csr/don/2003_06_18/en/].

6. 2019 Data from spring festival (in chinese) 2019 [Available from: http://news.sina.com.cn/c/2019-02-04/doc-ihrfqzka3579637.shtml].

7. Situation report (in chinese) 2020 [Available from: http://www.nhc.gov.cn/xcs/yqtb/list_gzbd.shtml].

8. Baidu qianxi (in chinese) 2020 [Available from: https://qianxi.baidu.com/.

9. Combatting SARS (in chinese) 2003 [Available from: http://news.sohu.com/57/26/subject206252657.shtml].

10. Guan W-j, Ni Z-y, Hu Y, et al. Clinical characteristics of 2019 novel coronavirus infection in China. 2020.

11. Backer JA, Klinkenberg D, Wallinga J. Incubation period of 2019 novel coronavirus (2019-nCoV) infections among travellers from Wuhan, China, 20-28 January 2020. Euro Surveill. 2020;25(5).

12. Wang W, Tang J, Wei F. Updated understanding of the outbreak of 2019 novel coronavirus (2019-nCoV) in Wuhan, China. J Med Virol. 2020;92(4):441-7.

13. Wu JT, Leung K, Leung GM. Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modelling study. The Lancet. 2020.

14. Read JM, Bridgen JRE, Cummings DAT, Ho A, Jewell CP. Novel coronavirus 2019-nCoV: early estimation of epidemiological parameters and epidemic predictions. 2020.

15. Novel coronavirus diagnosis and treatment protocol (in chinese) 2020 [Available from: http://www.nhc.gov.cn/xcs/zhengcwj/202002/d4b895337e19445f8d728fcaf1e3e13a/files/ab6bec7f93e64e7f998d802991203cd6.pdf].

16. Pneumonia epidemic prevention and control work of new coronavirus deployed in our city 2019 [Available from: http://www.wuhan.gov.cn/2019_web/whyw/202001/t20200123_304083.html].

17. Lin K, Yee-Tak Fong D, Zhu B, Karlberg J. Environmental factors on the SARS epidemic: air temperature, passage of time and multiplicative effect of hospital infection. Epidemiol Infect. 2006;134(2):223-30.

本文轉(zhuǎn)載自“AME科研時(shí)間”