基于Bayes推断的COVID-19流行病干预政策评估

摘要

为应对2019年新型冠状病毒病(corona virus disease 2019, COVID-19)的大流行,全球197个国家采取了各种防控政策,取得了不同程度的抑制效果.许多学者利用数学建模分析了各种非药物干预和疫苗接种政策对COVID-19传播的影响,但这些研究主要侧重于定量评估干预政策对COVID-19再生数的影响.建立了一个双层Bayes模型,并基于Bayes推断分别定量评估了不同政策对COVID-19感染和恢复过程影响的有效性;将干预措施分为公共卫生干预政策和管控政策两大类.结果显示,两类干预政策都可以降低COVID-19的感染率,提高COVID-19的恢复率;但干预政策的类型对传播过程和恢复过程的影响有明显的倾向性,即公共卫生干预政策更有助于COVID-19的恢复过程,大多数管控政策及部分公共卫生措施对COVID-19的传播过程影响较大.

关键词

COVID-19 / 传播 / 恢复 / Bayes推断 / 政策评估