基于贝叶斯变点模型的COVID-19发病与死亡序列趋势

摘要：

目的 基于COVID-19发病和死亡序列趋势分析,探讨评价传染病发病或死亡变化趋势的方法,为同类流行病学研究数据的分析提供可能的分析策略.方法 提取中国31个省(自治区、直辖市)2020年1月23日至2020年3月18日 的COVID-19累计确诊病例和累计死亡病例数据,基于贝叶斯变点分析模型确定时间序列变点,并应用间断时间序列(interrupted time series,ITS)构建分段线性回归(segmented linear regression,SLR)模型,评价序列变化趋势与干预措施、政策的一致性.结果 武汉市累计确诊病例和累计死亡病例数据各有3次变点,湖北省(除武汉市)和除湖北省以外的30个省(自治区、直辖市)的确诊病例数、死亡病例数各有4次变点.武汉市累计确诊病例数3次变点后改变量分别为1 493.885(P＜0.001)、2 444.913(P＜0.001)、-4 061.038(P＜0.001);累计死亡病例数第2次、第3次变点后改变量分别为-66.917(P＜0.001)、-19.845(P=0.034).湖北省(除武汉市)累计确诊病例数第3次变点出现增幅降低且差异有统计学意义,改变量为-845.244(P＜0.001);累计死亡病例数增幅降低出现在第3次、第4次变点,斜率改变量分别为-10.062(P＜0.001)、-12.245(P＜0.001).除湖北省以外的30个省(自治区、直辖市)累计确诊病例数第2次变点后开始出现增幅降低,改变量分别为-281.494(P＜0.001)、-295.080(P＜0.001)、-145.054(P＜0.001);累计死亡病例数差异有统计学意义的增幅降低出现在第3次、第4次变点,斜率改变量分别为-3.199(P＜0.001)、-1.706(P＜0.001).结论 结合贝叶斯变点分析和ITS分析可充分考虑时间序列趋势变化的不确定性,为传染病疫情分析和防控措施评价提供依据.

关键词：COVID-19、贝叶斯变点分析、间断时间序列、分段线性回归

所属期刊栏目：26

分类号：R195.1(保健组织与事业（卫生事业管理）)

资助基金：江苏省研究生科研与实践创新计划项目;中央高校基本科研业务费专项

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1402-1406,1444