基于Joinpoint回归模型的新型冠状病毒肺炎流行趋势分析

摘要：

目的 探索新型冠状病毒肺炎(COVID-19)在武汉市和广东省的流行趋势和防控措施的实施效果.方法 采用Joinpoint回归模型对武汉市和广东省新型冠状病毒每日新增病例数进行时间序列分段拟合,计算不同阶段新增病例数日均变化速度,推算出统计学拐点.结果 武汉市新型冠状病毒肺炎每日新增病例经Joinpoint回归分析后,有4个分段点,将时间序列分为5个阶段,其中1月19日-2月6日为上升期(APC=24.3％,t=10.2,P＜0.01),2月7-29日为下降期(APC=-7.9％,t=-5.2,P＜0.01);广东省有5个分段点,将时间序列分为6个阶段,其中前3个阶段有统计学意义,分别是其中1月19-31日为上升期(APC =33.1％,t=7.1,P＜0.01),2月1-15日为下降期(APC=-12％,t=-4.0,P＜0.01),2月15-19日为快速下降期(APC=-51.2％,t=-2.1,P＜0.01).根据Joinpoint回归模型实际值和拟合值,计算均方差(MSE)分别为0.28和0.25,平均相对误差绝对值(MAPE)分别为23.73％和16.94％.结论 Joinpoint回归分析可用于时间序列分段拟合,计算疾病大流行期间有统计学意义的时间趋势变化特征.通过比对防控措施实施时间和Jionpoint模型统计学拐点的对应关系,发现减少人员流动、提高病毒检测能力、对所有病例特别是轻症病例和无症状感染者进行隔离治疗,是控制COVID-19疫情的有力措施.

关键词：新型冠状病毒肺炎、流行趋势、Joinpoint回归分析

所属期刊栏目：20

分类号：R563.1(呼吸系及胸部疾病)

资助基金：广东省科技攻关课题2019B111103001

在线出版日期：2020-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1375-1379