基于复杂网络理论的流行病群体免疫阈值预测方法

本发明提供一种基于复杂网络理论的流行病群体免疫阈值预测方法，它涉及一种基于复杂网络理论预测流行病群体免疫阈值技术的实现，属于流行病风险预测领域。

背景技术：

1、近年来，随着流行病大规模爆发，非药物干预措施(non-pharmaceuticalinterventions,npis)能够有效地减少个人之间的接触，有助于减少流行病的传播，确保医疗保障系统的正常运作。在疾病流行期间，有效疫苗的开发和全面开展的疫苗接种逐渐成为预防疾病最有效最经济的手段。在流行病学界，当群体达到群体免疫意味着群体中如果有相当比例的成员具有免疫力，即可大概率地阻断感染者的二次传播，从而保护其余没有免疫能力的人群免遭感染。群体免疫力越高，病原体就越难找到易感宿主和维持感染链的难度就越大，疫情就会减缓。打破疾病传播链所需要的人群中已获得免疫力个体的最低比例，就是阈值。当已免疫比例超过这一阈值，当前病原体的传播中断，疫情爆发将被扑灭。

2、群体免疫阈值可以通过以下两种方式达到，具体到个体免疫力，可以通过自然感染后恢复获得免疫力或者通过对易感宿主进行疫苗接种。在历史上，运用“群体免疫”成功克制流行病也有诸多成功案例，被人类消灭的烈性传染病天花就是依靠“群体免疫”的原理，人们也利用“群体免疫”的原理，通过接种疫苗控制麻疹、牛瘟等疾病的传播。

3、在最简化的情况下，群体免疫阈值取决于病原体的基本再生数r0，计算公式为，阈值(所需免疫比例)＝1-1/r0，r0指在无干预的情况下，完全易感人群中，一个感染者平均传染人数。该阈值估算的前提是假设人群中不同个体之间接触的几率相似，然而实际情况下，人与人之间并非随机接触，高度异质化的人际接触无法准确地预测群体免疫阈值，实施何种疫苗接种战略才能使群体免疫维持在必要的水平从而抑制流行病爆发亟待进一步的研究。因此，本发明基于收集的各个国家的人际接触数据，提出了一个考虑实际个体接触模式异质性的建模框架，构建基于人口年龄结构的多层网络来预测通过感染获得的免疫阈值。并用此模型评估了不同疫苗接种策略的效果，有助于深入理解人际接触模式的异质性对群体免疫力的影响，以便更精确地预测出群体免疫阈值，从而有助于部署最优的疫苗接种策略。

技术实现思路

1、(一)本发明目的：

2、由于人际接触模式的异质性、高复杂性的特点，给群体免疫阈值的精准预测带来了巨大的挑战。在人类对抗传染病的历史长河中，有很多依靠大规模接种、监测等一系列综合措施实现群体免疫的案例，例如天花、麻疹等都是疫苗诱导的群体免疫的成功案例。传统的群体免疫阈值的计算是基于个体间的接触模式是相似的假设条件下，由基本再生数r0决定。在大数据时代，如何利用实际的人际接触数据对流行病的群体免疫阈值进行准确预测对公共疫情防控和疫苗接种战略的优化部署具有重要的意义。因此本发明将基于数据驱动考虑个体接触模式的异质性，构建耦合不同年龄层接触模式的多层网络框架，预测群体免疫阈值，评估不同的疫苗接种策略对流行病传播的防控效果。

3、(二)技术方案

4、本发明技术方案：一种基于复杂网络理论的流行病群体免疫阈值预测方法的构建过程如下：包括如下步骤:

5、步骤1：获取人际接触实际数据，进行数据挖掘与分析，提取年龄分布信息，接触分布信息以及接触矩阵；

6、步骤2：对个体的接触行为进行分析，考虑个体接触模式的异质性，构建耦合不同年龄层接触模式的多层接触网络；

7、步骤3：根据疾病特征改进流行病传播模型，基于构建的接触网络进行流行病传播的动态模拟分析；

8、步骤4：基于模拟结果深入理解流行病动态传播机制，预测由自然感染实现的群体免疫阈值；

9、步骤5：考虑不同的疫苗接种方案对人群进行一定比例的接种，根据流行病动态传播结果探索人群最终感染率，预测由疫苗接种实现的群体免疫阈值；

10、其中，在步骤1中所述的“获取人际接触实际数据，进行数据挖掘与分析，提取年龄分布信息，接触分布信息以及接触矩阵”，其具体做法如下：从开源网站获取各个地区和国家的年龄混合矩阵，对年龄组进行重新分组，提取年龄分布信息。对每个年龄组的接触分布进行负二项式拟合，该接触分布每一个年龄层的平均值由年龄混合矩阵决定。

11、其中，在步骤2中所述的“构建耦合不同年龄层接触模式的多层接触网络”，其具体做法如下：分析个体间接触模式的异质性，根据提取的年龄分布信息，接触分布信息以及接触矩阵构建多个年龄层耦合的基于主体(agent)的多层接触网络。具体连接方式为给定一个位于第α层的节点i和位于第β层的节点j，则节点i和节点j之间的预期链接数为：

12、

13、其中ki是节点i的度(链接数)，pα(i)，β(j)是在层(年龄组)α和层β中的任意两个节点之间建立链接的概率,kl为β层的任意节点的度,∑l∈β(j)kl是对β层所有节点的度进行求和。pα，β的值可以从群体的混合模式矩阵中提取：

14、

15、ki的值可以从任意的度分布中提取。混合接触矩阵需要满足互易性，即：

16、mαβnα＝mβαnβ (3)

17、其中，nα是层α中的节点数。按照此方法可构建耦合不同年龄层接触模式的多层接触网络，每一层的接触网络代表每个年龄段agent之间的交互。

18、其中，在步骤3中所述的“根据疾病特征改进流行病传播模型，基于构建的接触网络进行流行病传播的动态模拟分析”，其具体做法如下：基于复杂网络理论，根据传染病的发病机理和传播规律，构建符合流行病特征的随机离散的仓室模型，本发明改进了传统的流行病模型构建符合实际病例特征的传染病数学模型，结合疫情数据进行拟合分析确定模型中的参数值，基于改进的模型模拟流行病的动态传播过程，深入理解传染病的发展趋势。

19、其中，在步骤4中所述的“基于模拟结果深入理解流行病动态传播机制，预测由自然感染实现的群体免疫阈值”，其具体作法如下：考虑流行病在没有疫苗等其他遏制措施情况下人群中传播，从流行病传播规律中确定发病曲线的拐点(最大值处)，即实时再生数r(t)小于1，流行病传播开始减弱，此处即为由自然感染实现的群体免疫阈值。

20、其中，在步骤5中所述的“考虑不同的疫苗接种方案对人群进行一定比例的接种，根据流行病动态传播结果探索人群最终感染率，预测由疫苗接种实现的群体免疫阈值”，其具体作法如下：考虑三种不同的疫苗接种方案，(1)经典的随机大规模疫苗接种；(2)基于行为的疫苗优先接种方案，即优先接种那些最易传播感染的人群；(3)年龄优先接种策略，即首先针对最年长的人进行接种，然后根据个人的年龄以递减的方式进行接种；按照不同的接种方案，在模拟流行病传播初始化时进行一定比例的接种，模拟流行病在人群中传播，根据最终处于恢复态的比例预测由疫苗接种实现的群体免疫阈值。

21、通过上述步骤，可以完成对基于复杂网络理论的流行病群体免疫阈值预测方法的构建，用于政策制定者在设计和实施流行病防控措施和疫苗接种策略前对通过该方法预测的群体免疫阈值进行最优的疫苗部署策略。随着流行病的传播规模越来越大，人际接触间复杂的异质性使得传统的计算方法无法给出准确且符合实际情况的群体免疫阈值。本发明的方法基于复杂网络理论和数据驱动交叉融合的角度考虑流行病的病理特征和收集的人际接触数据，构建耦合不同年龄层接触模式的多层接触网络，改进传染病的数学模型，进而模拟流行病动态传播过程，预测分别基于自然感染和基于不同疫苗接种策略下实现的群体免疫阈值，不仅能够有助于优化疫苗接种战略部署更高效地达到群体免疫，还有利于保障公众健康，维护公共卫生安全。

22、(三)本发明的优点及功效

23、本发明与现有技术相比的优点在于：本发明通过利用复杂网络理论基于收集的人际接触数据对流行病的群体免疫阈值进行预测。现有预测方法是基于个体间的接触几率相似的假设，在实际社会中个体接触的多重异质性使得同质接触的假设不成立，因此基于传统方法计算得出的满足群体免疫所需的临界免疫人群比例是无法对实际情况给予准确预测。相比之下，本发明通过实际的人际接触数据，对人际接触矩阵按照年龄组重组链接，构建耦合不同年龄层接触模式的多层接触网络，根据流行病病理特征改进传染病数学模型，考虑不同疫苗接种方案下的疫苗接种比例对流行病传播机制的影响，从而实现对群体免疫阈值的预测。此方法有助于在传染病大规模流行初期对传播过程进行基于数据驱动建模，模拟流行病动态传播过程，预先对群体免疫阈值进行定量的预测评估，有助于制定者根据预估的需要多大比例的人群获得免疫力实施最优的疫苗接种方案，从而保障公众健康。