一、模型：

采用本人编写的COVID19_SEIR_ODE。

编写过程中参考了SEIR、deSolve、常微分方程ODE、延迟微分方程DDE等相关资料，对常见的SEIR模型作了改变。由于DDE的代码实现难度，本人最终放弃原来想以DDE方程建模的设想，仅以ODE建模。

实现环境：R 3.6.3+deSolve+ggplot2。

二、SEIR模型变化：

1、I分解成发病和入院两类。

2、R分解为治愈和病故两类。

3、增加限制人口流动和接触的控制事件，以降低易感人群规模。

三、案例初始假定条件：

1、边界封闭，无人口流出流入。

2、不考虑医院收治能力限制。

3、潜伏期5t，发病至入院4t，住院至治愈13t，住院至病故10t。

4、病故率3%，治愈率>90%。

5、发病者接触感染概率0.1575，潜伏期接触感染概率0.7875（参考钟南山团队数据）。

6、人口基数1000万。

四、模型中的事件触发时点：

10t（无控制条件下，住院数达到百人以上），20t（无控制条件下，住院数达到千人以上）。

五、结果（D为病故，R为治愈，Ih为住院诊治）：

1、无控制条件下

Dmax=40万，Rmax=945万，Ihmax=450万

是不是有种如果不控制，每个人都会被过筛子的感觉？

2、10t时易感人群降至80%，20t时再降至40%。

Dmax=13万，Rmax=303万，Ihmax=104万

3、10t时易感人群降至50%，20t时再降至25%。

Dmax=1.88万，Rmax=43万，Ihmax=8万

上图已经不明显了，加一张不包括人口和易感人群的图。

4、10t时易感人群降至50%，20t时再降至15%。

Dmax=4千，Rmax=9.3万，Ihmax=3.2万

好像找到了悲情城市武汉的视感，嗯。

六、结论：以上结果说明，在无法改变感染概率、治疗手段没有重大突破的条件下，在传染爆发早期采取限制人口流动和人际接触的措施，降低易感人群，对疫情防控可以起到关键性的作用。

原创声明：内容均为本人原创，数据本人模型可验证，转载请注明出处。另外，本文仅作学习参考，不作为实际案例研究。