humoonruc / infectious-diseases-r

张丹：用R语言解读传染病传播模型

用R语言解读传染病传播模型

新冠疫情几次变异，极大地影响着我们的正常生活和工作。特别是2022年2月以来的Delta变异株感染，在上海和北京这种人口超大型城市中，有着超强的传染力。政府防疫工作的强力介入，隔离和居家已经是常态了，有新闻指出Delta变异株感染1人可传9人。

在流行病学领域，有几种不同传染病的传播模型，可以模拟病毒的传播过程。本次分享将使用R语言，来给大家演示病毒传播的过程。了解了病毒传播的逻辑，能让我们更加坚定战胜病毒的决心。

本次分享是微软的2022年build大会首发：https://mp.weixin.qq.com/s/AXbQO718ZwfYhJ--6bGKyA

个人介绍

张丹，青萌数海CTO, 数据科学家，微软MVP数据平台方向。10年以上互联网应用架构经验，在R、Java、NodeJS、大数据、数据挖掘等方面有深厚的积累。精通量化投资交易策略，熟悉**金融二级市场、交易规则和投研体系。 熟悉数据学科方法论，在海关、外汇等监管科技领域均有落地项目。

获得多项微软、SUN、IBM技术认证，多次在互联网技术、数据科学相关技术大会中担任演讲嘉宾。著有《R的极客理想：量化投资篇》、《R的极客理想：工具篇》、《R的极客理想：高级开发篇》，英文版图书被CRC出版集团引进，在美国发行。个人博客：http://fens.me

目录

• 传染病模型原理：自由增长模型、SI模型、SIS模型、SIR模型
• 用R语言手动实现
• 基于EpiModel包的自动化实现
• 如何获取新冠数据
• 北京的数据带入模型预测

代码：code目录

• model.r，按数学公式，手动编写模型代码，并进行传播模拟。
• model-epi.r，使用EpiModel包，进行传播模拟。
• beijing.r，获取全球疫情数据，抽取北京的数据，进行疫情的预测。

PPT展示

自由增长模型

SI模型

SIS模型

SIR模型

EpiModel包

SEIR模型

疫情数据获取

参考资料

由于我并不是传染病专业的，本次分享的内容，参考了很多互联网的资料，然后我再对资料按自己的逻辑进行整理、汇总和验证。

• https://zhuanlan.zhihu.com/p/104439779
• https://cloud.tencent.com/developer/article/1607390
• http://statnet.org/tut/BasicDCMs.html
• https://github.com/GuangchuangYu/nCov2019