基于回歸分析的埃博拉疫情研究

童易成等

[摘要]針對埃博拉病毒的影響程度，利用線性回歸、非線性回歸、函數變換等分析方法，分別建立疫情較為嚴重的幾個國家的埃博拉病毒感染人數規模變動、新藥研制期限模型，運用Matlab7、Excel等軟件計算得出埃博拉疫情爆發與時間的關系及研制對抗埃博拉病毒新藥的最終期限。

[關鍵詞]埃博拉疫情；線性回歸；非線性回歸

[中圖分類號]R1818+1[文獻標識碼]A[文章編號]

2095-3283（2015）08-0140-03

[作者簡介]童易成（1993-），女，安徽安慶人，本科生，研究方向：經濟統計。

[通訊作者]朱家明（1973-），男，安徽泗縣人，數學建模實驗室主任，副教授，碩士，研究方向：應用數學與數學建模。

[基金項目]國家自然科學基金（項目編號：11301001）；安徽財經大學教研項目（項目編號：acjyzd201429）。

埃博拉（Ebola virus）是一種能夠引發人類和靈長類動物產生埃博拉出血熱的烈性傳染病病毒，十分罕見，死亡率也相當高。1976年這種病毒在蘇丹南部和剛果（金）（舊稱扎伊爾）的埃博拉河地區被發現后，引發了醫學界的廣泛關注和重視，該病毒也因此得名。本文根據從世界衛生組織獲得的埃博拉病毒在非洲各國爆發的感染和死亡數據，按照當年感染人數規模，選取疫情較為嚴重的國家進行研究，并分析研制出治療這種疾病的新藥的最終期限。

一、埃博拉病毒感染人數規模變動趨勢

（一）研究思路

根據從世界衛生組織獲得的關于埃博拉病毒在非洲各國爆發的感染和死亡數據，按照當年感染人數規模，選取疫情較為嚴重的國家搜集相關數據，大致擬合出這些國家的感染人數的趨勢方程，并根據方程判斷埃博拉病毒感染人數規模變動情況，做出正確預測。

（二）數據處理

根據世界衛生組織的相關數據，選取剛果民主共和國、蘇丹、加蓬、烏達干四個疫情較為嚴重的國家（見表1）。

根據表1數據分別繪出埃博拉感染和死亡人數與年份的折線圖（見圖1）。由圖1可知，1976年、1995年、2000年、2003年、2007年埃博拉病毒疫情爆發規模較大，感染人數在（178，602）范圍內，時間間隔分別為19、5、3、4年，爆發周期縮短，可見埃博拉疫情爆發趨于頻繁。

圖11970—2010年埃博拉病毒感染人數與死亡人數

由于不同年份感染人數存在較大差別，故將因埃博拉病毒導致的年感染人數超過150人的年份定為一級疫情年份，年感染人數在150人以下的定為二級疫情年份。一級疫情的年份周期浮動在3—5年，由此推斷2006—2025年期間一級疫情爆發的年份將在區間[2003+3i，2005+3i]之內。

通過線性擬合的方法處理1979年以來的埃博拉病毒一級疫情年份的感染人數數據，用于模擬疫情感染人數的趨勢：y=a+bx，通過軟件Matlab7計算得到a=10921，b=5548，即：y=-10921+5548x。該公式表示自1976年首次爆發疫情后的第x年感染人數為y。

然而，由于一級疫情年份與二級疫情年份是呈周期性變化的，并非單純直線增長，所以實際中每次埃博拉疫情出現時的感染人數y與此處擬合值偏差很大。從擬合的直線得到b=5548>0，可知埃博拉一級疫情爆發呈周期性增長趨勢。由圖1也可知二級疫情年份的爆發也呈周期性增長趨勢。可以建立方程式如下：

y=a1（n-1975）+b1，n為一級疫情年份a2（n-1975）+b2，n為二級疫情年份

n∈[2003+3i，2005+3i]，i=1，2，3，4，5，6，7

通過計算得到a1=75321，b1=19101，a2=26042，b2=21471，即

y=

75321（n-1975）+19101，n為一級疫情年份26042（n-1975）+21471，n為二級疫情年份，

一級疫情年份n∈[2003+3i，2005+3i]，i=1，2，3，4，5，6，7

由此可以得到2006—2025年的疫情情況（見表2）。由于一級疫情爆發具有周期性，但這種周期只是一個范圍，并不能具體到特定的數字，所以選取其中的一種情況，即周期是3年時，預測2006—2025年間埃博拉病毒感染人數。

（三）結果分析

由表2可知，在埃博拉疫情爆發后，沒有藥物介入治療的情況下，2006年的感染人數為103人；2007年出現一級疫情時，感染人數為433人；到了2010年，感染人數達到568人。基于埃博拉疫情規模逐年遞增的特點，疫情如果得不到有效的藥物控制，死亡人數將是相當可觀的，這不僅對非洲人民甚至對全世界來說都將是巨大的災難。

二、治療埃博拉感染新藥研制最終期限的研究

（一）研究思路

在埃博拉疫情爆發初期，由于得不到社會的足夠重視，所以疫情處于自由蔓延時期，感染和死亡人數都會不斷增長。但在到達高峰期后，感染和死亡人數會逐漸減少，然后保持平穩。因此，從疫情初發期到高峰期不妨設定每位感染者平均每天可傳染的人數是固定不變的。

（二）數據處理

埃博拉病毒在感染者體內的侵染過程可分為三個階段。第一階段：假如一個人不幸感染埃博拉病毒，在感染初期埃博拉病毒已經開始摧毀人體的免疫系統，這類病毒的潛伏期一般是5—10天；第二階段：埃博拉病毒進一步侵染感染者的身體，幾天后便達到感染者身體承受極限，一些幸運的感染者通過有效治療病情沒有進一步惡化并慢慢痊愈，而其他一些感染者則會發展到致命階段；第三階段：絕大多數感染者將因為多個器官衰竭、出血不止或者是休克而死亡，這種情況一般發生在第一次發病后的8—17天之間。endprint

關于這類問題的研究，可以通過建立阻滯增長模型來解決。阻滯作用體現在對感染病人的增長率r的影響上，使得r隨著感染人數y的增加而下降。若將r表示為y的函數ry，那么可以看出該函數是一個減函數。因此有：

dxdt=ryy，y0=y0（1）

對ry的一個最簡單的假定是，設ry為y的線性函數。即：

ry=r-sy r>0，s>0 （2）

設自然資源和社會環境條件中的最大人口數量為ym，當y=ym時感染人數不再增長，即增長率rym=0，代入式②得： ry=r1-yym （3）

將式（3）代入方程（1）得： dydt=ry1-yymy0=y0 （4）

解方程（4）可得： yt=ym1+ymy0-1e-rt （5）

從官方新聞媒體中收集整理數據，得到2014年埃博拉疫情較為嚴重的幾內亞、利比里亞和塞拉利昂3個國家的感染和死亡人數數據（見表3）。

將2014年3月22日作為時刻t=1，則4月1日為t=11，以此類推，以11月7日為t=231作為終時刻，用函數（5）對表2中的數據進行非線性擬合，運用相關軟件計算得到相關參數ym=14618，可決系數R2=09916。同時也可以利用公式：

r=∑ni=1xi-yi-∑ni=1xi-2∑ni=1yi-2

計算出相關系數r=0026。

由可決系數來看，擬合效果比較理想，所以得到2014年埃博拉感染和死亡人數變化趨勢的擬合曲線為：

y（t）=146181+14618602-1e-0026t

（三）結果分析

由阻滯增長模型可以看出，對于整個社會而言，埃博拉病毒感染人數的增長速度與時間呈現以下趨勢（見圖2）。由圖2可知，高峰期時增長速度達到最大，因此應最遲在ym/2時刻，即高峰期時刻研制出抑制病毒發展的新藥并采取相應隔離措施控制疫情。

圖2埃博拉病毒感染人數的增長速度與時間

對于感染者而言，根據埃博拉病毒的潛伏期、首次發病、死亡三個階段，運用模糊集合的思想，利用函數變換方法，建立感染者從健康狀態開始（第0天）到感染埃博拉病毒至死（第27天）的時間周期內健康指標隸屬函數。K表示健康指標，t表示時間。

K=-008t+10≤t<5-002t+075≤t<10-215t+5610≤t<13（t-27）14013≤t≤27

在潛伏期前健康指標整體下降05，第二個階段即潛伏期后健康指標下降速度加快。由第二階段至第三階段為病情蔓延的重要轉折點，此時一些感染者病情好轉，而也有一些感染者病情加快惡化，甚至死亡。因此，感染者應在轉折點及第二階段之前及時接受隔離及服用藥品（見圖3）。

三、結論

以上各模型通過相應的軟件檢驗，具有一定的合理性。分析結果表明，埃博拉疫情規模呈逐年增長趨勢；相關部門應在疫情爆發的高峰期研制出治療病毒的新藥；感染者在感染病情的第二階段（5—10天后）接受藥物治療，將會達到最好的效果。

[參考文獻]

[1]陸軍，郭迎清等線性擬合法建立航空發動機狀態變量模型[J]航空動力學報，2011（5）：1174-1175

[2]李柏年，吳禮斌Matlab數據分析方法[M]北京：機械工業出版社，2012：44-47

[3]鄭洲順，曲選輝Logistic阻滯增長模型的穩定性與混沌[J]數學理論與應用，2003（1）：57-58

[4]陳永勝基于MATLAB和SPSS的非線性回歸分析[J]牡丹江師范學院學報，2009（5）：101-102

[5]曾五一統計學簡明教程[M]北京：中國人民大學出版社，2012：55-57

Abstract：Aiming at the influence level of the Ebola virus，using linear regression and nonlinear regression，the methods such as function transform，respectively established outbreak given infection people in the countiies epidemic is scale changes，the new drug development deadline model，calculate using Matlab7，Excel software such as Ebola outbreak and the relation between the time，the dealine that new drugs should be developed to fight the virus

Key words：Ebola epidemic；linear regression；nonlinear regression

（責任編輯：劉茜）endprint