基于Bayes推断的COVID-19流行病干预政策评估

来源：华东师范大学学报·哲学社会科学版杂志2025年第3期北京时间：

作者：罗俊藤, 唐明

摘要：为应对2019 年新型冠状病毒病 (corona virus disease 2019, COVID-19) 的大流行, 全球197个国家采取了各种防控政策, 取得了不同程度的抑制效果. 许多学者利用数学建模分析了各种非药物干预和疫苗接种政策对COVID-19传播的影响, 但这些研究主要侧重于定量评估干预政策对COVID-19再生数的影响. 建立了一个双层Bayes模型, 并基于Bayes推断分别定量评估了不同政策对COVID-19感染和恢复过程影响的有效性; 将干预措施分为公共卫生干预政策和管控政策两大类. 结果显示, 两类干预政策都可以降低COVID-19的感染率, 提高COVID-19的恢复率; 但干预政策的类型对传播过程和恢复过程的影响有明显的倾向性, 即公共卫生干预政策更有助于COVID-19的恢复过程, 大多数管控政策及部分公共卫生措施对COVID-19的传播过程影响较大.

关键词：COVID-19,传播,恢复,Bayes推断,政策评估,

基金资助：国家自然科学基金(12231012, 11975099); 国家自然科学基金-国际合作项目(82161148012)