基于EM算法和流行病学史数据的COVID-19传播模式分析

2019年12月中国发现一种新型冠状病毒,后被命名为COVID-19.目前,大量的研究都集中在COVID-19确诊病例数据的建模分析.然而,信息含量更加丰富的流行病史数据却没有得到很好地分析.流行病史数据包含每个感染个体的接触史信息,能够更加全面地反映病毒的传播特征.但是,流行病学史数据中也存在一定的数据缺失,为建模分析带来挑战.本研究以分支过程为基础,建立带有异质性的病毒传播模型来分析流行病学史数据.利用EM算法来处理流行病学史数据中的常见的数据缺失现象.我们通过模拟数据集验证了EM算法的有效性,并将新方法应用于分析实际的数据(来源于公开数据),得出了新的COVID-19传播特征信息.