行程卡也下线了!大家开始囤药……“全面放开”后疫情什么时候是个头...

〖壹〗 、通信行程卡下线与“全面放开
”通信行程卡下线：12月13日0时起 ，“通信行程卡”服务正式下线，短信、网页
、微信小程序、支付宝小程序 、APP等查询渠道同步下线 。这标志着通信行程卡正式退出历史舞台。

〖贰〗
、“通信行程卡 ”于12月13日0时起正式下线
，中国移动同步依法删除用户行程相关数据以保障个人信息安全
。 以下为具体说明：下线背景与决策依据根据国务院联防联控机制综合组要求，为进一步优化新冠肺炎疫情防控措施、科学精准开展防控工作 ，“通信行程卡
”服务被正式下线。

〖叁〗 、“通信行程卡”于12月13日0时正式下线
，短信
、网页、微信小程序 、支付宝小程序
、APP等查询渠道同步下线 。

可能会说谎的地图!全国疫情地理格局的重新审视

由于分级操作导致同一等级的数量差异被消除，同一等级的差异无法捕捉 ，这是一种地图对疫情“说谎 ”的情形
。比例分级方法的优势与不足：依据病例数量按照统一的比例进行符号化
，每个地市病例的数量与符号的尺寸成正比，人眼对尺寸变量极为敏感 ，可非常直观地捕捉到不同地市病例的数量差异及其空间分布关系（如图8）。

关于传染病的数学模型有哪些?

〖壹〗、传染病的数学模型是流行病学家理解疾病传播规律 、预测疫情发展的重要工具
，主要分为以下几类： 基础模型：SIR模型SIR模型将人群分为三类状态：易感者（S）
、感染者（I）、康复者/移出者（R） 。其核心是通过常微分方程描述三者的动态转换：dS/dt = -βSI：易感者因接触感染者而减少，接触率用β表示
。

〖贰〗 、感染者、康复者等人群数量随时间的变化。经典的传染病模型包括SI模型
、SIS模型和SIR模型 。

〖叁〗、SI模型SI模型是最简单 、最理想化的传染病模型 ，它将人群分为两类：易感者（S）和感染者（I）
。模型假设一旦个体被感染
，将永远保持感染状态，无法恢复。模型特点：适用于描述那些感染后无法治愈或长期携带病毒的传染病 。模型简单 ，易于理解和分析
。

〖肆〗
、常见的传染病模型包括SI、SIS 、SIR
、SIRS和SEIR模型。其中，S代表易感者
，即没有免疫力的健康人，E表示暴露者 ，接触过感染者但尚未具备传染性的阶段
，I指患病者，具有传染性 ，而R是康复者
，可能有终身或有限的免疫力 。通过这些群体的交互，构建出各种复杂的模型。

〖伍〗、SIRS模型是一种适用于康复者具有暂时性免疫力的传染病传播模型 ，其核心是通过微分方程描述易感者（S） 、患病者（I）
、康复者（R）三类人群的动态变化过程
。模型背景与适用场景SIRS模型适用于描述康复者免疫力会随时间消退的传染病传播过程
，例如流感、普通感冒等非终身免疫性疾病。

〖陆〗 、SIR传染病模型是一种用于描述传染病传播动态的经典数学模型，它将人群划分为易感者（S）
、感染者（I）和康复者（R）三类 ，通过微分方程组刻画三类人群数量随时间的变化规律 。

国防疫情粘土模型怎么做

准备牙签、黏土工具 、纸板、剪刀
、黏土白色、黑色 、蓝色
、肉色、紫色 、黄色
、绿色、橙色等
。找好模型
，然后对照样子，用粘土做。上面就是国防疫情粘土模型的材料和做法 。

先准备一张长方形卡纸作为国旗底板 ，取黄色黏土搓成细长条，弯曲成旗杆的形状粘贴在卡纸一侧
。接着用黄色黏土捏出五角星
，可借助五角星模具或手工精心塑造，将捏好的五颗五角星按照国旗上五角星的位置和大小依次粘贴在卡纸上。

纸壳天安门模型材料仅需废弃纸壳 ，通过裁剪 、拼接完成 。制作时可将纸壳切割为天安门主体
、城楼、屋顶等部件
，用胶水或胶带固定
。此方案强调废物利用与红色文化教育，适合培养爱国情怀。学生可通过观察天安门建筑结构 ，理解对称与比例关系
，同时学习历史背景知识 。

A4纸折坦克材料仅需普通A4纸，通过裁剪与折叠实现立体造型
。制作步骤：将A4纸横向裁成三等份 ，取一份短边对折后展开
，两侧短边沿中线向内收拢成三角形；翻转纸张，将两侧边沿中线再次对折 ，形成坦克车身的两侧装甲；重复操作完成多个部件后
，通过插合方式拼接成完整坦克模型。

针对新冠疫情的特殊性对基于SEIR模型的改进(二)

〖壹〗 、在新冠疫情的背景下，传统的SEIR模型需要进行相应的改进以更好地反映疫情的实际传播特性 。Reza提出的第二种模型扩展 ，即Model II，是对SEIR模型的一个重要改进
，它通过将暴露的恢复与感染的恢复分开，提供了更细致的疫情传播描述。

〖贰〗
、模型：改进SEIR模型 ，引入疫苗接种率参数（Vaccination Rate
， VR）
。dS/dt = -β*S*I/N - VR*S dE/dt = β*S*I/N - σ*E dI/dt = σ*E - γ*I dR/dt = γ*I + VR*S检验方法：卡方检验对比接种/未接种人群感染率，皮尔逊相关系数分析疫苗覆盖率与传播指数相关性。

〖叁〗、基于模型推算的预测 兰州大学黄建平院士团队使用全球新冠肺炎预测系统（GPCP）和改进的传染病模型（SEIR）对新冠大流行的发展进行了预测 。该团队预测 ，新冠大流行将在2023年11月左右结束
，但这一预测是基于当前大流行发展情况做出的，并指出如果后续出现更容易传播的突变株 ，预测结果将作出相应调整
。

〖肆〗 、模型扩展：SEAHIR模型是广泛使用的SEIR模型的扩展。SEIR模型是一种经典的流行病学模型
，用于描述疾病在人群中的传播过程 。SEAHIR模型在此基础上进行了改进和扩展，以更好地适应新冠病毒的传播特性
。数学建模：该模型通过对潜伏期传染病的传播进行数学建模 ，能够更精确地模拟新冠病毒在人群中的传播过程。

人工智能+大数据将如何助力疾病预测?

〖壹〗、监测数据显示
，应用流感
、手足口病预测模型，可以提前一周预测传染病发生情况 ，流感和手足口病预测模型的准确率均达到86%以上，高发季预测准确率可达到90%以上；应用慢阻肺智能筛查模型
，可大幅减少筛查成本，提高筛查效率 。该模型的准确率达到92%
。

〖贰〗、近来人工智能在疾病预测方面的应用主要包括基因层面疾病风险预测 、致命心脏疾病风险预测
、慢性病发展趋势预测以及疾病爆发趋势和区域预测；方法涵盖数据整合、贴近临床价值的预测目标设定 、多模态跨尺度解析以及关注可解释性和临床可用性。

〖叁〗
、大数据技术与人工智能结合 ，为疫情预测提供强大计算能力
，可将复杂的现实难题变得易于处理 。