仙桃10月30日新增本土无症状感染者1例（湖北仙桃疫情感染人数）

仙桃疫情最新消息

10月30日0-24时，全省新增本土确诊病例0例，新增本土无症状感染者82例，新增境外输入确诊病例0例，新增境外输入无症状感染者1例，新增疑似病例0例，新增死亡病例0例，当日出院病例0例，当日解除无症状感染者医学观察37例。

截至10月30日24时，在定点医疗机构治疗的本土确诊病例1例，疑似病例0例。尚在集中隔离医学观察的本土无症状感染者626例。

为指导全国各地做好当前新型冠状病毒感染疫情监测工作，制定本方案。

一、监测目的

及时动态掌握人群感染发病水平和变化趋势，科学研判和预测疫情规模、强度和流行时间，动态分析病毒株变异情况，以及对传播力、致病力、免疫逃逸能力及检测试剂敏感性的影响，为疫情防控提供技术支撑。

二、监测内容和方法

病例报告监测。

各级各类医疗机构按照现行规定开展病例诊断报告，按照要求做好重症、危重症和死亡病例的报告与订正。根据病情变化24小时内订正临床分型，病例出院后24小时内填报出院日期，病例死亡后24小时内填报死亡日期和死因诊断。动态分析病例，特别是重症、危重症和死亡病例变化趋势。对发现的重症、危重症、死亡病例和其他特殊病例，疾控机构要及时开展流行病学调查，并按要求上传相关流调报告。

核酸和抗原检测监测。

各地要利用属地新冠病毒核酸检测信息系统和居民自行测定抗原信息收集渠道，每日收集和逐级报告人群核酸检测和居民自行抗原检测数及阳性数。动态分析人群感染和发病情况。

哨点医院监测。

各地依托全国流感监测网络哨点医院，开展新型冠状病毒感染监测。每日统计门诊和住院患者人数、具有急性发热呼吸道症状人数、核酸检测数和阳性数、抗原检测数和阳性数，按照流感监测网络流程上报。要及时将病毒变异株全基因序列上报中国疾控中心病毒病所。动态分析门诊和住院患者人数、急性发热呼吸道症状患者人数、新冠病毒感染人数等变化趋势和病毒株变异情况。

重点机构监测。

各地对辖区内养老机构、社会福利机构开展疫情监测，对机构内被照护人员和工作人员开展健康监测和定期抗原或核酸检测。及时发现感染者和暴发疫情，控制机构内疫情传播。

学生症状监测。

省会城市选择城区内若干中学和小学在校学生开展哨点监测。学校对在校学生每日开展发热、干咳等新型冠状病毒感染症状监测，根据需要进行核酸和抗原检测。动态分析中小学生新冠病毒感染变化趋势。

病毒变异监测。

各地对部分陆路、航空和海港口岸城市入境人员、哨点医院就诊患者、重点场所和重点人群中核酸检测阳性标本，以及重症和死亡病例标本等开展新冠病毒全基因组测序工作，将序列按时报送中国疾控中心病毒病所。实时掌握病毒株变异趋势，及时捕获新变异株，分析变异对病毒特性、免疫逃逸能力等的影响。

新冠病毒污水监测。

选择有条件的城市布点探索性开展污水监测，采集污水处理厂污水样本开展新冠病毒核酸检测，对阳性样本进行病毒基因测序，动态了解环境样本阳性率和病毒量变化，跟踪污水阳性样本的病毒基因序列变化。各地可以根据需要增加监测点。

三、监测信息报送

各地监测预警专班要按照《关于开展新冠肺炎疫情相关信息报送工作的通知》要求，以及监测系统要求，按照规定时间及时上报监测信息。

四、监测预警分析

各地要组织业务能力强的专家和团队参加监测预警专班，强化与相关高校、科研院所合作，发挥大数据、人工智能和数学模型等技术优势，增强数据自动分析和辅助研判能力，提高监测预警准确性和敏感性。要每日分析疫情监测信息，科学研判疫情规模、强度和范围，预测疫情变化趋势和流行时间，评估疫情风险，及时为各地疫情防控提供技术支撑。

五、组织实施

监测工作由国家疾控局总体组织协调，由中国疾控中心负责具体组织实施。各省成立监测预警专班，负责工作的组织落实。各地疾控机构、医疗机构、教育部门、部分重点机构负责完成有关监测工作和信息报告工作。

》》

》》

北京感染比例为388例最新。根据查询相关信息资料：12月23日，北京疫情感染人数通报：据北京市卫健委最新通报，12月22日0时至24时，北京新增本土确诊病例388例，高风险地区0个。北京昨日无新增本土死亡病例。

生活不易，小编叹气。只能写写资讯聊以自慰了。今天天气不错，正适合读读最新资讯放松一下。

近来，一个关于美国和欧洲疫情数据的神预测的日更博客，在网上火了。

到底有多神呢？略举二三，如下：

－ 3月27日起的连续10天里，该博客对美国感染人数的预测准确率都在90%以上，其中在4月4日准确率接近100%。

－ 3月31日，该博客预测美国疫情将在8-10天内当检测人数超过200万的时候出现断崖式下跌；7天之后，也就是4月6日，美国疫情数据出现断崖式下跌，增幅从1243%降为813%这篇文章引起了巨大反响，阅读量超过134万。

－ 3月27日以来，该博客对欧洲感染人数的每日预测平均准确率达到97%，其中在4月份的前五天，预测准确率接近100%。

李志斌对美国感染人数的预测，准确率高达90%

对此，有网友评论称：大神，病毒都听你的，绝了。

要知道，新冠肺炎疫情的爆发是一个涉及到政治、经济、地理等诸多复杂因素的全球性重大公共事件，对具体人数的预测听起来就像是天方夜谭，准确率更是一门玄学所以，能够实现上述的预测成绩，这个博客背后的博主堪称是当代神算子了。

那么，这位神算子是怎么炼成的？

清华大学毕业+8年市场预测经验

这个博客背后的博主，也就是神算子本人，名为李志斌。

李志斌，1980到1985年就读于清华大学计算机系，1985到1994年，他就读并就职于中科院，三十岁担任副研究员、产品部主任、所长助理，1994年移居新西兰，后定居香港至今，现任香港致佳物流软件有限公司、香港易经科技有限公司总经理。

李志斌博客截图

在李志斌所在的这两家公司中，前者的主营业务是物流系统开发；后者有香港中文大学背景，主要业务是市场需求预测，也就是为企业提供在未来3到6个月内特定区域的产品需求、价格波动等方面的数据分析和预测。

李志斌表示，他从2012年开始进入数据分析和预测领域，由于易经公司的香港中文大学背景，李志斌也从教授们那里耳濡目染学了不少东西。

另外，从技术层面来说，李志斌在清华大学计算机系的学习经历，也让他在软件建模、大数据分析等方面已经形成一个完备的知识体系；同时，清华大学的理工科学风和背景，也让他更加重数据、重证据、重例举，而不是重结论。

所有这些加起来，让李志斌对数据非常敏感。

去年底今年初，武汉开始报告病例，香港也出现疑似新冠病毒患者，这让长期身在香港的李志斌颇为警惕；到了2020年1月7日，香港特别行政区政府宣布新冠肺炎为法定传染病，并开始向公众通报疫情数据，由此，李志斌开始了对新冠肺炎相关数据的追踪。

从那时开始，李志斌每天早上起来进行集中数据采集，一开始只是武汉、湖北、香港的数据，后来是内地其他地区数据，到了1月下旬，开始收集海外数据，并整理成Excel表，同时开始利用自己的专业知识进行数据建模，并结合新闻中的数据对官方通报数据进行分析和判断。

最初，李志斌只是在清华的同学群里分享数据和观点，后来也每天花出30分钟的时间来博文，并发表在新浪博客上。如今，这已经形成了每天的习惯。

当然，对于李志斌而言，除了对常规的数据进行收集、整理和分析之外，他也在不断结合自己的专业知识来构建一个数据模型，并且不断对这个模型进行参数补充和验证，使之达到预期中的效果。

到了3月27日，李志斌在数据模型已经趋于稳定的基础上，第一次给出了针对美国感染情况的预测数据；3月28日，他又给出了针对欧洲感染情况的预测数据。

李志斌对欧洲感染人数的预测，平均准确率高达97%

在他的预测中，不仅仅包含感染病例数量，还包括感染增速、峰值时间、总感染人数、总死亡人数、死亡率等数据当然，感染人数是他用来衡量预测准确率的最为重要的指标。

就连李志斌自己都没有想到，自己的预测数据会那么准。

但是李志斌强调，没有人可以100%准确预测未来，一定要滚动预测。

他表示： 预测是一个动态过程，因为好多即时措施、事件等突发因素，是无法预测的，这个时候需要把这些突发事件和决定等因素变成对参数的调整，反馈到预测模型中，使之运行更加准确。我的预测模型、预测参数也在不断完善过程中。

再好的软件也不能100%预测准确

李志斌的预测，离不开两个核心要素：数据，和预测模型。

首先是数据的可信度问题。在采访中，李志斌表示，自己从1月份开始每天收集数据，一开始只有武汉和香港有数据，一直到现在，每天收集上百个国家和地区的数据。

李志斌强调，在数据收集和分析的过程中，一定需要甄别数据冲突的出现；尤其是在官方通报的数据量比较大的情况下，会用好多方法包括新闻数据去检查不同地区的数据之间可能存在的数据冲突，数据冲突点越多，数据的可信度越低。

同时，在判断数据真实性的过程中，要看数据发布的速度；数据发布频率越高，那么可信度就会更高一些而南亚、东南亚地区发布的数据比较少、比较慢，可信度就会打折扣。

来自美国CDC官网的疫情情况

另外，在对数据的可信度进行判断时，还可以借用新闻数据来做对比。李志斌告诉雷锋网，比如说，医生和病人之间的比例是比较稳定的，那就可以用新闻中报道的医疗人员数量，来反推病人数量。

他表示，其实，所有的数据都可能存在一些人为的误差或者统计误差，没有任何地区的可信度是百分之百；但是相对来说，美国的数据冲突比较少，在可信度上高一些，欧洲的数据可信度次于美国，因为西欧与东欧之间的不平衡，所以会取平均值。但印度、东南亚、日本等地区的数据就似乎存在一些问题，数据发布慢、数据冲突点较多，影响了数据可信度的设置。

到二月底，在之前以国内数据为基础建模、验证的基础上，李志斌开始对美国、欧洲两个地区进行疫情数据预测。于是，在数据的基础之上，李志斌打造了一个预测模型实际上，这是一个极为复杂的模型，加起来有上百个参数，其中重要的参数有二三十个，分为以下三类：

第一类是疫情参数不同地区/国家/城市确诊人数、人口、每日新增确诊人数、疑似人数、每日检测人数、死亡人数、治愈人数、在诊人数、入院人数。

第二类参数与地区/城市/国家特征相关城市类型、人口密度、气温、天气、城市60岁以上老年人口比例、城市平均年龄、城市建设情况。

第三类参数是关于资源和管治能力医疗资源、病床数量、社会组织能力、信息透明度、管理方式等等。

李志斌表示，在实际的操作过程中，一般是先用Excel收集数据，然后导入到后台数据库中，在用自己开发的软件模型来得出三个结论，最后自己会再人为地就结果进行判断他强调，有很多参数是不能量化的，比如说社会情绪；所以需要人为参与。

他还表示：再好的软件也不能百分之百预测准确。

当大船和小船同时遇见冰山

毕业于清华大学的李志斌，有着超越数据分析之外的超前洞见和思维。

比如说，在建模过程中，李志斌是从国内的数据开始的，这些数据不仅对李志斌的建模过程产生了重要影响，也让他得出了一些观察。于是，武汉封城前一天，他就在自己所在的清华80同学群里和同学们分享了两个想法：

一是武汉应当立即封城，因为数据上升太吓人；

二是在湖北尤其是武汉地区快速建立二三十个网格式野战医院，作为隔离救治中心，所谓野战医院，也就是后来的方舱医院，因为疫情发展太猛，隔离病人是比治疗更为关键的防控措施。

这些想法在同学群里引起了很多讨论，当然也有质疑和反对，但更多的是同学们的积极参与，并提出了好多更好的想法和建议，获益良多。后来的事实证明，这些想法都是中肯的，并且也被官方后续采取的措施所印证其中关于野战医院等想法更是超前了两周。

除了上述建议，李志斌还在数据分析和模型构建的过程中发现，成为疫情爆发点的城市往往具备几个特征：

老城区；

气候潮湿；

气温5-15度；

下水系统老化；

老年人比例高。

值得一提的是，在不同国家的疫情爆发城市，如中国武汉、韩国大邱、意大利米兰、伊朗德黑兰、美国纽约等，都大致符合这些特征。

对于这些特征的归因，李志斌强调，其中夹杂了个人的主观合理猜测，但也经过一系列的结果验证，最终才体现在预测结果中。

他还表示，实际上，在参数中，还涉及到社会组织方式、管理模式、社会信息透明度等问题，所以他在预测中也会把结果设定为悲观或乐观。

如果按照李志斌在在4月4日给出的悲观预测结果，他对美国感染人数的总体预测准确率高达96%。

李志斌对美国感染人数的预测，准确率高达96%

不过，在专访中，尽管有人为参与，但李志斌还是强调了数据在决策中的绝对地位。他表示，即使是抛开疫情不谈，在一个日常的决策过程中，数据的重要性可以说是百分之百的；这些数据不仅仅要真实，而且要全面，还要透明，即使在后续过程中有人的参与，也是要基于这些数据判断而来的数据，正是决策的基础。

那么，基于数据的决策，有多大的覆盖面呢？

李志斌认为，即使是新冠肺炎疫情这样的颇具偶然性、又包含政治、经济等复杂社会因素的群体性公共事件，也是可以预测的。

他表示，类似于传染病的情况，它的发展存在着一种特定的模式，偶然之中有规律在，我们也许无法掌握100%准确的规律，但是在一定的规律占比下，我们依然可以做出一些判断和决策当然前提是巨大的有效数据量。

由此，李志斌还谈到了一个有趣的比喻：

一只大船和一只小船，在突然遇到冰山时，它们势必要拐弯；但相对来说，大船的结局显然更具有可预测性。小船一下子就改过来了，但大船的体量太大，有一个惯性，因此它有更大的可能性撞上冰山这个惯性就是规律，而船的体量本身，就是数据量。

数据量越大、数据越准确、相关信息越透明，这种群体性事件发生的时候就越容易预测、且预测越准确李志斌最后如是说。

欲要知晓更多《准确率一度100%！清华校友神预测美国疫情》的更多资讯，请持续关注深空的科技资讯栏目，深空小编将持续为您更新更多的科技新闻。

本文来源：深空游戏 责任编辑：佚名王者之心2点击试玩

全国城市高峰期感染疫情的人数的回答：

国家卫健委和国务院发布最新疫情防控新政策以来这段时间，尤以12月15日至25日期间，全国各地的奥密克戎病毒感染较为严重，全国各地城市的疫情峰值在12月20日最高。以郑州、沈阳为例：城市市区感染病毒人数为30%左右，感染人群以在岗人员和学生之多。据权威部门估计：第一次疫情高峰，郑州1270万人中有300余万人中招：沈阳900万人中有250余万人中招。

综上所述，全国各地的疫情感染程度不一，第一次疫情高峰保守估计也有近亿人感染奥密克戎病毒。

全国各城市感染人数在60%以上。新的一年到来，新冠感染似乎也快要进入决赛圈。有些地方仍处于不断上升期，预计1月初达到感染高峰。

1、四川：整体感染发病或超八成。2022年12月30日晚间海南省疾控中心发文介绍，截至12月27日12时，共有33682人填写了第二轮海南省新冠病毒感染情况网络调查问卷。分析称，调查对象中有355%的人在12月19-25日期间感染新冠病毒，上轮（12月12-18日）感染率（56%）上升53倍。此外，30日，海南省新冠疫情防控新闻发布会通报，近日，海南省每日新增新冠感染人数处于高位波动期，全省预计感染率已达50%。三亚市、海口市整体上已过感染高峰。

2、舟山市估算全市目前感染人数比例达到30%至40%，总感染人数40万人，于12月底进入疫情高位平台期，高峰期维持一周