在传染病防控领域，准确预测疾病传播趋势是制定有效干预措施的前提。手足口病（Hand, Foot, and Mouth Disease, HFMD）作为一种常见的儿童传染病，其传播受到复杂的社会、环境因素影响。传统的预测模型，如经典的SEIR或SIR模型，通常依赖于静态参数，它们假设疾病的传播率、恢复率等在预测期内保持不变。然而，现实世界是动态变化的，尤其是在采取隔离、停课等公共卫生干预措施后，疾病的传播态势会发生显著改变。忽略这些动态干预影响的模型，其预测结果往往与实际情况存在较大偏差，导致“模型好看，实战失灵”的窘境，难以真正服务于精准防控决策。那么，能否构建一个能“感知”现实干预、并随之动态调整的“聪明”模型呢？
为了回答这一挑战，一篇发表在《Scientific Reports》上的研究提出了一个创新的解决方案。研究人员旨在开发一种能够实时动态预测HFMD传播的混合模型，以克服传统静态模型的局限，并量化评估隔离干预措施的效果。
为开展此项研究，作者主要运用了几个关键技术方法：首先是构建了一个增强型传染病动力学框架，即在经典的易感者（S）、暴露者（E）、感染者（I）、康复者（R）模型基础上，引入了隔离者（Q）仓室，形成了SEIRQ模型，并设计了随时间变化的隔离率δ(t)来显式追踪干预。其次，研究采用了多阶段人工蜂群-灰狼优化（Artificial Bee Colony–Grey Wolf Optimization, ABC–GWO）混合算法，用于校准SEIRQ模型中的非线性动态参数，该策略旨在提升优化过程的稳定性并避免早熟收敛。再者，研究人员将机理模型与统计模型相结合，提出了SEIRQ–ARIMA混合模型框架，利用ARIMA（Autoregressive Integrated Moving Average）模型学习SEIRQ模型残差中的时序规律，以进一步提升预测精度。模型的训练与验证数据来源于中国广西地区2014年至2020年的历史HFMD监测记录。
研究结果
模型构建与优化
本研究核心是提出了SEIRQ-ARIMA混合模型。SEIRQ模型通过引入隔离仓室和动态隔离率δ(t)，实现了对现实隔离干预的数学表征。模型参数通过创新的多阶段ABC-GWO算法进行校准，该算法结合了人工蜂群（ABC）的广泛探索能力和灰狼优化（GWO）的精细开发能力，有效解决了非线性参数估计中的收敛难题。最终的混合模型通过整合SEIRQ的机制性预测和ARIMA对残差的统计学习，形成了最终的预测输出。
预测性能评估
基于广西2014-2020年数据的验证表明，所提出的SEIRQ-ARIMA混合模型在预测性能上取得了显著提升。与单独的SEIRQ模型相比，混合模型的均方根误差（RMSE）降低了94.6%；与单独的ARIMA模型相比，平均绝对误差（MAE）降低了94.1%。这证明了融合机理与统计方法的混合框架在捕获HFMD传播复杂动态方面的优越性。
隔离干预效果量化
研究的一个重要贡献是对隔离干预效果进行了定量评估。模型分析显示，存在一个最优隔离率（δ = 0.413）。在此最优策略下，HFMD的感染峰值可以降低52.7%。敏感性分析进一步指出，隔离率δ在[0.3, 0.5]区间内是产生显著防控效果的关键范围。此外，研究估算了干预的成本效益比，达到1:8.7，即每投入1单位的防控成本，可获得约8.7单位的健康效益，从经济学角度证明了隔离措施的有效性。
结论与讨论
本研究成功开发并验证了一个用于实时动态预测HFMD传播的SEIRQ-ARIMA混合模型，该模型通过多阶段ABC-GWO算法优化，显著提升了预测准确性。研究的核心结论在于，通过显式建模动态隔离率δ(t)，模型能够有效反映公共卫生干预的影响，从而使得预测更贴近真实世界。所量化的最优隔离率（δ = 0.413）及关键区间（[0.3, 0.5]）为决策者制定精准的隔离策略提供了明确的科学依据。高达1:8.7的成本效益比也从卫生经济学层面支持了隔离措施的实施价值。这项工作的意义在于，它将传统的静态传染病动力学模型推向了一个能够融合实时数据、自适应调整的动态智能预测新阶段，为传染病监测预警和干预效果评估提供了强有力的量化工具。论文也指出了当前模型的局限，例如对经济因素的假设较为简化。未来的研究方向包括纳入更细致的成本效益模型，以及探索集成基于Transformer的先进预测模块，以进一步提升模型的性能和适用性。
