COVID-19传播周期每周每国数据集
数据来源：互联网公开数据
标签：COVID-19, 传播周期, SIR模型, 全球疫情, 时间序列, 医学研究, 病毒传播
数据概述
本数据集是为应对 COVID-19 全球预测挑战而创建的，包含了全球不同地区的 SIR（易感-感染-移除）模型参数。数据的主要价值在于估算每周每个地区的“传播周期”（即在纯易感人群中，单个感染者传染下一个易感者的平均时间间隔）。
数据集结构分为三个部分：
1. Params.csv：包含在整个时间段内恒定的模型参数（以及衍生值），例如感染出现日期、初始感染人数、恢复率（γ）等。
2. ParamsWeekly.csv：每周单独估算的参数（以及衍生值），包括传播率（β）和基本再生数（R0，由 β 和 γ 计算得出）。
3. Figures 目录：可视化展示模型参数与实际数据点的匹配情况，帮助评估模型拟合质量。
4. Predictions 目录：包含每个地区未来一年的预测结果，格式为 CSV 文件。
数据用途概述
该数据集适用于多个场景，包括但不限于：
- 医学研究与疫情分析：研究人员可利用此数据集研究 COVID-19 的传播规律，分析不同地区传播率的变化，并评估疫情防控措施（如社交距离、封锁等）的效果。
- 公共卫生政策制定：政策制定者可以基于数据集中的传播周期、R0 值等指标，制定更科学的疫情防控策略。
- 流行病学建模和预测：数据集中的参数和预测结果可用于构建和验证其他流行病学模型，预测疫情发展趋势。
- 跨学科研究：研究人员可以探索模型参数（如恢复率 γ）与其他因素（如气候、人口密度、医疗水平等）之间的关系，从而更全面地理解疫情传播的驱动因素。
注意事项
在使用数据集中的参数值进行分析之前，建议始终进行可视化检查（参见 Figures 目录），以确保模型拟合质量。由于数据集是通过自动拟合过程生成的，未经过人工质量控制，因此可能存在一定的误差或偏差。
数据来源致谢
感谢 Kaggle 提供数据共享和挑战平台，推动全球协作研究。同时，感谢约翰霍普金斯大学（Johns Hopkins University）为全球 COVID-19 统计数据的收集和共享所做的努力。
