• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于Dirichlet 模型的國內(nèi)COVID-19 疫情數(shù)據(jù)的Bayesian 估計

    2020-11-16 06:27:20楊云源楊新平
    關鍵詞:輕癥后驗區(qū)間

    楊云源, 楊新平, 張 潔

    (1.楚雄師范學院地理科學與旅游管理學院,云南楚雄675000; 2.楚雄師范學院數(shù)學與統(tǒng)計學院,云南楚雄675000;3.楚雄醫(yī)藥高等專科學校,云南楚雄675000)

    截至2020 -04 -10,全國 COVID -19 確診83 369例,海外確診1 537 039 例.疫情在美國、意大利、西班牙、德國等地急劇爆發(fā).通過合理的數(shù)學模型,分別計算我國COVID -19 4 個概率指標(治愈概率、重癥概率、病死概率、輕癥概率)和4 個總量指標(累計治愈病例數(shù)、現(xiàn)有重癥病例數(shù)、累計病死病例數(shù)、現(xiàn)有輕癥病例數(shù))的點估計及區(qū)間估計分別進行計算,以期為國內(nèi)和海外COVID -19 疫情監(jiān)測、指標估計和疫情阻斷提供參考.

    與治愈率、重癥率、病死率、輕癥率相關的研究,主要集中在疫情數(shù)據(jù)描述統(tǒng)計和疫情相關指標預測(估算)上.

    1)疫情數(shù)據(jù)描述統(tǒng)計.如中華預防醫(yī)學會COVID-19 防控專家組[1]基于截至 2020 -02 -10 的42 780 例確診病例數(shù)據(jù)統(tǒng)計,指出COVID -19 病死率為2.38%,合并基礎疾病的老年男性病死率較高.中國疾病預防控制中心COVID -19 應急響應機制流行病學組[2]對截至2020 -02 -11 的72 314例4 類病例的年齡、性別、旅居史等進行回顧性分析,揭示疫情自首次報告病例日后30 d 蔓延至31個?。▍^(qū)/市),粗病死率為2.3%.

    2)疫情相關指標預測(估算),主要圍繞再生數(shù)、感染規(guī)模、倍增時間等估算展開.如Wu 等[3]使用馬爾科夫-蒙特卡洛法(MCMC)估算武漢COVID-19 再生數(shù)為2.68,流行倍增時間為6.4 d.陳端兵等[4]使用蒙特卡洛法(MC)依據(jù)少量患者的癥狀出現(xiàn)時間對有效再生數(shù)進行估計,表明我國在防控措施出臺兩周內(nèi),COVID-19 傳播得到了有效遏制.其他方法如:使用 SEIR 或修正 SEIR 模型[5-7]、自回歸移動平均模型(ARIMA)[8]、隨機傳輸模 型[9]、最 大 似 然 法[10]、自 助 抽 樣 法 (Bootstrap)[11]進行 COVID-19 疫情估算.以上文獻中,文獻[1 -2]基于病例數(shù)據(jù)的統(tǒng)計分析較全面,描述統(tǒng)計結(jié)果具有一定的可信度;模型使用中,主要針對再生數(shù)、感染規(guī)模等進行估算;參數(shù)確定直接關乎模型精度,如文獻[5 -6]對相同研究區(qū)(湖北省、武漢市)使用相同方法,不同參數(shù)得到不同估算結(jié)果;文獻[7]的疫情估算使用數(shù)據(jù)、方法較全面,首次使用了AI技術,預測國內(nèi)疫情于4 月底結(jié)束.對于COVID-19 的治愈率、重癥率、病死率、輕癥率等重要指標,主要通過描述統(tǒng)計來量化,通過模型估計的較少.

    Bayesian方法在醫(yī)學運用方面,高文龍等[12]、張繼巍等[13]分別簡要介紹了 GeoBugs、OpenBugs在醫(yī)學中的應用方法.貝葉斯方法可以量化給定數(shù)據(jù)條件下的不確定性參數(shù)值,借助先驗信息和數(shù)據(jù)信息可提高數(shù)據(jù)分布參數(shù)的量化精度[14].如 Yarnell等[15]將貝葉斯分析用于危重病醫(yī)學中.Thall[16]將Bayesian方法用于癌癥術后發(fā)病率估算與藥物劑量確定.Li等[17]使用Bayesian方法來確定不同非藥物療法對失眠癥的療效和安全性的差異.

    對疫情指標采用概率意義下的可信區(qū)間估計不僅能得到誤差限而且精度高,有一定的實際意義.本研究根據(jù)國家衛(wèi)建委2020 -01 -20 至03 -28 公報數(shù)據(jù),建立 Bayesian 框架下的 Dirichlet 模型,通過MCMC 方法進行求解,得到逐日4 個概率指標(治愈概率、重癥概率、病死概率、輕癥概率)的點估計與區(qū)間估計,進一步計算逐日4 個總量指標(累計治愈病例數(shù)、現(xiàn)有重癥病例數(shù)、累計病死病例數(shù)、現(xiàn)有輕癥病例數(shù))的點估計與區(qū)間估計,并進行誤差分析,給出了估計誤差限.以期研究方法與結(jié)果能為國內(nèi)和海外COVID -19 疫情監(jiān)測、指標估計和疫情阻斷提供參考.

    1 數(shù)據(jù)和方法

    收集國家衛(wèi)建委2020 -01 -20 至03 -28 公布的累計確診病例數(shù)n、累計治愈病例數(shù)c、現(xiàn)有重癥病例數(shù)e、累計病死病例數(shù)d數(shù)據(jù).累計輕癥病例為 m,則

    將 n、c、e、d、m 視為總體,第 t天的觀測值分別記nt、ct、et、dt、mt.2020 -01 -20 至 01 -22 共 3 d 公報數(shù)據(jù)中的e1=0、d1=0,并且 3 d 的新增治愈數(shù)為0.所以本研究使用的樣本數(shù)據(jù)為2020 -01 -23 至03 -28 共66 d的日報數(shù)據(jù).

    COVID-19 確診病例逐日病情診斷、治療康復出院前核算檢測都需要一定的時間,加之前期檢測試劑、醫(yī)療資源短缺,上報全國的疫情的各項日報指標值工作量較大.數(shù)據(jù)的誤差可能是來自隨機因素,也可能是系統(tǒng)誤差,該誤差不能消除,只能設法減?。?8],采用可信區(qū)間對COVID -19 疫情指標進行估計就變得更有實際意義.用帶有一定誤差的數(shù)據(jù)對治愈率、重癥率、病死率、輕癥率等相對指標進行計算,誤差會累積,而Bayesian框架下的Dirichlet分布是解決此類問題的有力的工具.將國家衛(wèi)健委公布的累記確診病例數(shù)視為當日的獨立試驗次數(shù)(當日每個確診病例病情變化視為一次實驗過程),結(jié)合試驗的結(jié)果(日報值),以多項分布為基礎,建立Bayesian框架下的Dirichlet模型,借助數(shù)據(jù)信息及先驗信息,通過Gibbs抽樣方法得到總體參數(shù)的后驗樣本,采用MCMC方法得到治愈概率pt1、重癥概率pt2、病死概率pt3及輕癥概率pt4為參數(shù)的Bayesian 估計,進一步計算總量指標(治愈病例數(shù)、重癥病例數(shù)、病死病例數(shù)、輕癥病例數(shù))的Bayesian點估計和區(qū)間估計.使用軟件為Eviews、R語言和OpenBUGS.

    2 Bayesian框架下的Dirichlet模型的建立

    2.1 模型的建立將第t 天累計確診病例數(shù)nt視為nt次獨立試驗,當日每個確診病例的病情變化視為一次實驗,每次試驗有4 個互不相容的結(jié)果:At1=“治愈”,At2= “重癥”,At3= “病死”及At4=“輕癥”,且只有一種結(jié)果發(fā)生(無癥狀感染者日報起始于 2020 -04 -01),P(Ati)= pti,i = 1,2,3,4.記待估參數(shù)為

    日報數(shù)據(jù)記為

    由多項分布的定義有:

    datat~ Multinomial(θt,nt),相應的似然函數(shù)為模型(1)

    模型(1)中,

    因為參數(shù)θt沒有任何先驗信息,按照 Nguyen的理論[19],選擇 Dirichlet 分布為其先驗分布,第 t天先驗分布模型為模型(2)

    記 α = (α1,α2,α3,α4)T,從而得到θt的后驗精確分布

    θt~ Dirichlet(α1+ct,α2+et,α3+dt,α4+mt),

    相應的后驗密度函數(shù)為模型(3)

    模型(3)中,參數(shù)θt沒有任何先驗信息,根據(jù)Lunn等的理論[20],對于先驗分布 p(θt),選擇 α =(1,1,1,1)T,該分布等價于四維的均勻分布作為θt先驗分布.分別求出各個參數(shù)的滿條件分布p(θti|θt(-i),datat,α),其中,θt(-i)表示θt中 4 個分量去掉第i個分量后剩下的3 個分量構成的向量.比如

    參數(shù)θt1相應的滿條件分布為模型(4)

    模型(4)是一個標準分布,其他3 個滿條件分布與之類似,可以采用Gibbs 抽樣得到全部參數(shù)(計 66 ×4 =264 個參數(shù))的后驗樣本,形成 264 條MC鏈,完成Bayesian推斷.

    2.2 模型的求解在OpenBUGS 環(huán)境下進行模型求解.由于參數(shù)個數(shù)較多,設定隨機數(shù)種子后,由軟件自動生成參數(shù)的迭代初始值.為降低后驗樣本間的自相關性、同時又確保馬氏鏈(MC 鏈)收斂,取間隔抽樣步長為100,燃燒期為5 000,進行105次迭代Gibbs抽樣,得到264 個待估參數(shù)的后驗樣本(264 條MC鏈).扔掉燃燒期的前4 999 個樣本后,用剩余的95 001 個樣本通過MC 方法完成對參數(shù)θt的Bayesian推斷,相應的參數(shù)估計值(表1)包括:均值估計標準差(σ)、MC 誤差(εMC)、中位值估計(Median)及95% CI(可信區(qū)間).同時將逐日 4 個參數(shù)(pt1、pt2、pt3及pt4各 66 個 Bayesian 估計)列表顯示,表中“…”表示中間的行省略.

    表1 參數(shù)θt的Bayesian估計及部分統(tǒng)計量匯總表Tab. 1 Summary of Bayesian estimation and partial statistics of θt

    2.3 模型診斷對于模型(3)中的264 個參數(shù),分別繪制History-strace-plot圖、核密度估計曲線圖和 Autocorrelation 圖(以p1,1和p66,4為例,見圖 1,其余的262 個圖略,下同). 264 個參數(shù)的 History -strace-plot 顯示,前4 999 個燃燒值樣本舍棄后,264 條MC鏈均收斂,且極限分布都是各自的后驗分布,適宜用相應的MC 鏈作為后驗樣本進行統(tǒng)計推斷.通過后驗樣本,分別求出參數(shù)pt,1至pt,4,t = 1,2,…,66 的后驗核密度估計(圖 1 C -D,以p1,1和p66,4為例),結(jié)果顯示參數(shù)的分布呈對稱性,以正態(tài)分布為近似分布,后驗均值與中位值幾乎相等.每一條 MC 鏈的自相關圖(圖 1 E -F,以p1,1和p66,4為例)顯示,在滯后期≥2 以后,自相關系數(shù)接近于0,所以每一條鏈均可視為獨立同分布的MC 鏈,樣本均值成為一致、有效、無偏的估計. 264 個參數(shù)的εMC均小于5.37 × 10-5. pt1、pt2、pt3及pt4最大εMC對應的相應數(shù)據(jù)信息見表 2.表 2 中(max{εMC}/σ)×100%最大值僅為0.774 55%,說明模型(3)具有較高的精度[19].最大的εMC發(fā)生的時點均是2020 -01 -23,最大εMC對應4 個概率全部集中在2020 -01 -23;而且在2020-02-13前,樣本計算得到的指標數(shù)據(jù)波動較大,后期逐漸光滑.說明2020 -02 -13前的日報數(shù)據(jù)誤差明顯大于后面的日報數(shù)據(jù)誤差,再次說明區(qū)間估計的重要性.由各自的可信區(qū)間計算得到pt1、pt2、pt3及pt4點估計的最大誤差限分別是0.013 535、0.027 7、0.011 695 及 0.030 7,預測誤差最大發(fā)生的時點也是2020 -01 -23.

    圖 1 參數(shù)p1,1和p66,4的 History-strace-plot圖、核密度估計曲線和 Autocorrelation 圖Fig. 1 History-strace-plot,Kernel density estimation curve and Autocorrelation of parameters p1,1 and p66,4

    表2 模型(3)的各條MC鏈的最大MC誤差及相應數(shù)據(jù)信息匯總表Tab. 2 Summary of maximum MC error and corresponding data information of each MC chain of Model(3)

    采用概率意義下的可信區(qū)間對疫情指標進行估計,精準性更高.它不僅給出每個日報指標的下限,而且給出上限及誤差信息,同時,可信區(qū)間能覆蓋指標的直實數(shù)據(jù)值.為此,利用模型求解過程中得到了264 條MC鏈(每條鏈都收斂于各自的后驗分布),采用MC 方法得到相應參數(shù)的估計及統(tǒng)計量.然后提取逐日4 個概率的2.5%的后驗分位數(shù)和97.5%的分位數(shù)繪制各自95%的可信區(qū)間,從而得到逐日4 個概率的95%的可信區(qū)間帶.

    3 結(jié)果與分析

    3.1 治愈概率 、重癥概率、病死概率及輕癥概率估計本文2.3 模型診斷結(jié)果,充分說明模型(3)對于疫情的相對指標(4 個概率)估計的合理性與精確性,為了進一步將模型(3)的估計結(jié)果(概率)和樣本計算的結(jié)果(頻率)作對比分析.記fti(i =1,2,3,4)分別表示第 t 天樣本計算的治愈頻率、重癥頻率、病死頻率和輕癥頻率.第 t 天相應概率Dirichlet模型(3)計算得到的中位值估計(ptif),數(shù)值結(jié)果見表 1,分別用qtil和qtiu(i =1,2,3,4)分別表示概率ptif的95%的可信區(qū)間的下限和上限,并用計算結(jié)果繪制相應的頻率,概率曲線及95%可信區(qū)間帶(圖2).

    圖2 治愈頻率、重癥頻率、病死頻率、輕癥頻率及對應的后驗概率估計Fig. 2 Cure frequency,severe frequency,fatal frequency,mild frequency and the corresponding posterior probability estimation

    結(jié)果顯示:1)同一天的4 個概率和為1;2)除病死概率的可信區(qū)間帶略寬,預測誤差略大外,其他三者的可信區(qū)間帶較窄,幾乎與預測值曲線重疊,精度較高;3)4 個概率曲線在02 -14 后均呈現(xiàn)出光滑變化特性;4)治愈概率、重癥概率、病死概率及輕癥概率基本上呈現(xiàn)3 個階段的變化特征.第一階段(2020 -01 -23 至02 -13)治愈概率經(jīng)歷短期下降后緩慢上升,在2020 -02 -11 呈現(xiàn)小幅振蕩;重癥概率在幅度為2.8% ~24.2%的范圍內(nèi)振蕩;病死概率在幅度為1.84% ~4.39%的范圍內(nèi)劇烈振蕩;輕癥概率在幅度為68% ~82%的范圍內(nèi)振蕩.第二階段(2020 -02 -14 至03 -26)治愈概率呈S型曲線逐漸上升,重癥概率在2020 -02 -16經(jīng)過小幅振蕩后逐步下降,前期(02 -14 至02 -21)下降速度慢度,后期(02 -21 以后)下降速度稍快;病死概率前期(02 -14 至02 -23)上升速度比后期(02 - 23 以后)快,變化范圍為 2. 18% ~4.18%,可信帶稍寬;輕癥概率呈反S 型曲線逐漸下降.第三階段(03 -26后),治愈概率上升到92%以上;因為疫情得到控制,大量治愈病人出院,醫(yī)院滯留病人快速減少,重癥概率降到1.2%以下,且呈減少趨勢;病死概率穩(wěn)定在4%左右;輕癥概率下降到3%以下,并趨于穩(wěn)定.

    3.2 累計治愈病例數(shù)、現(xiàn)有重癥病例數(shù)、累計病死病例數(shù)、現(xiàn)有輕癥病例數(shù)估計為簡化公式,記

    由Dirichlet分布的性質(zhì)可知

    由K-Pearson替換原理,將各自的總體期望用后驗均值估計替代,可得第t 天總體總量指標的Bayesian估計,分別記為累計治愈病例數(shù)估計ctf,現(xiàn)有重癥病例數(shù)估計etf,累計病死病例數(shù)估計dtf,累記輕癥病例數(shù)估計(記為mtf).并借助表1 中概率的可信區(qū)間上下限,進一步求各個總體總量指標的95%的可信區(qū)間(下限、上限分別在相應符號后加l、u表示.如:累記治愈數(shù)95%的可信區(qū)間記為95%CI:(ctl,ctu),下同).將 4 個總量指標點估計及區(qū)間估計繪制曲線圖(見圖3).

    圖3 4 個總量指標估計及對應的95%可信區(qū)間Fig. 3 Four total quantity indexes and corresponding 95% confidence interval

    結(jié)果顯示:

    1)除累記病死病例的可信區(qū)間帶略寬,預測誤差略大外,其他三者的可信區(qū)間帶較窄,幾乎與估計值曲線重疊,精度較高,而且上述四條可信區(qū)間帶全部覆蓋了樣本值.

    2)累計治愈人數(shù)和累計病死人數(shù)呈S 型曲線變化.表明醫(yī)院治愈病例快速增加,后期進入對重癥集中救治攻堅階段.兩個指標趨于穩(wěn)定,略呈上升趨勢.重癥病例數(shù)以2020 -02 -18 為分界,前期為增長階段,含 3 個振蕩時點(02 -07、02 -12、02 -16),間隔期分別為5 d.后期為下降階段,下降速度慢于前期的增長速度.輕癥病例數(shù)以2020 -02 -16 為分界,前期為增長階段,含一個跳躍時點(02 -12).該值是第四版診療方案向第五版診療方案過渡,臨床病例并入確診病例產(chǎn)生.后期為下降階段,下降速度慢于前期的增長速度.

    3)將圖3 中的4 組數(shù)據(jù)分別提取出來進行對比分析,發(fā)現(xiàn)絕大多數(shù)時點的Bayesian 點估計和樣本觀測值幾乎一樣,誤差也較小.

    為了反映總量指標的預測精度,將累計治愈病例數(shù)、現(xiàn)有重癥病例數(shù)、累計病死病例數(shù)和累記輕癥病例數(shù)預測誤差限最大的4 個時點及對應的值提取出來匯總成表(表3),其他時點的預測誤差限均比該時點的誤差限小.

    結(jié)果顯示:這4 個指標的點估計的最大預測誤差限為277.141 例,相應的指標是2020 -02 -25的輕癥病例數(shù)(樣本值36 852例).

    表3 4 個總量指標預測誤差限最大的時點及對應值Tab. 3 Time and corresponding values of the maximum prediction error limit of four total quantity indexes

    66 d逐日4 個指標,共計264 個點估計值,528個區(qū)間估計值(下限,上限),無法在一個表中呈現(xiàn).以樣本截止日2020 -03 -28 的計算結(jié)果為例(表4)進行說明.結(jié)果顯示:點估計和樣本值幾乎相等,95%CI的上下限之差,點估計誤差限都很小,充分說明用可信區(qū)間進行疫情的估計更為合理.

    表4 2020 -03 -28 的4 個總量指標Bayesian估計及誤差Tab. 4 Bayesian estimation and error of four aggregate indicators on March 2020 -03 -28

    4 結(jié)論與展望

    建立Bayesian框架下的Dirichlet 模型,借助樣本和先驗信息,通過Gibbs 抽樣方法得到總體參數(shù)的后驗樣本,采用MCMC方法計算得到264 個模型參數(shù)的Bayesian 估計,即逐日4 個概率指標(治愈概率、重癥概率、病死概率及輕癥概率)的點估計及區(qū)間估計;使用Dirichlet 分布的性質(zhì)進一步計算4個總量指標(累計治愈病例數(shù)、現(xiàn)有重癥病例數(shù)、累計病死死病例數(shù)、現(xiàn)有輕癥病例數(shù))的點估計及區(qū)間估計.在Dirichlet模型求解過程中,264 個參數(shù)對應264 條 MC 鏈均收斂,最大εMC僅為標準差的0.775%,且極限分布都是各自的后驗分布,適宜用相應的MC 鏈作為后驗樣本進行統(tǒng)計推斷.計算了2020 -01 -23 至03 -28 逐日4 個概率(治愈概率、病死概率、重癥概率、輕癥概率)的點估計(共264個值)和95%區(qū)間估計(共528 個值);治愈概率、病死概率總體呈現(xiàn)上升后趨于平穩(wěn)趨勢,重癥概率、輕癥概率總體呈現(xiàn)逐漸下降趨勢;2020 -03 -26 后4 個概率指標都趨于平穩(wěn).計算了2020 -01 -23 至03 -28 逐日4 個總量指標(累計治愈病例數(shù)、現(xiàn)有重癥病例數(shù)、累計病死病例數(shù)、現(xiàn)有輕癥病例數(shù))的點估計與95%區(qū)間估計.4 個總量指標點估計的最大預測誤差限為277.141 例,對應的指標是2020 -02 -25 的現(xiàn)有輕癥病例數(shù)(樣本值368 52例).截至2020 -03 -28,累計治愈病例數(shù)、現(xiàn)有重癥病例數(shù)、累計病死病例數(shù)、現(xiàn)有輕癥病例數(shù)點估計誤差限分別為 146. 595、53. 100 8、109.948、85.515 例,對應的95%區(qū)間估計分別為:(75 301.20,75 594.39)、(689.881 0,796.082 6)、(3 189.937,3 409.833)、(1 864.045,2 035.075).

    用Bayesian框架下的Dirichlet模型計算逐日4個概率(治愈概率、病死概率、重癥概率、輕癥概率)的點估計與區(qū)間估計;計算逐日4 個總量指標(累計治愈病例數(shù)、現(xiàn)有重癥病例數(shù)、累計病死病例數(shù)、現(xiàn)有輕癥病例數(shù))的點估計與區(qū)間估計,各自的計算精度均很高.Bayesian 方法還可廣泛運用于更廣泛的領域.

    猜你喜歡
    輕癥后驗區(qū)間
    解兩類含參數(shù)的復合不等式有解與恒成立問題
    你學會“區(qū)間測速”了嗎
    加味葛根湯聯(lián)合磷酸奧司他韋治療輕癥乙型流感(風寒束表證)的療效觀察
    中國重大疾病保險制度建設研究
    海南金融(2021年12期)2021-01-06 12:27:02
    基于對偶理論的橢圓變分不等式的后驗誤差分析(英)
    貝葉斯統(tǒng)計中單參數(shù)后驗分布的精確計算方法
    一種基于最大后驗框架的聚類分析多基線干涉SAR高度重建算法
    雷達學報(2017年6期)2017-03-26 07:53:04
    輕癥小兒肺炎門診霧化吸入療效分析
    區(qū)間對象族的可鎮(zhèn)定性分析
    大柴胡湯對肝郁氣滯型急性輕癥胰腺炎的療效
    亚洲成人免费av在线播放| 亚洲五月色婷婷综合| 亚洲专区国产一区二区| 麻豆成人av在线观看| 999精品在线视频| 午夜视频精品福利| 午夜免费成人在线视频| 在线观看一区二区三区激情| 国产又爽黄色视频| 人妻 亚洲 视频| 国产欧美亚洲国产| 99热国产这里只有精品6| 成人18禁高潮啪啪吃奶动态图| 色老头精品视频在线观看| 在线观看人妻少妇| 免费观看av网站的网址| 国产区一区二久久| 欧美乱码精品一区二区三区| 午夜精品国产一区二区电影| 亚洲视频免费观看视频| 99riav亚洲国产免费| 2018国产大陆天天弄谢| 下体分泌物呈黄色| 日韩欧美一区二区三区在线观看 | 精品国产乱码久久久久久男人| 国产精品美女特级片免费视频播放器 | 国产精品亚洲一级av第二区| 久热这里只有精品99| 久久精品国产亚洲av高清一级| 亚洲成a人片在线一区二区| 精品少妇内射三级| 女人高潮潮喷娇喘18禁视频| 女人久久www免费人成看片| 欧美日韩视频精品一区| 国产成人免费无遮挡视频| 亚洲精品中文字幕在线视频| 亚洲精品一二三| 久久精品成人免费网站| 国产精品一区二区免费欧美| 国产成人欧美| 日韩熟女老妇一区二区性免费视频| 久久午夜亚洲精品久久| 国产免费视频播放在线视频| 十八禁高潮呻吟视频| 国产在线免费精品| 免费不卡黄色视频| 亚洲国产欧美网| 嫩草影视91久久| 五月开心婷婷网| 69精品国产乱码久久久| 久久青草综合色| 美女视频免费永久观看网站| 亚洲男人天堂网一区| 免费看十八禁软件| 啦啦啦中文免费视频观看日本| 免费在线观看影片大全网站| 色94色欧美一区二区| 欧美日韩福利视频一区二区| 一区二区三区乱码不卡18| 亚洲少妇的诱惑av| 亚洲性夜色夜夜综合| 夜夜夜夜夜久久久久| 国产在视频线精品| 亚洲国产看品久久| 免费人妻精品一区二区三区视频| av国产精品久久久久影院| 国产精品久久久久久精品古装| 国产精品免费一区二区三区在线 | 中文字幕人妻熟女乱码| 亚洲av片天天在线观看| 自线自在国产av| 人人妻人人澡人人爽人人夜夜| 国产精品美女特级片免费视频播放器 | 欧美黑人精品巨大| 欧美日韩成人在线一区二区| 午夜福利视频精品| 天天影视国产精品| a在线观看视频网站| 中文字幕最新亚洲高清| 精品国产亚洲在线| 男女床上黄色一级片免费看| 国产av又大| 一级毛片女人18水好多| 十八禁高潮呻吟视频| 91av网站免费观看| 欧美精品av麻豆av| 亚洲国产成人一精品久久久| 人人妻人人澡人人爽人人夜夜| 99热网站在线观看| 亚洲午夜精品一区,二区,三区| 精品一品国产午夜福利视频| 亚洲一区二区三区欧美精品| 一级毛片精品| 欧美av亚洲av综合av国产av| 亚洲一区二区三区欧美精品| 真人做人爱边吃奶动态| 在线观看一区二区三区激情| 国产成人影院久久av| 黑人欧美特级aaaaaa片| 黑人巨大精品欧美一区二区蜜桃| 亚洲av日韩在线播放| 午夜激情久久久久久久| 999久久久精品免费观看国产| 国产在线视频一区二区| 欧美在线一区亚洲| 美女扒开内裤让男人捅视频| 黄网站色视频无遮挡免费观看| 欧美黑人欧美精品刺激| 亚洲伊人久久精品综合| 女性被躁到高潮视频| 精品一品国产午夜福利视频| 中文字幕人妻熟女乱码| 99九九在线精品视频| 亚洲国产毛片av蜜桃av| 日韩大码丰满熟妇| 真人做人爱边吃奶动态| 欧美黑人精品巨大| 久久精品亚洲av国产电影网| 王馨瑶露胸无遮挡在线观看| 国产主播在线观看一区二区| 成人手机av| 脱女人内裤的视频| 国产精品久久久av美女十八| 又大又爽又粗| 色综合欧美亚洲国产小说| 黄色视频在线播放观看不卡| 亚洲精品国产精品久久久不卡| 亚洲国产av影院在线观看| 久久精品亚洲精品国产色婷小说| 蜜桃在线观看..| 国产黄色免费在线视频| 男男h啪啪无遮挡| 精品亚洲成国产av| 又大又爽又粗| 咕卡用的链子| 亚洲精品一二三| 欧美日韩福利视频一区二区| 美国免费a级毛片| 精品一区二区三卡| 日本av免费视频播放| 黄色毛片三级朝国网站| 涩涩av久久男人的天堂| 日韩大码丰满熟妇| 成人永久免费在线观看视频 | 两个人看的免费小视频| 免费看a级黄色片| 国产成人精品久久二区二区91| 免费av中文字幕在线| 激情视频va一区二区三区| 亚洲中文av在线| 十分钟在线观看高清视频www| 欧美激情久久久久久爽电影 | 国产免费视频播放在线视频| 国产在线观看jvid| 欧美成狂野欧美在线观看| 美女福利国产在线| 热99久久久久精品小说推荐| 日韩一卡2卡3卡4卡2021年| 美女国产高潮福利片在线看| 国产亚洲欧美在线一区二区| 多毛熟女@视频| 12—13女人毛片做爰片一| 黑丝袜美女国产一区| 老司机福利观看| 欧美成人午夜精品| 欧美日韩亚洲综合一区二区三区_| 亚洲欧洲日产国产| 国产精品影院久久| 91国产中文字幕| 一区二区三区国产精品乱码| kizo精华| 精品久久蜜臀av无| 一边摸一边做爽爽视频免费| 久久中文字幕一级| 色视频在线一区二区三区| 精品亚洲成a人片在线观看| 欧美精品一区二区大全| 亚洲欧美一区二区三区久久| 国产精品国产av在线观看| 最黄视频免费看| 亚洲va日本ⅴa欧美va伊人久久| 宅男免费午夜| 老司机午夜十八禁免费视频| 亚洲熟女毛片儿| 成人免费观看视频高清| 亚洲欧洲精品一区二区精品久久久| 12—13女人毛片做爰片一| 51午夜福利影视在线观看| 国产人伦9x9x在线观看| 在线观看一区二区三区激情| 免费在线观看黄色视频的| 五月天丁香电影| 国产伦理片在线播放av一区| 中文字幕色久视频| 蜜桃国产av成人99| 叶爱在线成人免费视频播放| 窝窝影院91人妻| 国产野战对白在线观看| 午夜福利在线观看吧| 丁香六月欧美| 国产精品国产av在线观看| 精品国产一区二区久久| 日韩中文字幕欧美一区二区| 丝袜美腿诱惑在线| 日日爽夜夜爽网站| 久久久欧美国产精品| 18禁黄网站禁片午夜丰满| 一边摸一边抽搐一进一出视频| 国产一区二区三区综合在线观看| www.精华液| 久久久久久久国产电影| 又大又爽又粗| a级毛片黄视频| 国产欧美亚洲国产| 搡老乐熟女国产| 日韩欧美国产一区二区入口| 桃红色精品国产亚洲av| 下体分泌物呈黄色| 91av网站免费观看| 美女福利国产在线| 一本一本久久a久久精品综合妖精| 99久久精品国产亚洲精品| 在线观看66精品国产| 女性生殖器流出的白浆| 国产在线精品亚洲第一网站| 欧美精品高潮呻吟av久久| 久9热在线精品视频| 亚洲午夜精品一区,二区,三区| 国产三级黄色录像| 久久久久精品国产欧美久久久| 日韩欧美国产一区二区入口| 午夜精品久久久久久毛片777| 757午夜福利合集在线观看| 国产午夜精品久久久久久| 法律面前人人平等表现在哪些方面| 天天躁夜夜躁狠狠躁躁| 日韩大码丰满熟妇| 成年版毛片免费区| 国产精品av久久久久免费| 天堂8中文在线网| 99re在线观看精品视频| 国产区一区二久久| 成人国产一区最新在线观看| 欧美成狂野欧美在线观看| 色老头精品视频在线观看| 久久精品人人爽人人爽视色| 一级毛片女人18水好多| 国产精品免费一区二区三区在线 | 伦理电影免费视频| av欧美777| aaaaa片日本免费| 亚洲中文字幕日韩| 久久亚洲真实| 欧美精品啪啪一区二区三区| 国产精品自产拍在线观看55亚洲 | 欧美成人午夜精品| 久久亚洲真实| 高清黄色对白视频在线免费看| 少妇猛男粗大的猛烈进出视频| 国产免费av片在线观看野外av| 国产区一区二久久| av线在线观看网站| 国产国语露脸激情在线看| 9热在线视频观看99| 日韩熟女老妇一区二区性免费视频| 欧美精品av麻豆av| 久久亚洲精品不卡| 日韩中文字幕视频在线看片| 涩涩av久久男人的天堂| 亚洲国产av新网站| 亚洲专区中文字幕在线| 后天国语完整版免费观看| 曰老女人黄片| 亚洲七黄色美女视频| 黄色毛片三级朝国网站| 亚洲熟妇熟女久久| 色尼玛亚洲综合影院| 涩涩av久久男人的天堂| 精品久久久久久电影网| 蜜桃国产av成人99| 欧美精品一区二区免费开放| 亚洲熟女毛片儿| cao死你这个sao货| 我要看黄色一级片免费的| 视频区欧美日本亚洲| 黑人欧美特级aaaaaa片| 国产精品免费一区二区三区在线 | 丰满迷人的少妇在线观看| 巨乳人妻的诱惑在线观看| 国产精品秋霞免费鲁丝片| 超碰97精品在线观看| av超薄肉色丝袜交足视频| 精品久久久精品久久久| 久久国产精品大桥未久av| 色视频在线一区二区三区| av视频免费观看在线观看| 一本色道久久久久久精品综合| 久久久久久久国产电影| 欧美日韩一级在线毛片| 蜜桃国产av成人99| 亚洲色图 男人天堂 中文字幕| 麻豆成人av在线观看| 69av精品久久久久久 | 中亚洲国语对白在线视频| 久久精品亚洲精品国产色婷小说| 丝袜美腿诱惑在线| av电影中文网址| 国产精品.久久久| 亚洲情色 制服丝袜| 欧美变态另类bdsm刘玥| svipshipincom国产片| 少妇精品久久久久久久| 成人国产av品久久久| 亚洲天堂av无毛| 麻豆成人av在线观看| 天天操日日干夜夜撸| 国产亚洲精品一区二区www | 国产成人欧美在线观看 | 久久国产精品大桥未久av| 啦啦啦在线免费观看视频4| 国产91精品成人一区二区三区 | 国产欧美日韩精品亚洲av| 久久ye,这里只有精品| 欧美av亚洲av综合av国产av| av又黄又爽大尺度在线免费看| www.自偷自拍.com| 极品人妻少妇av视频| 狠狠精品人妻久久久久久综合| 成人手机av| 日韩一区二区三区影片| 国产黄频视频在线观看| 日韩中文字幕欧美一区二区| 欧美乱妇无乱码| 国产精品亚洲一级av第二区| 黄片大片在线免费观看| 另类精品久久| 成年人黄色毛片网站| 成年版毛片免费区| 麻豆av在线久日| 777久久人妻少妇嫩草av网站| 大型av网站在线播放| 亚洲va日本ⅴa欧美va伊人久久| 香蕉丝袜av| 色播在线永久视频| 国产男女超爽视频在线观看| 亚洲国产欧美网| 国产免费现黄频在线看| 天天躁日日躁夜夜躁夜夜| 国产午夜精品久久久久久| 精品国内亚洲2022精品成人 | 久久人妻福利社区极品人妻图片| 女人爽到高潮嗷嗷叫在线视频| 一个人免费在线观看的高清视频| 精品久久久精品久久久| 一夜夜www| 美国免费a级毛片| 黄色视频,在线免费观看| 国产成人精品久久二区二区免费| 黑丝袜美女国产一区| 久久精品国产综合久久久| 90打野战视频偷拍视频| 国产亚洲精品一区二区www | 亚洲精品国产一区二区精华液| 日韩视频在线欧美| 欧美国产精品一级二级三级| 亚洲成人国产一区在线观看| 午夜免费鲁丝| 亚洲精品国产精品久久久不卡| 窝窝影院91人妻| 亚洲熟妇熟女久久| 色综合婷婷激情| 亚洲av电影在线进入| 美女福利国产在线| 久久中文字幕一级| 成年人午夜在线观看视频| 最近最新中文字幕大全免费视频| 手机成人av网站| 交换朋友夫妻互换小说| 在线观看免费视频日本深夜| 成年人黄色毛片网站| 国产成人欧美| 一区二区av电影网| 女人高潮潮喷娇喘18禁视频| 91麻豆av在线| 另类亚洲欧美激情| 国产一区二区 视频在线| 亚洲av美国av| 精品国内亚洲2022精品成人 | 久久99一区二区三区| 亚洲午夜精品一区,二区,三区| 欧美精品一区二区大全| 午夜两性在线视频| 欧美人与性动交α欧美精品济南到| 飞空精品影院首页| 性少妇av在线| 国产精品麻豆人妻色哟哟久久| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品久久久av美女十八| svipshipincom国产片| 一进一出好大好爽视频| 人人澡人人妻人| 99在线人妻在线中文字幕 | 大型黄色视频在线免费观看| 精品久久久久久电影网| 久久国产精品男人的天堂亚洲| 大片电影免费在线观看免费| 国产高清激情床上av| 国产精品 欧美亚洲| 久久久欧美国产精品| 亚洲情色 制服丝袜| 亚洲精品美女久久av网站| 日日摸夜夜添夜夜添小说| 免费高清在线观看日韩| 岛国在线观看网站| 1024视频免费在线观看| 亚洲国产欧美日韩在线播放| 女警被强在线播放| 国产一区有黄有色的免费视频| 欧美另类亚洲清纯唯美| 久久av网站| 免费在线观看日本一区| 日韩视频一区二区在线观看| av不卡在线播放| 国产福利在线免费观看视频| 亚洲三区欧美一区| 美女主播在线视频| 午夜免费成人在线视频| 高清av免费在线| 国产不卡av网站在线观看| 国产在线精品亚洲第一网站| 90打野战视频偷拍视频| 女性被躁到高潮视频| 电影成人av| 精品国产超薄肉色丝袜足j| 精品熟女少妇八av免费久了| 女人高潮潮喷娇喘18禁视频| 国产男女内射视频| 国产成人影院久久av| 一边摸一边做爽爽视频免费| 国产欧美日韩综合在线一区二区| 自线自在国产av| aaaaa片日本免费| 国产日韩欧美在线精品| 国产高清videossex| 人妻一区二区av| 丝袜人妻中文字幕| 精品国产超薄肉色丝袜足j| 操出白浆在线播放| 久久久国产欧美日韩av| 亚洲avbb在线观看| 国产伦理片在线播放av一区| 中文字幕高清在线视频| 国产成人精品久久二区二区91| 女同久久另类99精品国产91| 亚洲人成电影免费在线| 国产男靠女视频免费网站| 2018国产大陆天天弄谢| 91精品三级在线观看| 丁香六月欧美| 在线看a的网站| av免费在线观看网站| 欧美日韩视频精品一区| 精品亚洲成国产av| 大片电影免费在线观看免费| 深夜精品福利| 亚洲av片天天在线观看| 久久亚洲真实| 女人被躁到高潮嗷嗷叫费观| 桃花免费在线播放| 国产免费av片在线观看野外av| 日本av手机在线免费观看| 人人妻人人澡人人爽人人夜夜| 757午夜福利合集在线观看| 欧美亚洲 丝袜 人妻 在线| 三上悠亚av全集在线观看| 两人在一起打扑克的视频| 成年动漫av网址| 黄色a级毛片大全视频| 国产精品一区二区在线观看99| 久久久久网色| 男人操女人黄网站| 少妇精品久久久久久久| 久久热在线av| 99精国产麻豆久久婷婷| 亚洲欧美精品综合一区二区三区| 精品国产乱码久久久久久小说| 欧美精品高潮呻吟av久久| 欧美大码av| 成人亚洲精品一区在线观看| 欧美国产精品va在线观看不卡| 一边摸一边抽搐一进一小说 | 国产免费av片在线观看野外av| 国产成人啪精品午夜网站| 久久亚洲精品不卡| 国产激情久久老熟女| 韩国精品一区二区三区| 亚洲一卡2卡3卡4卡5卡精品中文| 另类精品久久| 两性夫妻黄色片| 激情视频va一区二区三区| 1024视频免费在线观看| 欧美精品亚洲一区二区| 日韩大码丰满熟妇| 亚洲精品在线观看二区| 国产片内射在线| 国产一区二区三区综合在线观看| 99国产精品一区二区三区| 一区二区三区精品91| 日韩制服丝袜自拍偷拍| 色尼玛亚洲综合影院| 国产一区二区激情短视频| 五月天丁香电影| 国产av又大| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品一区二区在线不卡| 午夜福利免费观看在线| 亚洲精品一卡2卡三卡4卡5卡| 免费在线观看黄色视频的| 国产又色又爽无遮挡免费看| 国产av国产精品国产| 国产福利在线免费观看视频| 12—13女人毛片做爰片一| 大码成人一级视频| 久久av网站| 亚洲专区字幕在线| 欧美乱妇无乱码| 国产精品麻豆人妻色哟哟久久| 亚洲情色 制服丝袜| 久久人妻福利社区极品人妻图片| 丰满饥渴人妻一区二区三| 两人在一起打扑克的视频| 1024香蕉在线观看| 天天躁日日躁夜夜躁夜夜| 最新的欧美精品一区二区| 精品亚洲乱码少妇综合久久| 成人影院久久| 国产一区二区三区在线臀色熟女 | 人人妻人人添人人爽欧美一区卜| 日本a在线网址| 国产成人欧美| 亚洲avbb在线观看| 视频区欧美日本亚洲| 国产精品98久久久久久宅男小说| 日本wwww免费看| 国产欧美日韩一区二区三| 99九九在线精品视频| 日韩大码丰满熟妇| 一个人免费看片子| 亚洲欧美日韩高清在线视频 | 久久久精品区二区三区| 中文字幕色久视频| 99在线人妻在线中文字幕 | 欧美黑人精品巨大| 午夜日韩欧美国产| 一边摸一边抽搐一进一小说 | 性色av乱码一区二区三区2| 精品国产超薄肉色丝袜足j| 久久精品国产99精品国产亚洲性色 | 一级片免费观看大全| 伊人久久大香线蕉亚洲五| 免费av中文字幕在线| 日韩视频一区二区在线观看| 一区二区三区激情视频| 一本—道久久a久久精品蜜桃钙片| 天堂动漫精品| www日本在线高清视频| 久久香蕉激情| 考比视频在线观看| 搡老熟女国产l中国老女人| 国产黄频视频在线观看| 久久国产精品男人的天堂亚洲| 国产av国产精品国产| 日韩人妻精品一区2区三区| 嫩草影视91久久| 制服人妻中文乱码| 精品国产乱码久久久久久男人| 欧美亚洲日本最大视频资源| 国产精品免费大片| 久久精品人人爽人人爽视色| 日韩一区二区三区影片| 久久久久国产一级毛片高清牌| 国产欧美日韩精品亚洲av| 9热在线视频观看99| 菩萨蛮人人尽说江南好唐韦庄| 18禁国产床啪视频网站| 亚洲自偷自拍图片 自拍| 欧美日韩视频精品一区| 亚洲精品久久成人aⅴ小说| 99九九在线精品视频| 香蕉国产在线看| 国产精品香港三级国产av潘金莲| 久久国产亚洲av麻豆专区| 最新的欧美精品一区二区| 搡老岳熟女国产| 久久 成人 亚洲| 麻豆av在线久日| 少妇精品久久久久久久| 中文字幕av电影在线播放| 18在线观看网站| 日本欧美视频一区| 午夜福利视频精品| 在线观看免费日韩欧美大片| 久久狼人影院| netflix在线观看网站| 制服诱惑二区| 两个人免费观看高清视频| 黑人操中国人逼视频| 男人操女人黄网站| 国产精品久久久人人做人人爽| 一区二区三区乱码不卡18| 久9热在线精品视频| 热99久久久久精品小说推荐| 99国产精品一区二区三区| 精品国产一区二区久久| 99国产精品免费福利视频|