您的需求涉及专业医学模型构建与浏览器功能的结合，以下是基于Chrome浏览器实现疾病传播预测的简化技术路径：
1. 获取公开疫情数据源
- 访问约翰霍普金斯大学COVID-19数据库→复制全球每日新增病例CSV链接（如`https://data.worldmeters.info/csv/coronavirus`）→保存为本地文件。确保数据包含日期、国家、确诊病例数三个核心字段。
2. 安装浏览器端数据分析插件
- 在扩展商店搜索`Sheets`或`Excel Online`插件→添加到Chrome。此类工具支持CSV文件直接打开与公式计算，无需安装Office软件。
3. 构建基础预测模型
- 打开CSV文件→在数据末尾新建三列：“7日平均增长率”（=AVERAGE(近7日数据)）、“R0值估算”（=增长率*平均潜伏期）、“预测峰值”（=当前增速*人口基数）。使用浏览器插件的公式功能自动计算。
4. 可视化传播趋势
- 选中国家/日期数据→点击插件的“插入图表”→选择折线图。调整X轴为时间、Y轴为病例数，添加趋势线观察增长拐点。
5. 模拟干预措施影响
- 在表格新增“隔离率”参数列→输入假设值（如30%）→修改预测公式为：`=原增速*(1-隔离率)`。对比不同防控力度下的曲线变化，评估最佳干预时机。
6. 验证模型准确性
- 将实际新增数据与预测值对比→计算误差率（=(预测值-实际值)/实际值）。若误差持续＞15%，需调整模型参数（如加入检测率变量）。
7. 自动化数据更新
- 在扩展商店安装`Web Scraper`插件→设置每天自动抓取疾控中心官网数据→保存为新CSV文件。保持模型输入为最新信息。
8. 共享预测结果
- 右键点击图表→选择“生成链接”→复制分享给团队成员。支持通过浏览器插件直接生成可交互的在线文档，无需专业BI工具。
此方法利用浏览器现有功能实现基础预测，适合快速验证假设。如需更高精度，建议导出数据至Python/R进行时空传播模型构建。