Impact of density-dependent migration flows on epidemic outbreaks in heterogeneous metapopulations
Universitat de Girona（赫罗纳大学）
研究迁移模式对复杂网络中流行病传播的影响，提出非线性扩散模型，揭示人口密度影响流行病传播的机制。
2015-07-29 q-bio.PE
Size of Outbreaks Near the Epidemic Threshold
研究传染病在流行阈值附近的传播。在一个大的易感人群中，从一个单一的感染个体的爆发的大小和持续时间的标度律。爆发的最大规模n_* 与N^{2/3}成比例，其中N为种群规模。这个比例律意味着平均爆发规模的<n>比例为N^{1/3}。爆发的最大持续时间和平均持续时间分别以t_* ~ N^{1/3}和<t>~ lnN的形式增长。
2004-02-01 cond-mat.stat-mech math.PR q-bio.PE
WKB calculation of an epidemic outbreak distribution
我们计算的指数和前因子的贡献，在WKB近似的主方程的随机SIR模型具有高度振荡的动态。在确定模型基本参数的基础上，研究了爆发分布随种群规模的变化规律。我们发现，这种分布迅速变得高度非高斯，获得大的尾巴，表明存在罕见的，但大的爆发，因为人口变小。的分析结果被发现是在很好的协议与模拟，直到系统变得如此之小，动力学是由疾病的淡出为主。
2011-12-08 q-bio.PE
Velocity and hierarchical spread of epidemic outbreaks in scale-free networks
我们研究了复杂网络的连通模式对流行病传播动力学的影响。爆发的增长时间尺度与网络度的波动成反比，这表明流行病在无标度分布的网络中几乎是瞬间传播的。这一特征与遵循精确分层动态的流行病传播相关联。一旦到达高度连接的枢纽，感染就会在较小的度类中以渐进级联的方式遍布网络。目前的结果与适应性遏制策略的制定相关。
2004-04-28 cond-mat.dis-nn q-bio.PE
Outbreak dynamics and population vulnerability in stochastic epidemic models on networks
Georgia Institute of Technology（佐治亚理工学院）；University of Oxford（牛津大学）；Lancaster University（兰卡斯特大学）
研究网络流行病模型中爆发动力学与人口脆弱性，发现随机分布的先前免疫力在某些情况下比同质群体更具保护作用，且爆发结束不等于群体免疫。
2026-10-14 q-bio.PE
Epidemic outbreak prediction using machine learning models
Vellore Institute of Technology Chennai Campus（韦洛尔理工学院金奈校区）
本文使用机器和深度学习算法结合历史数据及非临床因素预测美国纽约州流感等流行病未来5周的爆发概率，并开发了可向当局预警的门户系统。
2023-10-30 cs.LG cs.SI q-bio.PE
Suppression of epidemic outbreaks with heavy-tailed contact dynamics
研究了具有重尾等待时间分布的接触动力学下的传染病传播过程。我们分析和数值表明，接触动力学的时间异质性可以显着抑制疾病的传播性，因此流行病爆发的规模，阻碍了传播过程。此外，当时间的异质性是足够强的，一个得到的消失的传输率为任何有限的恢复时间，而不管潜在的结构的接触，其中的条件推导。
2013-10-08 cond-mat.stat-mech physics.soc-ph q-bio.PE
From lab to outbreak: experimental mosquito extrinsic incubation period distributions shape dengue epidemic dynamics
Oniris, INRAE, BIOEPAR（Oniris，法国国家农业食品与环境研究院，生物流行病学与动物健康实验室）
研究通过比较指数分布与实验所得分布，发现实验分布可延迟并平缓登革热疫情峰值，延长危机持续时间，降低峰值强度，但不影响爆发概率。
2026-04-28 q-bio.PE
Network-Based Prediction of the 2019-nCoV Epidemic Outbreak in the Chinese Province Hubei
在撰写本文时（2020年2月12日），2019-nCoV病毒的未来演变尚不清楚。对疫情进一步发展的预测对于部署有针对性的疾病控制措施具有决定性意义。我们考虑一个基于网络的模型来描述湖北省2019-nCoV疫情。该网络由湖北的城市及其相互作用（例如，交通流量）。然而，城市之间的确切相互作用尚不清楚，必须通过观察疫情来推断。我们提出了一种基于网络的方法来预测2019-nCoV病毒在每个城市的未来流行情况。我们的研究结果表明，基于网络的建模是有益的准确预测的流行病爆发。
2020-02-12 physics.soc-ph q-bio.PE
Extinction times of epidemic outbreaks in networks
在疾病传播的易感-传染-传播（SIR）模型中，流行病的灭绝时间发生在每个接触者的传播概率的中间值。传染性太强的疾病在人群中很快就消失了。传染性不够强的感染在传播给大部分人之前就已经死亡。我们刻画了SIR网络模拟中的最大灭绝时间如何依赖于网络结构。例如，我们发现，在孤立的组件的平均距离，加权组件的大小，是一个很好的预测的最大灭绝时间。此外，最长爆发的传播概率大于流行阈值，但似乎与之无关。
2013-10-15 cs.SI physics.soc-ph q-bio.PE
Spatial extent of an outbreak in animal epidemics
在爆发阶段确定流行病的空间范围是控制疾病演变的关键。在疫情爆发时，感染个体的数量通常很小，因此围绕其平均值的波动是重要的：然后，通常假设可恢复-感染-恢复（SIR）机制可以由Galton-Watson类型的随机出生-死亡过程来描述。受感染个体的位移可以通过诉诸布朗运动来建模，当可以安全地忽略长距离移动和复杂的网络相互作用时，这是适用的，例如在动物流行病的情况下。在这种情况下，可以通过计算在给定时间包围感染个体的凸包来评估流行病的空间范围。我们推导出精确的演化方程的平均周长和平均面积的凸包，并比较它们与Monte Carlo模拟。
2013-03-18 cond-mat.stat-mech q-bio.PE
The effect of host population heterogeneity on epidemic outbreaks
本文回顾宿主种群异质性对传染病暴发影响的研究，并提出接触模式如何随宿主种群规模与组成变化的建模问题，给出若干准机制性子模型以推动新研究。
2024-01-16 math.DS q-bio.PE
Contact switching as a control strategy for epidemic outbreaks
我们研究了转换社会接触作为控制流行病爆发的策略的影响。易感者和感染者之间的联系可以被任何一个人打破，然后重新连接到随机选择的人群中。假设重新连接的个人先前没有关于新接触者的流行病学状况的信息。我们表明，通过地方病状态和无感染状态之间的连续和不连续转变，重新连接可以完全抑制疾病。对于无症状阶段的疾病，我们分析了抑制疾病的条件，并表明，即使这些条件不满足，地方性感染水平的增加通常是相当小的。我们的结论是，在一些简单的流行病学模型，接触开关是一个相当强大和有效的控制策略。这表明，在更复杂的情况下，它也可能是一种有效的方法。
2008-06-11 q-bio.PE
Beyond ranking nodes: Predicting epidemic outbreak sizes by network centralities
识别疾病传播的重要节点是网络流行病学的中心议题。我们调查如何以及一个节点的位置，其特征在于标准的网络措施，可以预测其流行病学的重要性，在任何图形中的一个给定的节点数量。这是在其他研究中，处理更容易预测的问题，排名节点的流行病的重要性，在给定的图形。作为流行病重要性的基准，我们计算给定节点作为源的确切预期爆发规模。我们详尽地研究了给定大小的所有图，所以不要将自己局限于某些图的生成模型，也不要局限于图数据集。由于大量的可能的非同构图的一个固定的大小，我们被限制为10节点图。我们发现，两个或多个中心的组合是预测（$R^2$得分为0.91或更高），即使是最困难的参数值的流行模拟。通常，这些成功的组合包括一个归一化的谱中心性（如PageRank或Katz中心性）和一个对图中边的数量敏感的度量。
2020-02-11 q-bio.PE
How many outbreaks before an epidemic?
本文研究了Reed-Frost模型中流行病规模的双峰分布特性，并通过几何分布理论解释了小规模和大规模爆发的概率，验证了该模型在新冠爆发中的适用性。
2025-11-18 math.PR math.ST q-bio.PE
Modeling the Epidemic Outbreak and Dynamics of COVID-19 in Croatia
该文件涉及在克罗地亚共和国的封闭领土上由2019年冠状病毒病（COVID-19）引起的持续流行病的建模。利用官方公布的确诊感染者、康复者和死亡者的数量，建立了改进的SEIR房室模型来描述流行病的基本动态。拟合的修正SEIR模型提供了对近期疾病进展的预测，考虑到克罗地亚卫生部在2月25日COVID-19传播开始时对感染者和高危人群采取的社交距离和隔离等严格控制干预措施。假设所提供的数据的准确性和令人满意的代表性的模型使用，基本再生数的推导。所取得的成果说明了潜在的积极发展，并证明卫生部采取的严格预防措施是合理的。
2020-05-04 q-bio.PE
Heterogeneity can markedly increase final outbreak size in the SIR model of epidemics
该研究针对异质网络上的流行病SIR模型，发现存在临界基本再生数$R_0^c$，低于该值时有限网络异质性会增大最终暴发规模，且种群异质性可增强该效应，为现实场景下SIR模型的暴发规模预测提供了关键参考。
2023-06-15 cond-mat.stat-mech q-bio.PE
Outbreak size distributions in epidemics with multiple stages
研究了传染病传播模型中的多类型分支过程。在这些随机过程中，疾病在最终消失之前会经历多个阶段。我们主要集中在关键的多阶段易感-感染-感染（SIR）的感染过程。在无穷大的人口限制，我们计算的爆发规模分布，并表明渐近结果适用于更一般的多类型的临界分支过程。最后，我们利用启发式的论证和模拟，建立了有限总体中多级SIR模型的标度律。
2012-07-20 cond-mat.stat-mech math.PR q-bio.PE
Resilience management during large-scale epidemic outbreaks
仅考虑疾病的个体风险和严重性，评估和管理大规模流行病的影响极为困难，而且可能极其昂贵。经济后果、基础设施和服务中断以及恢复速度只是量化流行病对社会结构影响的许多方面中的几个方面。在这里，我们扩展了弹性的概念，以表征流行病的结构化人群，通过定义系统范围内的关键功能，结合个人的风险得到的疾病（疾病发作率）和系统的功能中断（人类流动恶化）。通过研究概念模型和数据驱动模型，我们表明，在韧性评估框架下对个人风险和社会破坏的综合考虑，为流行病如何影响社会提供了一幅有见地的图景。特别是，旨在直接降低风险的遏制干预措施可能会减缓基本社会功能的恢复，从而对系统产生净负面影响。本研究将复原力框架付诸实施，为在流行病爆发的情况下优化遏制计划和缓解政策提供了一种更加细致入微和全面的方法。
2018-01-08 physics.soc-ph q-bio.PE
Fair Insurance Premium Level in Connected SIR Model under Epidemic Outbreak
本文研究了具有人口迁移和接种疫苗的确定性和随机SIR模型中的最优医疗保险费水平。所研究的模型认为，两个标准的SIR中心连接通过链接和连续的迁移流量。保险费是根据基本等值原则计算的。即使在这种简单的设置中，也有非直观的结果表明，溢价如何取决于移民率、疾病的严重性以及健康和感染者在中心的初始分布。我们调查如何疫苗接种计划的影响，保险费用的比较节省的利益与疫苗接种的费用。我们比较了确定性和随机模型的结果。
2019-10-10 q-bio.PE
Outbreak statistics and scaling laws for externally driven epidemics
幂律标度在经历连续相变的物理现象中是普遍存在的。经典的传染病易感-传染-传染（SIR）模型就是一个这样的例子，其中临界点附近的标度行为已被广泛研究。在该系统中，当系统大小$N$变为无穷大时，爆发大小的分布在临界点处按$P(n) \sim n^{-3/2}$缩放。爆发规模和持续时间的有限规模标度律也得到了很好的理解和表征。在这项工作中，我们报告的比例律模型SIR结构加上一个恒定的感染力每易感，类似于一个“水库强迫”。我们发现，在这个系统中的爆发的统计是根本不同的，比那些在一个简单的SIR模型。而不是固定的指数，所有的标度律表现出可调的指数参数化的无量纲率的外部强迫。当外部驱动率接近临界值时，平均爆发规模收敛于最大爆发规模，在临界点以上，标度律分叉为两个区域.简单的SIR过程只能显示$\mathcal{O}(N^{1/3})$和$\mathcal{O}(N)$大小的爆发，这取决于系统是否处于或高于流行病阈值，而驱动SIR过程可以显示更丰富的爆发大小谱，其扩展为$O(N^ξ)$，其中$ξ\in (0,1] \backslash \{2/3\}$和$\mathcal{O}((N/\log N)^{2/3})$处于多临界点。
2013-12-31 physics.data-an q-bio.PE
Epidemiological and evolutionary analysis of the 2014 Ebola virus outbreak
2014年埃博拉病毒的流行是由基因多样的病毒种群控制的。在塞拉利昂爆发的早期，最近的一项研究发现了产生遗传上不同的序列分支的新突变。在这里，我们发现的证据表明，塞拉利昂的主要分支有系统的增长率和繁殖数量的差异。如果这种生长异质性保持稳定，它将产生分支频率的重大变化，并影响当前疫情爆发时间尺度上的整体流行动态。我们的方法是基于简单的汇总统计的分支生长，这可以推断出一个潜在的分支特定的出生-死亡模型的感染动力学的系谱树。该方法可用于实时跟踪不断演变的流行病，并确定流行病学或进化意义的新兴分支。
2014-11-06 q-bio.PE
A generalized-growth model to characterize the early ascending phase of infectious disease outbreaks
为了剖析疾病传播的重要驱动因素，需要更好地描述流行病的早期增长动态。我们引入了一个2参数广义增长模型来描述疾病爆发的上升阶段，并捕捉从次指数到指数增长的流行特征。我们对代表各种病毒病原体的经验爆发数据进行了模型测试，并提供了模拟，强调了次指数增长对预测的重要性。我们将广义增长模型应用于代表一系列传播途径的20种传染病暴发。我们发现了从非常缓慢的增长（2014年利比里亚博米的埃博拉疫情p=0.14）到接近指数级的增长（1972年库尔纳的天花疫情p>0.9）和1918年旧金山的大流行性流感）。乌拉圭爆发的口蹄疫呈现出增长较慢的情况，而日本的艾滋病毒/艾滋病流行病的增长模式大致呈线性。西非埃博拉疫情提供了一个独特的机会，探讨如何增长曲线不同的地理;分析最大的区级疫情显示了巨大的增长差异（平均p=0.59，范围：0.14-0.97）。我们的研究结果揭示了不同传染病爆发的流行病增长模式的显着差异，并强调了次指数增长是一种常见现象。亚指数增长曲线可能来自接触结构或风险群体的异质性、反应性行为变化或干预策略的早期启动，考虑“减速参数”可能有助于完善现有的数学传播模型并改善疾病预测。
2016-01-15 q-bio.PE q-bio.QM
Epidemic "momentum" and a conservation law for infectious disease dynamics
McMaster University（麦克马斯特大学）；Sorbonne Université（索邦大学）
本文提出'传染病动量'概念，揭示传染病动力学中的守恒定律，通过分析流行率与潜在感染能力的关系，区分传播力与免疫力，为理解传染病爆发提供新视角。
2026-09-09 q-bio.PE
How contact patterns destabilize and modulate epidemic outbreaks
本文利用真实邻近数据研究接触时序与疾病阶段的相互作用，发现接触时间聚集导致暴发失稳和过度离散，周期性接触率调节R0，并展示了重现非马尔可夫统计特征的生成过程。
2023-05-03 physics.soc-ph q-bio.PE
$\mathcal{R}_{0}$ fails to predict the outbreak potential in the presence of natural-boosting immunity
由于免疫力的减弱和增强，宿主在个体水平上的时变易感性已知会诱导疾病传播动力学的丰富的长期行为。同时，尽管大量的流行病学数据是短期流行病，但宿主易感性的时变异质性对流行病短期行为的影响还没有得到很好的研究。在这里，我们构建了一个简约的数学模型描述的短期传播动力学，考虑到自然增强免疫力的再感染，并获得了显式的解决方案，我们的模型。我们发现，我们的系统表现出“延迟的流行病”，在流行病的初始阶段，流行病在流行病曲线的负斜率之后起飞，除了标准SIR模型中常见的分类，即，“无流行”为$\mathcal{R}_{0}\leq1$或正常流行为$\mathcal{R}_{0}>1$。采用显式的解决方案，我们推导出每个分类的条件。
2018-08-27 physics.soc-ph q-bio.PE
Forecasting the outcome and estimating the epidemic model parameters from the fatality time series in COVID-19 outbreaks
在没有其他工具的情况下，监测保护措施的效果，包括社交距离和预测疫情的结果，具有巨大的意义。实时数据是嘈杂的，并且经常受到报告中的系统性错误的影响。详细的流行病模型可能包含大量的经验参数，这些参数无法以足够的精度确定。在本文中，我们表明，累计死亡人数可以被视为一个主变量，和流行病的参数，如基本再生数，易感人群的大小，和感染率可以确定。在SIR模型中，我们导出了一个显式的单变量微分方程的累积死亡人数的发展。我们发现，在西班牙，意大利和湖北省，中国的流行病密切遵循这个主方程。我们讨论了与Logistic增长模型的关系，我们表明，它是一个很好的近似时，基本再生数小于$2.3$。该条件适用于湖北的疫情，但不适用于西班牙、意大利和纽约的疫情。不同之处在于中国的传染期较短，这可能是由于感染者的隔离政策。对于具有更多内部变量的更复杂的模型，例如SEIR模型，由于时间尺度的分离，从SIR模型导出的方程近似地保持有效。
2020-08-01 physics.soc-ph q-bio.PE
Extreme outbreaks in non-Markovian epidemics on complex networks
Racah Institute of Physics, The Hebrew University（拉卡物理学研究所，希伯来大学）
研究复杂网络非马尔可夫流行病极端爆发风险，通过映射非马尔可夫SIR动力学为有效马尔可夫描述来确定爆发规模分布，能纳入任意感染和恢复时间统计，为网络级极端爆发风险定量预测提供途径。
2026-07-28 cond-mat.stat-mech physics.comp-ph physics.soc-ph
Calibration of a SEIR-SEI epidemic model to describe the Zika virus outbreak in Brazil
在过去的二十年里，世界各地报告了多起寨卡病毒疫情，使相关疾病成为国际关注的问题。在这种情况下，流行病数学模型的使用是非常重要的，因为它们是有用的工具，研究潜在的爆发数字，并允许一个测试的有效性，不同的战略，用于打击相关的疾病。这项工作涉及流行病模型的开发和校准，以描述2016年巴西寨卡病毒的爆发。一个系统的8个微分方程，8个参数的模型通过两个种群的感染的演变。从文献中估计模型参数的标称值。反问题的制定和解决，通过比较系统的响应，从爆发的真实数据。校准后的结果给出了现实的参数，并返回了合理的描述，曲线形状与疫情演变相似，峰值接近2016年期间的最高感染人数。对某些初始条件下的响应行为进行了分析，并根据初始条件的取值变化，对初始条件下的响应行为进行了分析。
2021-05-13 cs.NA math.DS math.NA
A model for mosquito-borne epidemic outbreaks with information-dependent protective behaviour
University of Trento（特伦托大学）
本文研究了考虑人类根据过去和当前疾病流行情况调整防护行为的蚊媒流行病模型，通过几何奇异摄动理论将两组模型简化为同质宿主群体模型，分析信息诱导行为变化对流行病瞬态动力学的影响。
2026-05-07 math.DS q-bio.PE
Outbreak diversity in epidemic waves propagating through distinct geographical scales
在大流行情景中，新出现的传染病的一个核心特征是，根据所通过的缓解协议，其在地理范围内的传播和对不同地点的影响。研究了一个以斑块为代表的随机流行病模型。传染遵循一个随机分区模型的市政当局;后者，反过来，通过经常性的流动性相互作用。作为一个研究案例，我们考虑了巴西的COVID-19疫情，并进行了数据驱动的模拟。模拟的流行病曲线的性质在不同的地理位置和尺度上有非常广泛的分布，从州，通过中间和直接地区到市一级。据预测，在几个州，疫情爆发的延迟与距各自首府城市的距离之间的相关性很强，而在其他州则很弱，这表明多个疫源地向内陆城市传播的影响。不同区域对同一项减缓议定书的反应可能差别很大，这意味着防治流行病的政策必须根据区域的具体情况设计，但要与总体情况相结合。真实的一系列报告的情况下证实了模拟预测的定性方案。即使我们限制我们的研究，巴西的前景和模型可以扩展到其他地理组织的异质人口分布。
2020-11-14 physics.soc-ph q-bio.PE
Nowcasting the 2022 mpox outbreak in England
2022年5月，英国发现了一批天花病例，这些病例无法追溯到流行地区的近期旅行史。在接下来的几个月里，疫情增长，英国报告的病例总数超过3000例，世界各地也发生了类似的疫情。这些爆发似乎与同性恋、双性恋和其他男男性行为者之间的性接触网络有关。COVID-19大流行后，当地卫生系统紧张，因此有效监测天花对管理公共卫生政策至关重要。然而，英国爆发的天花疫情的特点是在报告确诊阳性病例的症状出现日期和标本采集日期方面出现了重大延误。这些延迟导致流行病曲线大幅波动，使实时解释流行病轨迹变得具有挑战性。目前有许多即时预报模型可以应对流行病学数据中的这一挑战，但这些模型缺乏足够的灵活性。我们已经开发了一种新的nowcasting模型，使用广义加性模型来纠正在英格兰的天花流行曲线，并提供实时特征的流行状态，包括实时增长率。这一模式得益于与参与收集和处理数据的个人的密切合作，使报告结构的时间变化能够纳入模式，从而提高了所生成的即时预报的可靠性。
2023-02-17 q-bio.PE
A time-dependent SEIR model to analyse the evolution of the SARS-CoV-2 epidemic outbreak in Portugal
背景：分析SARS-CoV-2疫情对于了解冠状病毒传播的动态至关重要。这可以帮助卫生和政府当局采取适当的措施，并实施适当的政治，旨在打击和预防it.Methods：一个时间依赖的动态SEIR模型的启发，以前使用的模型在韩国的MERS疫情被用来分析活跃和住院病例在葡萄牙的时间轨迹。结果：充分模拟了病毒在该国传播的时间演变。自缓解措施开始实施以来，该模型的参数每五天变化一次。据估计，活跃病例的峰值约为22，000例，但已治愈病例的官方数值已经过时。住院病例最高峰可达1,250例左右，其中ICU病房200/300例。结论：如果采取适当措施，葡萄牙的活跃病例数可以控制在约22,000人，其中约1,250人住院，200/300人在ICU病房。据估计，国家卫生服务局有1，140名医生，这似乎是可以控制的。
2020-05-01 q-bio.PE
Real-time projections of epidemic transmission and estimation of vaccination impact during an Ebola virus disease outbreak in the Eastern region of the Democratic Republic of Congo
截至2018年10月12日，刚果民主共和国北基伍省报告了211例埃博拉病毒病（EVD）病例。自10月初以来，疫情主要转移到武装冲突活跃的地区，卫生工作者难以接触到EVD病例及其接触者。我们使用分支过程模拟EVD传播，根据过去的EVD爆发估计传播逐渐淬灭，爆发轨迹以与当前爆发过程的一致性为条件，并具有多级疫苗接种覆盖率。我们使用自回归进行短期预测，使用回归模型进行最终规模预测，并使用简单的戈特定律作为预测集合。短期模型预测根据实际病例数进行了验证。在短期预测的验证过程中，模型在短期预测中的得分一直较高。根据截至10月13日的病例数，随机模型预测，到10月27日，（95%预测区间：205-268），11月10日之前为245（95% PI：208-315），而自回归模型预测这些日期的中位病例数分别为240（95% PI：215-307）和259（95% PI：216-395）。预计最终计数中位数范围为274至421。除戈特定律外，预计2013-2016年之后爆发的可能性极小。随机模型估计，这次疫情的疫苗覆盖率低于其试验中报告的水平。根据我们的预测，我们认为在这些估计时，该流行病尚未达到顶峰，尽管不太可能在2013-2016年爆发。我们估计传播率高于疫苗覆盖率目标水平，该模型估计值可能为疫情应对挑战提供替代指标。
2018-11-03 q-bio.PE
The basic reproduction number as a predictor for epidemic outbreaks in temporal networks
基本繁殖数R 0--在其他易感人群中被传染病人直接感染的个体数量--可以说是最广泛使用的估计流行病爆发的严重程度的方法。这种严重性可以更直接地测量为一旦爆发结束后感染的人的分数，Ω。在传统的数学流行病学和常用的静态网络流行病学公式中，R 0和Ω之间存在确定性关系。然而，如果我们考虑疾病在时间接触网络上传播--我们知道何时发生接触，而不仅仅是在谁之间--那么更大的R 0并不一定意味着更大的Ω。在本文中，我们数值研究的关系R 0和Ω的一组经验时间网络的人类接触。在时间网络结构的31个解释性描述符中，我们确定了那些使R 0成为Ω的不完美预测器的描述符。我们发现，有关的时间和拓扑方面的描述符影响R 0和Ω之间的关系，但在不同的方式。
2014-07-24 cs.SI physics.soc-ph q-bio.PE
COVID-19 Regional Waves and Spread Risk Assessment through the Analysis of the Initial Outbreak in Guatemala
2019冠状病毒病疫情于2020年3月首次爆发，袭击危地马拉。在国家范围内，疫情经历了一个相当知名和可区分的初始阶段，于2020年7月中旬达到高峰。然而，详细的情况更加复杂，反映了流行病动态的区域间差异，可能是基于社会人口、连通性和人员流动因素。对区域流行曲线进行分类并确定区域COVID-19传播的主要中心，有助于为未来具有类似传播特性的传染病爆发确定循证风险图。在这项工作中，我们做了一个区域波分解的初始流行病阶段登记在危地马拉，我们使用理查兹现象学模型及其估计的模型参数的多元排序技术绘制全国范围内的第一波流行病。通过探索模型空间参数的相似性，我们追踪了疾病在全国范围内传播的路线。我们评估了拟议的分类如何帮助定义一个区域风险等级，包括早期阶段的联络点，主要枢纽和二级流行病进展地区。
2022-09-13 q-bio.PE
Network-Based Analysis of a Small Ebola Outbreak
本文提出了一种基于网络的随机传染病模型中传染病参数的估计方法，当传染病总数被假定为很小时。我们通过重新分析Maganga等人（2014）描述的2014年刚果民主共和国（DRC）埃博拉疫情的数据来说明该方法。
2015-11-07 math.PR q-bio.PE stat.AP
Trend and forecasting of the COVID-19 outbreak in China
通过使用2020年1月20日至2月11日的公开数据，我们对中国大陆特别是湖北省的COVID-19疫情进行了数据驱动的分析和预测。我们的研究结果表明，每日感染的转折点预测分别为2020年2月6日和2月1日，对于湖北和湖北以外的中国。中国的疫情预计将在2020年3月10日之后结束，预计总感染人数为51600人。数据趋势表明，中国采取的快速、积极的减少人类接触的策略已经对疫情的控制产生了良好的影响。
2020-02-14 q-bio.PE
Discontinuous epidemic transition due to limited testing
高影响流行病是人类在21世纪面临的最大威胁之一。检测、接触者追踪和预防对于减缓流行病的发展至关重要，但对于高度传染性疾病来说可能是不够的。在没有药物干预的情况下，物理距离措施仍然是避免大范围爆发的最后手段。在这里，我们表明，这种组合的对策大大改变了流行病的过渡规则，如果测试能力是有限的：而不是连续的对策的反应变得不连续，而不是按照传统的指数增长，爆发加速和规模超指数在中间时期。因此，遏制措施要么足以在总病例数较低时阻止疫情爆发，要么如果过于薄弱就会发生灾难性的失败，从而意味着在可靠地估计总体流行动态方面存在很大的不确定性，无论是在初始阶段还是在第二波情景期间。
2021-02-22 physics.soc-ph q-bio.PE
Mobility restrictions in response to local epidemic outbreaks in rock-paper-scissors models
研究了三物种循环模型中一种物种通过降低移动率应对传染病爆发的自我保护策略，发现其有效性取决于疾病毒力、感染邻居比例阈值和减速水平，迅速严格限制移动可显著降低污染风险。
2023-03-19 nlin.AO nlin.PS physics.bio-ph
Optimal reduction of an epidemic outbreak size via temporary quarantine
本研究利用SIR模型确定单次隔离的最优启动时间以最小化疫情爆发规模，发现其与群体免疫阈值密切相关，并扩展至异质性网络，为疫情控制提供方法论。
2024-11-18 cond-mat.stat-mech physics.comp-ph q-bio.PE
Containing epidemic outbreaks by message-passing techniques
有针对性的网络免疫问题可以定义为在给定的流行病模型下，找到网络中的一个节点子集进行免疫或接种，以最小化接种成本和最终（静态）预期感染之间的权衡。虽然计算预期的感染是一个很难的计算问题，简单而有效的平均场近似已经提出了在最近几年的文献。该优化问题可以转化为一个约束问题，其中约束条件强制执行描述流行病过程平均稳态的局部平均场方程。对于广泛的一类流行病模型，包括易感染-感染-移除和易感染-感染-易感模型，我们定义了一种消息传递方法来进行网络免疫，该方法使我们能够研究存在免疫节点时流行病爆发的统计特性，并找到（接近）最佳免疫集，用于给定的参数和成本选择。该算法与图的大小成线性关系，即使在大型网络上也可以有效。我们比较其性能与拓扑为基础的算法，贪婪的方法，和模拟退火。
2013-09-11 cond-mat.dis-nn cs.SI physics.soc-ph
Information content of contact-pattern representations and predictability of epidemic outbreaks
了解人群的接触模式--谁与谁接触，以及接触发生的时间--对于传染病爆发的建模至关重要。传统的理论流行病学假设，任何人都可以以相等的概率遇到任何人。一种更现代的方法，网络流行病学，假设人们连接到一个静态的网络，疾病通过这个网络传播。较新的时间网络流行病学，包括接触表示中的时间。在本文中，我们研究的效果，这些连续的包含更多的信息。使用经验接近数据，我们研究了未知来源的爆发规模，并从已知状态的持续爆发。在第一种情况下，从完全混合模拟到网络，以及从网络到时间网络，存在很大的差异。在第二种情况下，差异较小。我们解释这些意见的时间网络结构的数据集。例如，节点和链接的快速翻转似乎使时间信息更加重要。
2015-03-23 cs.SI physics.soc-ph q-bio.PE
Efficient Stochastic Simulation of Network Topology Effects on the Peak Number of Infections in Epidemic Outbreaks
本文研究了接触网络结构对传染病爆发动力学的影响。特别是，我们专注于严重感染节点（PCIN）的峰值数量，确定重症监护病房的最大工作量，应保持较低。作为一种模型和仿真方法，我们开发了一个连续时间马尔可夫链（CTMC）模型和一个有效的模拟基于Gillespie的随机模拟算法（SSA）。这种方法结合了一个现实的近似的随机过程不依赖于平均场模型的假设和大的渐近大人口规模的微分方程模型，并在同一时间有效的方式来模拟网络的中等规模。根据COVID-19爆发的数据和乌克兰的人口数据，对不同情景下的方法进行了分析。从这些结果中，我们提取网络拓扑结构的功能，需要考虑有效地减少感染的峰值数量。CTMC模拟是在python中实现的，并集成在一个仪表板中，可用于交互式探索，并公开提供。
2022-02-27 cs.SI physics.soc-ph q-bio.PE
A Novel Methodology for Epidemic Risk Assessment of COVID-19 outbreak
我们提出了一个新的数据驱动的框架，用于评估一个地理区域的先验流行病风险，并确定一个国家内的高风险地区。我们的风险指数被评估为三个不同组成部分的功能：疾病的危害，该地区的暴露和其居民的脆弱性。作为应用，我们讨论了意大利爆发的COVID-19疫情。我们使用现有的历史数据，空气污染，人类流动，冬季温度，住房集中，医疗保健密度，人口规模和年龄的20个意大利地区的特点。我们发现，与意大利中部和南部相比，北部一些地区的流行病风险更高。相应的风险指数显示了与感染者人数、重症监护患者和死亡患者人数的现有官方数据的相关性，并有助于解释为什么伦巴第、艾米利亚-罗马涅、皮埃蒙特和威尼托等地区比该国其他地区遭受的痛苦要多得多。尽管2019冠状病毒病疫情几乎同时在意大利北部（伦巴第大区）和中部（拉齐奥大区）爆发，但当首批病例于2020年初被正式认证时，该疾病在疫情风险较高的地区传播更快，后果更严重。我们的框架可以扩展并在其他流行病数据上进行测试，例如季节性流感，并应用于其他国家。我们还提出了一个政策模型与我们的方法，这可能有助于政策制定者采取明智的决定。
2021-01-22 physics.soc-ph q-bio.PE
Epidemic modelling: aspects where stochasticity matters
流行病模型通常是真实世界流行病的简化模型。包括哪些真实世界特征，以及进行哪些简化，取决于感兴趣的疾病和建模的目的。在本文中，我们讨论了一些这样的目的，\emph{stochastic}模型是优选的\emph{deterministic}对应。这两个主要的例子说明了当关注大规模流行病爆发的\emph{probability}和/或流行病的初始\emph{speed}或增长率时，允许传染期和潜伏期是随机的重要性。后者的一个后果是，估计的基本再生数$R_0$是敏感的假设的分布的传染期和潜伏期时，使用的数据从爆发的早期阶段，我们从SARS爆发的数据说明。一些进一步的例子也进行了讨论，是一些实际的后果，这些随机方面。
2008-12-18 math.PR q-bio.PE
On Key Epidemiological Metrics during Infectious Disease Outbreaks
在这项工作中，我们回顾了用于表征流行病爆发的数字。特别注意的是，流行病的传播随时间变化的过渡率。采用时变类SIR模型来描述传染病的动力学过程，导出了与繁殖率、倍增时间等关键量和参数相关的封闭方程。这些指标的定义和计算的背景下，随时间变化的模型动力学的一般解决方案重新审视，专注于与时不变的情况下的相似性和差异。此外，还研究了这些指标的预测，即疾病演变，作为对不同情况的响应。
2020-11-04 cs.SY eess.SY q-bio.PE
A mathematically assisted reconstruction of the initial focus of the yellow fever outbreak in Buenos Aires (1871)
我们讨论了历史上的死亡率记录对应的初始重点的黄热病疫情在布宜诺斯艾利斯登记在1871年期间相比，模拟的随机种群动力学模型。该模型结合了黄热病城市病媒埃及伊蚊的生物学、人类疾病的阶段以及流行病爆发的空间延伸。在介绍了历史背景和它把初始条件和生态参数的限制，我们讨论了模拟的一般功能和依赖于初始条件和可用的网站繁殖的载体。我们讨论的敏感性，自由参数，统计估计，如：最终死亡人数，一年中的哪一天，当疫情达到总死亡率的一半和标准化的每日死亡率，显示出一些惊人的不确定性。该模型是精确和准确的，足以讨论目前接受的流行病原因的历史讨论的真实性，表明历史事实有更可能的情景。
2014-12-18 q-bio.PE
Modelling lockdown measures in epidemic outbreaks using selective socio-economic containment with uncertainty
在推出旨在阻止SARS-CoV 2疫情蔓延的严厉遏制措施后，许多政府在面临封锁造成的严重经济危机时采取了基于定期放松此类措施的策略。评估这种开放对疾病重新蔓延的风险的影响是一个极其困难的问题，因为在感染者的实际人数、实际繁殖人数和疾病的感染死亡率方面存在许多未知数。在这项工作中，从一个隔间模型与社会结构和随机输入，我们推导出模型与多个反馈控制，这取决于社会活动，允许评估的影响，选择性放松的遏制措施，在存在不确定的数据。在家庭、工作场所、学校和其他地点的具体接触模式已被考虑。从不同的情况下，在一些主要国家，包括德国，法国，意大利，西班牙，英国和美国的第一波流行病的结果，介绍和讨论。
2021-06-09 math.OC q-bio.PE
Epidemic outbreaks in structured host populations
本文研究了异质宿主种群中传染病的基本再生数 $\cR_0$，将其定义为下一代算子的谱半径，通过放宽特征向量条件并利用测度核或 Feller 核，以解析方法获得了更一般的阈值性质。
2025-04-28 math.AP q-bio.PE
SUIHTER: A new mathematical model for COVID-19. Application to the analysis of the second epidemic outbreak in Italy
COVID-19疫情是上个世纪影响人类的一长串大流行病中的最后一次。在本文中，我们提出了一个新的数学流行病学模型命名为SUIHTER从七个隔间的名称，它包括：易感未感染的个人（S），未检测到的（无症状和有症状）感染（U），隔离（I），住院（H），威胁（T），灭绝（E）和恢复（R）。一个合适的参数校准，是基于最小二乘法和马尔可夫链蒙特卡罗（MCMC）方法的结合使用，提出了再现过去的历史，在意大利的流行病，出现在2月下旬，至今仍在进行中，并验证SUIHTER在其预测能力。新模型的一个显著特点是，它允许在模型分区和意大利民防局每天提供的数据之间采用一对一的校准策略。然后将新模型应用于意大利疫情的分析，重点是2020年秋季出现的第二次疫情。特别是，我们表明，流行病学模型SUIHTER可以适当地用于在国家一级进行情景分析的预测方式。
2021-04-26 cs.NA math.NA q-bio.PE
Epidemic spreading dynamics with drug-resistant and heterogeneous contacts
在复杂系统中，耐药性和强接触实际上在流行病传播中起着至关重要的作用。然而，无论是理论模型还是方法论都没有提出来解决这个问题。因此，我们考虑一个基于边的传染病传播模型，考虑两个关键成分，其中的接触分为两类：强接触和正常的。接下来，我们提出了一个统一的基于边缘的分区方法的传播动力学的Erdös-Rényi（ER）网络，并验证其结果通过广泛的数值模拟。在这种情况下，流行病是完全耐药的，我们在数字上和理论上都显示了一个缓慢的爆发（连续过渡）的流行病时，强接触的数量是不够的出现零阈值。如果疫情具有部分抵抗性，我们将观察到明显的快速增长的爆发（不连续的转变）和更大的最终流行规模，而不是随着强接触的增加而出现零阈值。同时也证实了感染阈值的抑制作用、强接触的积极作用以及强接触的强度对暴发的促进作用。在本文中，我们可以通过分析方法驱动精确的预测，与数值模拟显示出良好的一致性。
2017-09-12 physics.soc-ph q-bio.PE
Behavior-induced oscillations in epidemic outbreaks with distributed memory: beyond the linear chain trick using numerical methods
本文研究了传染病爆发中行为适应如何引发持续感染波，通过数值方法分析了记忆核形状对疫情周期和峰值的影响。
2025-11-26 math.DS q-bio.PE
Modelling the spread of two successive SIR epidemics on a configuration model network
本文针对配置模型网络上两次连续 SIR 流行病构建随机模型，结合键渗流与三类型分支过程，推导第二次疫情的大暴发阈值、概率及感染比例。
2024-10-28 math.PR q-bio.PE
