Predicting unobserved exposures from seasonal epidemic data
本文考虑一个接触率随季节变化的随机SEIR流行病模型。通过使用一个非线性，随机投影，我们能够分析确定的低维流形上的确定性和随机动力学正确地相互作用。我们的方法产生了一个低维随机模型，该模型捕获了在高维模型中看到的疾病爆发的相同时间和复发行为的相同幅度和相位。鉴于季节性流行病数据由传染性个体的数量组成，我们的方法能够基于数据的模型预测在很长一段时间内未观察到的暴露个体的数量。
2013-09-10 physics.bio-ph q-bio.PE
Invariant predictions of epidemic patterns from radically different forms of seasonal forcing
环境变量的季节性变化和个人之间的接触率是传染病动态的基本驱动因素。与大多数强迫物理系统不同，强迫的精确模式通常是已知的，传输率季节变化的基本模式最多只能近似估计，只有强迫的周期是准确知道的。然而，流行病模型的解决方案强烈地依赖于强制函数，因此动态预测-如人口结构转变或大规模疫苗接种可能引起的流行病模式的变化-总是受到季节性的基本模式指定不佳的异议。在这里，我们证明了标准的流行病模型的关键分支是不变的形状的季节性强迫，如果强迫的幅度进行适当的调整。因此，适用于实际疾病动力学的分析可以进行平滑，理想化的正弦强迫函数，并在流行模式的定性变化可以预测没有精确的知识的基本强迫模式。我们发现类似的不变性在一个季节性强迫捕食模型，并推测这种现象-和相关的鲁棒性的预测-可能是一个功能的许多其他周期性强迫动力系统。
2019-08-07 math.DS nlin.CD q-bio.PE
Optimal Vaccination Strategies and Rational Behaviour in Seasonal Epidemics
考虑了具有时间依赖传输率和暂时免疫的SIR模型。我们假设时间依赖性疫苗接种，其赋予与自然感染相同的免疫力。我们研究了两种类型的疫苗接种策略：i）最优疫苗接种，在这个意义上，它最大限度地减少了一组疫苗接种策略中的疫苗接种工作，对于任何足够小的扰动的疾病的状态，传染性个体的数量是单调递减的; ii）纳什均衡策略，其中所有个人同时最小化联合疫苗接种的风险与疾病的风险。前一种情况对应于强制接种疫苗的最优解，而第二种情况对应于如果疫苗接种是完全自愿的，则预期的均衡。我们能够证明在一般情况下存在最优策略和纳什策略。一般来说，这些策略将不是函数，而是Radon措施。对于特定形式的传输率，我们提供了明确的公式的最佳和纳什疫苗接种策略。
2016-03-18 q-bio.PE
An Exploration of Modeling Approaches for Capturing Seasonal Transmission in Stochastic Epidemic Models
本文系统梳理了将季节性纳入传染病传播模型的主要建模方法，并通过随机SIR模型数值模拟和再生数、暴发概率等指标揭示了季节性对疾病动态的影响。
2024-10-22 q-bio.PE stat.AP
Stochastic effects in a seasonally forced epidemic model
研究了季节性强迫传染-暴露-传染-恢复随机模型的季节性、系统的非线性和内在随机性的相互影响。该模型在对应于儿童传染病（如麻疹）的参数区域中进行了探索。描述模型的热力学极限的确定性系统的吸引子周围的随机波动的功率谱计算分析和验证随机模拟大系统的大小。通过额外的模拟研究尺寸效应。其他的影响，如共存的吸引子之间的随机性引起的文献中经常提到的儿童传染病的动态中发挥重要作用的切换也进行了研究。主要结论是，随机放大，而不是这些影响，是关键成分，以了解所观察到的发病率模式。
2010-10-17 cond-mat.stat-mech nlin.AO physics.bio-ph
The short-term seasonal analyses between atmospheric environment and COVID-19 in epidemic areas of Cities in Australia, South Korea, and Italy
COVID-19疫情对健康的影响受到广泛关注。疾病风险评估、预测和预警已成为一个重要的研究领域。以前的研究表明，空气质量和疾病之间存在联系。利用澳大利亚、韩国和意大利3个国家的大气环境数据、已证实的病例数据和基于拟泊松回归的分布滞后非线性模型（DLNM），研究了大气环境对基本生殖数（R $_0$）的影响。结果表明：气温和湿度对短期R $_0$具有滞后性和持续性，季节因子对R $_0$具有明显的装饰作用。PM $_{10}$是影响超额发病率的主要污染物。此外，作为扰动因子的O $_3$、PM $_{2.5}$和SO $_2$具有明显的累积效应。这些结果为环境与COVID-19之间的相关性提供了有益的知识，可指导疾病数据的前瞻性分析。
2020-05-23 physics.soc-ph q-bio.PE
SEIR models with host heterogeneity: theoretical aspects and applications to seasonal influenza dynamics
University of Trento（特伦托大学）；National Laboratory for Health Security, University of Szeged, Bolyai Institute（塞格德大学博莱伊研究所国家健康安全实验室）
本文研究了具有宿主异质性的SEIR模型，通过分析易感性分布对流行病最终规模的影响，提出了一种更实用的模型用于拟合流行病数据。
2026-01-23 math.DS q-bio.PE
Epidemic amplification by correlated superspreading
本文提出一个基于个体再生数沿传播链自相关的框架，揭示相关超级传播如何在平均传播率低于1时仍能维持流行病，并通过47棵传播树的实证分析及疫苗接种动力学，为现实阈值现象提供机制解释。
2025-09-18 q-bio.PE
Modeling Sheep pox Disease from the 1994-1998 Epidemic in Evros Prefecture, Greece
羊痘是一种高度传染性疾病，可造成严重的牲畜损失，因此可产生重大的经济影响。我们目前的数据从1994年至1998年发生的羊痘疫情。这些数据包括每周受感染农场的记录以及一些协变量。我们实现贝叶斯随机回归模型，除了各种解释变量，如季节和环境/气象因素，还包含基于Ornstein-Uhlenbeck过程变体的序列相关结构。我们通过利用基于偏差的措施在模型选择中采取预测观点。结果表明，季节性和感染的农场数量是绵羊痘发病率的重要预测因子。
2017-08-28 q-bio.PE stat.AP
The Impact of Past Epidemics on Future Disease Dynamics
许多病原体主要通过感染宿主和易感宿主之间的直接接触传播。因此，人群的接触模式或接触网络从根本上塑造了流行病的进程。虽然有一个强大的和不断增长的理论，在网络中的单一流行病的动力学，我们知道的很少网络结构的影响，长期的流行病或地方病的传播。对于像流感这样的季节性疾病，病原体反复返回到具有复杂和不断变化的易感性模式和通过先前感染获得的免疫力的人群中。在这里，我们开发了两种数学方法来模拟连续的季节性爆发的部分免疫感染的接触异质性的人口。使用渗透理论的方法，我们考虑了泄漏免疫，其中所有先前感染的个体获得部分免疫，和完美免疫，其中一部分先前感染的个体完全免疫。通过重组宿主人口中流行病学活跃的部分，这些疾病限制了未来爆发的可能性。我们推测，这些动态可能导致进化压力，以增加传染性。
2009-10-12 q-bio.PE q-bio.QM
An autonomous compartmental model for accelerating epidemics
于二零二零年秋季，多个欧洲国家报告COVID-19病例迅速增加，而有效繁殖率的估计亦不断上升。流行病传播的这种加速通常归因于时间效应，例如人类旅行、季节性行为变化、病原体突变等。然而，在这种情况下，当检测和接触者追踪等应对措施超过其能力限度时，就会出现加速。考虑奥地利作为一个例子，在这里，我们表明，这种动态可以捕获的时间无关，即自治，分区模型，结合这些容量限制。在这个模型中，疫情加速与缓解努力的耗尽相吻合，导致未被发现的病例比例增加，从而推动有效繁殖率逐步提高。我们证明，标准模型，不包括这种影响必然会导致系统低估的有效繁殖率。
2022-07-06 q-bio.PE
Flexible Modeling of Epidemics with an Empirical Bayes Framework
季节性流感流行每年在经济负担、发病率和死亡率方面造成持续的、相当大的、广泛的损失。有了对当前或即将到来的流感流行行为的准确和可靠的预测，政策制定者可以设计和实施更有效的对策。我们使用半参数经验贝叶斯框架开发了一个流行病季节预测框架，并将其应用于预测流感样疾病的每周门诊医生就诊百分比，以及季节发作，持续时间，高峰时间和高峰高度，有和没有来自Google流感趋势的额外数据，作为CDC 2013- 2014年“预测流感季节挑战”的一部分。以前流行病建模的工作集中在发展疾病行为的机制模型和应用时间序列工具来解释历史数据。然而，这些模型可能无法准确地捕捉我们未来可能看到的可能行为的范围。相反，我们的方法使用前几个季节的数据的修改版本为感兴趣的季节的流行曲线产生了可能性，允许季节性流行病的时间，速度和强度的合理变化，以及观察中的噪声。由于该框架没有做出严格的特定领域假设，因此它也可以很容易地应用于其他疾病。该方法的另一个重要优点是，它为任何期望的预测目标产生完整的后验分布，而不仅仅是点预测。我们报告了对2013- 2014年美国流感季节的前瞻性流感样疾病预测，并将该框架对历史数据的交叉验证预测误差与各种简单基线预测因子的预测误差进行了比较。
2014-10-27 q-bio.PE stat.AP
Stochastic Fluctuations in Epidemics on Networks
人口统计学随机性在地方性传染病长期行为中的影响长期以来一直被认为是确定性基础理论的必要补充。后者可以解释周期性流行病的规律性行为，而前者则是观察到的发病率模式的叠加噪声。最近，一个随机理论的基础上与内部噪声共振机制的随机性的作用转移到更接近中心阶段，通过显示的发病率数据中发现的主要动态模式可以解释为共振波动，其行为在很大程度上是独立的季节性强迫的幅度，相反，非常敏感的基本流行病学参数。在这里，我们详细介绍了这种方法，通过添加一个在标准流行病模型中缺失的成分，即感染可能传播的“混合网络”。我们发现，空间相关性的共振随机波动的振幅和相干性的增强有重大影响，提供了定期流行病，其周期可能会显着不同的周期从周围的确定性平衡的小振荡的有序模式。我们还表明，包括一个更现实的，时间相关的，恢复曲线，而不是指数分布的感染期，即使在随机混合限制，有助于相同的效果。
2007-08-28 q-bio.PE
Stochastic Epidemic Models inference and diagnosis with Poisson Random Measure Data Augmentation
我们提出了一个新的贝叶斯推断方法的房室模型，考虑到内在的随机性的过程。我们将展示如何制定一个SIR型马尔可夫跳过程的随机微分方程的解决方案，相对于泊松随机测度（PRM），以及如何模拟过程轨迹确定性的参数值和PRM实现。这形成了我们的数据增强MCMC的基础，它包括用未观察到的PRM值来增强参数空间。由此产生的简单的Metropolis-Hastings采样器作为一个有效的基于模拟的推理方法，可以很容易地从模型转移到模型。与最近的一种基于个体感染历史的吉布斯抽样的数据增强方法相比，PRM增强的MCMC随着流行病规模的扩展要好得多，并且更加灵活。PRM增强MCMC也产生PRM的后验估计，表示过程随机性，并且可以用于验证模型。如果模型是好的，则后验分布不应显示任何模式，并且应接近PRM先验分布。我们通过拟合非季节性模型来说明这一点，一些模拟的季节性病例计数数据。应用于2013年法属波利尼西亚的寨卡疫情，我们的方法表明，一个简单的SEIR模型无法正确再现病例数量的初始急剧增加以及血清阳性的最终比例。因此，PRM增强为随机流行病模型推理提供了一个连贯的故事，其中显式地推断过程随机性有助于模型验证。
2020-04-21 q-bio.PE stat.ME
Periodic forcing in a three level cellular automata model for a vector transmitted disease
利用周期强制二维元胞自动机模型分析了具有复杂时空模式的病媒传染病的传播。该系统，它包括三个人口水平，被引入到描述复杂的功能的动态的载体传播的登革热流行病，已知是非常敏感的季节性变量。三个耦合水平代表人类、成年和未成熟的载体群体。动态包括外部季节性强迫（降雨强度数据），人类和蚊子的流动性，以及病媒控制效果。模型的参数，即使有界的明确定义的间隔从报告的数据，可以选择重现特定的流行病爆发。在目前的研究中，明确的结果是通过与实际数据的比较，从时间序列的登革热疫情在巴西的两个城市。结果表明，不捕获的平均场模型的波动。它还揭示了流行病的时空模式的定性行为。在没有外部周期驱动的极端情况下，模型预测了完全不同的长时间演化。该模型是强大的意义上说，它是能够再现的时间序列的登革热疫情的不同城市，提供强迫项考虑到当地的降雨调制。最后，由于人类流动的影响，传染病阈值与媒介控制之间的关系经历了从幂律到拉伸指数的转变。
2008-10-02 nlin.CG q-bio.PE
Seasonal transmission potential and activity peaks of the new influenza A(H1N1): a Monte Carlo likelihood analysis based on human mobility
6月11日，世界卫生组织正式将大流行病警戒级别（针对新的H1N1流感毒株）提高到6级。我们使用一个全球结构化集合种群模型，整合了全球范围内的流动性和运输数据，以估计传播潜力和相关的模型参数，我们使用的是2009年新型甲型流感（H1N1）的年表数据。该方法是基于最大似然分析的到达时间分布模型在12个国家播种墨西哥使用1 M计算模拟流行病。一个扩展的年表，包括全球93个国家在6月18日之前播种，用于确定季节性影响。我们发现基本生殖数的最佳估计值R 0 = 1.75（95%CI 1.64至1.88）。相关性分析允许根据观察到的模式选择最可能的季节性行为，从而确定未来大流行演变的合理情景，并估计不同半球的大流行活动高峰。我们提供了下一波的住院人数和发病率的估计，以及对疾病参数值的广泛敏感性分析。我们还研究了抗病毒药物的系统治疗使用对流行时间轴的影响。分析显示，北半球可能在10月/11月出现早期流行高峰，可能在大规模疫苗接种运动之前。我们认为，计划额外的缓解政策，如系统的抗病毒治疗可能是延迟活动高峰的关键，以恢复疫苗接种计划的有效性。
2009-09-14 cond-mat.stat-mech physics.soc-ph q-bio.PE
Epicasting: An Ensemble Wavelet Neural Network (EWNet) for Forecasting Epidemics
International Institute of Information Technology Bangalore（班加罗尔国际信息技术学院）；Sorbonne University Abu Dhabi（索邦大学阿布扎比分校）；Sorbonne Center for Artificial Intelligence（索邦人工智能中心）；National University of Singapore（新加坡国立大学）
针对流行病时间序列的非线性、非平稳和季节性特征，提出基于MODWT与自回归神经网络的EWNet框架，并通过理论分析和多模型对比验证其预测竞争力。
2023-03-14 cs.LG nlin.CD q-bio.PE
Life-time patterns of reinfections: epidemic cohorts as traveling waves
Universitat Rovira i Virgili（罗维拉-伊尔吉利大学）；University of Padova（帕多瓦大学）；Pacific Northwest National Laboratory（太平洋西北国家实验室）
本研究提出链式SIR模型，通过按再感染次数索引区室，在再感染空间中产生行波，解析波速并量化免疫应答对多种季节性病毒再感染率的降低作用。
2026-09-29 q-bio.PE
Drivers of Transient Dynamics and Persistence in Dengue: Insights from Sensitivity and Stochastic Modeling
Centro de Investigación en Matemáticas A.C. Unidad Mérida（墨西哥数学研究中心梅里达分部）
本文通过敏感性和随机建模研究了关键流行病学参数如何影响季节性流行和登革热传播的持续性，揭示了参数重要性排名，并为公共卫生政策优先级提供依据。
2026-05-20 q-bio.PE
Forecasting influenza hospital admissions within English sub-regions using hierarchical generalised additive models
背景资料：季节性流感在冬季给医疗保健服务造成了巨大负担，而这些系统已经处于压力之下。2019冠状病毒病大流行期间的政策抑制了季节性流感的传播，使得潜在疫情复苏的时间和规模难以预测。研究方法：我们开发了一个分层广义加性模型（GAM），用于短期预测英格兰次区域流感病毒检测呈阳性的住院人数。该模型采用了多级结构的时空样条，每周的季节性和空间相关性。使用多个性能指标，包括区间分数，覆盖率，偏差和绝对误差中位数，评估2022/23季节波的预测性能。业绩是衡量对自回归综合移动平均（ARIMA）时间序列模型。结果如下：GAM方法在高和低级别地理区域的评分规则以及包括转折点在内的疫情波不同阶段的表现优于ARIMA模型。GAM的性能与14天的预测范围是类似的误差ARIMA在7天。GAM的性能被发现是最敏感的平滑函数，衡量国家流行趋势的灵活性。释义：本研究介绍了一种新的方法，短期预测住院与流感使用层次，空间和时间的组成部分。该模型是数据驱动的，可使用预测时实际可用的信息进行部署，解决了流行病预测方法的关键局限性。该模型在整个冬季被英国卫生安全局和英格兰国家卫生服务局用于医疗保健运营规划。
2023-02-23 q-bio.PE stat.AP
How can contemporary climate research help to understand epidemic dynamics? -- Ensemble approach and snapshot attractors
研究了基于房室微分方程的标准流行病模型在连续参数变化的外部强迫下的传播特性。我们发现，季节性调制的接触参数叠加单调衰减需要一个不同的描述比标准的混沌动力学。快照吸引子及其自然概率分布的概念已从最新的气候变化研究领域中被采用，以显示瞬态效应和疾病传播的集合解释的重要性。在给出扩展的麻疹分岔图后，研究了相空间结构的时间变化。通过定义集合上的统计度量，我们可以将流行病的内部变异性解释为复杂动态的开始，即使对于那些预期有规律行为的接触参数值也是如此。我们认为，异常爆发的传染类不能消亡，直到瞬态混沌的各种参数。更重要的是，这一事实变得可见，通过使用合奏的方法，而不是单一的轨迹表示。这些发现是普遍适用于非线性动力系统，如标准的流行病模型，无论参数值。
2020-08-12 nlin.CD q-bio.PE
Prediction of flu epidemic activity with dynamical model based on weather forecast
呼吸道疾病的季节性（普通感冒、流感等）是一个从古代就开始研究的著名现象。预测模型的发展不仅是数学流行病学中一个尚未解决的实际问题，而且对公共卫生安全具有重要意义。在这里，我们表明，SIRS（易感-感染-感染-易感）模型足够准确地再现流感活动的真实曲线。它包含可变的反应速率，这是一个函数的平均日温度。提出的变量交替表示SIRS方程作为二阶常微分方程与外部激励。它揭示了这种预测效率的起源，并解释了分析1：1动力学共振，这是众所周知的流行病行为的一个重要属性。我们的工作打开了基于天气预报的流感活动正常水平的即时短期预测的发展前景，并允许更精确地估计当前的流行水平。后一个事实是基于预期的天气活动和即时异常之间的明显差异。
2014-04-25 math.DS physics.med-ph q-bio.PE
Oscillations in SIRS model with distributed delays
流行病中普遍存在的振荡现象给流行病模型的建立带来了长期的挑战。它们是由外部和季节性驱动的，还是由内在动力引起的，这是一个悬而未决的问题。众所周知，固定的时间延迟使标准SIRS模型的稳态解不稳定，对于某些参数值产生稳定振荡。本文从经典的SIRS模型出发，对免疫力的恢复和丧失作了一般性的处理。我们提出振荡图（振幅和周期）的参数的模型，显示如何振荡可以不稳定的两个特征（传染性和免疫）时间的分布的形状。该公式是根据延迟方程，这是数值积分和线性化。模拟结果包括显示他们支持线性分析，并解释为什么不，他们不。考虑和实际疾病的比较。
2010-09-30 q-bio.PE
Fluctuations and oscillations in a simple epidemic model
我们发现，最简单的随机流行病模型的空间相关性表现出两种类型的振荡行为在地方病阶段。在一个大的参数范围内，振荡是由于共振放大的随机波动，一般机制首次报道的捕食者-猎物动力学。在一个狭窄的参数范围内，包括许多传染病，赋予持久的免疫力的振荡持续无限的人口。这种效应在模拟可变大小系统中的随机过程时很明显，并且可以从确定性对近似方程的相图中理解。这两种机制结合在一起，在解释真实数据和流行病及其他相关模型的模拟结果中普遍存在的振荡行为方面发挥了核心作用。
2009-06-02 cond-mat.stat-mech physics.bio-ph q-bio.PE
Ross-Macdonald Models: Which one should we use?
Ross-Macdonald模型是大多数媒介传播疾病模型的基础。即使对于同一种疾病，不同的作者使用不同的模型公式，但假设不同的假设的动态后果的研究是缺失的。在这项工作中，我们提出了不同的配方的基本Ross-Macdonald模型与仔细讨论每个模型背后的假设。提出的最一般的模型是基于代理的模型，其中任意分布的潜伏期和传染期，主机和载体，被认为是。在种群水平上，我们还建立了一个确定性的Volterra积分方程模型，其中也包括任意分布的等待时间。我们使用统计数据（如流行病峰值或流行病最终规模）来表征流行病曲线，比较使用不同传染期和潜伏期分布的模型解。计算每个配方的基本再生数（$R_0$），并与基于代理的模型获得的经验估计值进行比较。突出和讨论的潜伏期和传染期考虑现实的分布的重要性。我们还表明，季节性是媒介传播疾病动态塑造流行曲线及其持续时间的关键驱动因素。
2020-02-26 math.DS q-bio.PE
An epidemic model highlighting humane social awareness and vector-host lifespan ratio variation
许多媒介传播疾病流行模型忽视了这样一个事实，即在现代人类文明中，社会意识以及自我防御系统对疾病的高级传播具有压倒性的作用。通过社交媒体和移动应用程序获取新闻变得越来越容易，而用于预防疾病的设备也越来越丰富和便宜。在这里，我们研究了一个简单的主机矢量模型，其中媒体引发的社会意识和季节性的载体繁殖考虑在内。出现了一个临界值，表明令人震惊的爆发;受感染的人类个体的数量超过这个临界值，将启动易感亚群的自卫系统。提出了一个模型，其中感染率围绕在贫困的可能性，不情愿，令人厌倦，认为疾病是很容易治愈的，缺乏医疗服务，和压倒性的饥饿的载体。通过对人类和病媒种群动力学之间不同的时间尺度进行研究，我们有了进一步的发现。由此产生的慢-快系统揭示了显着的动态，其中解决方案的轨迹局限于慢流形和临界流形，最终结束之前，在平衡。本文还研究了慢流形与临界流形的重合如何增强周期强迫。滞后回线的发现提供了如何定义惊人的爆发严重扰乱基本的生殖数，后来有助于保持小幅度的发病率周期的见解。
2020-02-27 math.DS q-bio.PE
Immunity-induced criticality of the genotype network of influenza A (H3N2) hemagglutinin
季节性流感每年造成数十万人死亡，在任何特定时间都有多种不断变化的毒株在流通。高突变率使流感病毒能够逃避人类免疫系统的识别，包括通过过去的感染和疫苗接种获得的免疫力。在这里，我们捕捉流感病毒株的遗传相似性和它们的演化动力学与基因型网络。我们发现，流感病毒A（H3N2）血凝素的基因型网络的特点是重尾分布的模块大小和连接，这表明临界行为。我们认为：（i）基因型网络由突变和宿主免疫驱动，以探索结构可预测的网络子空间，（ii）基因型网络提供了捕获多菌株流行病模型丰富动态所必需的底层结构。特别是，包括应变超越免疫流行病模型是依赖于一个潜在的基因型网络的结构。这种相互作用表明了一种自组织临界性，其中流感的流行动力学位于其基因型网络的临界区域。我们的结论是，疾病动态和网络结构之间的相互作用可能是未来的网络分析的病原体进化和现实的多菌株流行病模型的关键。
2021-09-25 nlin.AO q-bio.PE
Time-dependent heterogeneity leads to transient suppression of the COVID-19 epidemic, not herd immunity
流行病通常通过一系列波传播，这些波反映了多个时间尺度上的因素。在短时间尺度上，超级传播事件导致突发性和过度分散，而长期持续的易感性异质性预计将导致感染高峰和群体免疫阈值（HIT）降低。在这里，我们开发了一个通用的方法，包括时间尺度，包括个人社会活动的时间变化，并演示了如何将它们纳入一个广泛的流行病学模型，通过参数化的现象。我们推导出了有效再生数Re对易感种群分数S的非线性依赖关系。我们发现，在流行病的早期，高节奏的阶段，短暂的集体免疫（TCI）的状态出现远低于HIT。然而，这是一种脆弱的状态，由于社会活动水平的变化，随着时间的推移而减弱，因此感染高峰并不是群体免疫的指示：由于人群的行为变化，随后的浪潮可以并且将会出现，例如，季节性因素。通过使用来自COVID-19疫情以及现实生活中面对面接触网络的经验数据来估计异质性的瞬时和长期水平。这些结果表明，受影响最严重的地区，如纽约市，在第一波疫情后已经实现了TCI，但可能仍低于长期HIT。因此，与以前的一些主张相反，这些地区仍然可能经历随后的浪潮。
2021-01-29 physics.med-ph physics.soc-ph q-bio.PE
Scarlet Fever Dynamics in 19th and 20th Century London
McMaster University（麦克马斯特大学）
本研究分析伦敦1842-1939年猩红热数据，发现流行周期从4年延长至8年，死亡数骤降，通过机制模型揭示有效繁殖数与季节性强迫变化是主因，可能涉及病原体进化。
2026-09-25 q-bio.PE
Inference for stochastic kinetic models from multiple data sources for joint estimation of infection dynamics from aggregate reports and virological data
流感和呼吸道合胞病毒（RSV）是全球季节性急性呼吸道感染（ARI）的主要病原体。医生通常仅根据患者的症状诊断ARI，并不总是进行必要的病毒学测试来识别单个病毒，这限制了研究多种病原体之间相互作用的能力，并提出公共卫生建议。我们考虑一个随机动力学模型（SKM）的两个相互作用的ARI病原体在一个大的人口和经验为动机的背景过程中与其他病原体感染引起类似的症状。一个扩展的边缘采样方法的基础上的线性噪声近似的SKM集成了多个数据源和额外的模型组件。我们推断的参数定义的病原体的动态和相互作用的贝叶斯分层模型，并探讨感染的后向轨迹为每种疾病的基础上，从六个流行季节收集的国家卫生部门的总感染报告，和一个子集的病毒学测试从一个哨兵计划在圣路易斯波托西，墨西哥的综合医院。我们根据真实和模拟数据解释了结果，并为未来的数据收集策略提出了建议。在线提供补充材料和软件。
2019-03-28 q-bio.PE stat.AP
Stochastic spatial Lotka-Volterra predator-prey models
本文综述随机空间 Lotka–Volterra 捕食者–猎物模型，利用场论和渗流普适类分析时空关联、灭绝临界性及季节、异质反应速率、遗传进化等因素的影响。
2024-05-08 cond-mat.stat-mech q-bio.PE
