Modeling the Dynamics of the Coronavirus SARS-CoV-2 Pandemic using Modified SIR Model with the 'Damped-Oscillator' Dynamics of the Effective Reproduction Number
COVID-19大流行是一场巨大的灾难，它颠覆了人类的生活，并导致全球数百万人死亡。病毒的快速传播，早期的指数增长和随后的“浪潮”，让许多医疗专业人员和决策者措手不及。尽管流行病学模型已经存在了近一个世纪（自1918年至1920年的“西班牙流感”大流行以来），但SARS-CoV-2病毒的真实传播经常使建模者感到困惑。虽然流行病学模型的一般框架，如SEIR（易感-暴露-感染-恢复）或SIR（易感-暴露-感染）没有问题，模型参数的行为是不可预测的和复杂的。特别是，虽然“基本”繁殖数R 0可以被认为是一个常数（对于原始SARS-CoV-2病毒，在变异体出现之前，R 0在2.5和3.0之间），但“有效”繁殖数R（t）是一个复杂的时间函数，受人类对大流行的反应行为的影响（例如，屏蔽、锁定、过渡到远程工作等）为了更好地理解这些现象，我们使用简单的SIR模型对一些地区（美国50个州以及几个国家）的大流行第一年（2020年2月至2021年2月）进行了建模。我们表明，大流行的演变可以很成功地描述假设R（t）的行为在一个“粘弹性”的方式，作为两个或三个“阻尼振荡器”具有不同的自然频率和阻尼系数的总和。这些振荡器可能对应于对拟议缓解措施有不同反应的不同亚群体。所提出的方法可以为未来的数据建模者提供新的方法来适应再现数随时间的演变（与当今最流行的纯数据驱动方法相比）。
2022-05-29 q-bio.PE
Tracing the origins of SARS-CoV-2 in coronavirus phylogenies
SARS-CoV-2是一种新的人类冠状病毒（CoV），于2019年底在中国出现，并导致全球COVID-19大流行，在11个月内造成超过5900万人感染和140万人死亡。了解这种病毒的起源是一个重要问题，必须确定其传播机制，以遏制未来的流行病。基于冠状病毒蛋白质的系统发育推断、序列分析和结构-功能关系，并根据目前对病毒的了解，我们讨论了引起病毒起源的不同情况--天然或合成。目前的数据不足以肯定SARS-CoV 2是由人畜共患病的出现还是由实验室菌株的意外逃逸引起的。这个问题需要解决，因为它对评估我们与生态系统的相互作用的风险/利益平衡、野生动物和家畜的密集繁殖以及一些实验室做法以及科学政策和生物安全法规具有重要影响。无论其起源如何，研究大流行病毒出现的分子机制的演变对于开发治疗和疫苗策略以及预防未来的人畜共患病至关重要。本文是对2020年8月/9月发表在M{é}decine/Sciences上的一篇法语文章的翻译和更新（http：//doi.org/10.1051/medsci/2020123）。
2020-11-25 q-bio.GN q-bio.PE
Epidemic modelling of multiple virus strains: a case study of SARS-CoV-2 B.1.1.7 in Moscow
在长期流行期间，病原体可以发生突变，产生具有不同流行病学参数的新菌株。现有的流行病建模方法只考虑一种病毒株。我们已经开发了一种改进的SEIR模型来模拟同一种群中的多个病毒株。作为案例研究，我们调查了SARS-CoV-2菌株B.1.1.7对莫斯科市的潜在影响。我们的分析表明，2021年9月至10月新一波感染的风险很高，高峰期每日感染人数高达35，000人。我们开源我们的代码和数据。
2021-06-16 cs.LG q-bio.PE stat.AP
Simulation of the COVID-19 pandemic on the social network of Slovenia: estimating the intrinsic forecast uncertainty
本文在一个简化的社会网络上建立了一个病毒传播模型。该社交网络由200多万个节点组成，每个节点代表斯洛文尼亚的一个居民。节点根据真实的家庭和老年人护理中心分布进行组织和互连，而这些集群之外的连接是半随机分布和完全链接的。将病毒传播模型与疾病进展模型耦合。集成方法与扰动的传输和疾病参数被用来量化的合奏传播，预测的不确定性的代理。所呈列的斯洛文尼亚COVID-19疫情持续预测与收集到的斯洛文尼亚数据进行比较。结果表明，目前感染在家庭/老年人护理中心内传播的可能性是在家庭/老年人护理中心外传播的两倍。我们使用模拟集合（N = 1000）来反向获得模型参数的后验分布，并估计COVID-19预测的不确定性。我们发现，在不受控制的流行病中，内在的不确定性主要来源于病毒生物学的不确定性，即其繁殖数。在低感染率的受控流行病中，社会网络的随机性成为预测不确定性的主要来源，特别是对于短期预测。因此，基于社会网络的模型对于改进流行病预测至关重要。
2020-05-27 cs.SI physics.soc-ph q-bio.PE
Dynamic tracking with model-based forecasting for the spread of the COVID-19 pandemic
在本文中，我们使用了一个易感染-感染-清除（SIR）模型来跟踪COVID-19病毒在四个感兴趣的国家的传播演变。特别是，依赖于一些基本特征的流行病模型已被应用于对意大利、印度、韩国和伊朗疾病的时间演变进行建模。该病毒的传播对经济、社会和健康造成了灾难性后果。因此，必须开发现有的数学模型，并将其用于在公布的数据集和模型预测之间进行比较。从SIR模型估计的预测在这里，可以用于传播的定性和定量分析。它提供了对病毒传播的深入了解，而仅通过每天更新发布的数据和模型无法做到这一点。例如，使用我们的建模方法可以检测感染高峰的早期发作或第二波的发展。我们考虑了2020年3月至6月的数据，当时不同社区受到严重影响。我们展示了根据模型参数对2020年9月之前COVID-19传播的预测。通过比较已公布的数据和模型结果，我们得出结论，通过这种方式，可能更好地反映政府和个人为缓解和控制当前大流行而实施的适当措施的成功或失败。
2020-07-04 nlin.CD physics.soc-ph q-bio.PE
COVID-19 pandemic control: balancing detection policy and lockdown intervention under ICU sustainability
我们在这里考虑扩展的SIR模型，包括最近COVID-19爆发的几个特征：特别是感染和康复的个体可以被检测到（+）或未被检测到（-），我们还整合了重症监护病房（ICU）的能力。我们的模型可以使用锁定和检测干预杠杆对控制流行动态的最佳政策进行易于处理的定量分析。基于COVID-19相关文献的参数规范，我们研究了各种数量对最优策略的敏感性，同时考虑到大流行的卫生和社会经济成本之间的微妙权衡，以及ICU的有限容量水平。我们将最佳封锁政策确定为分为4个连续阶段的干预措施：首先是快速而强有力的封锁干预措施，以阻止传染病的指数增长;第二是短暂的过渡阶段，以降低病毒的流行率;第三是长期的ICU能力和稳定的病毒流行率;最后是恢复正常的社会交往，病毒消失。因此，最佳方案避免了第二波感染，前提是锁定释放得足够慢。我们还提供最佳干预措施，增加ICU容量，并优化检测传染性和免疫个体的工作。每当引入大量资源来检测感染者时，可以释放社交距离的压力，而检测免疫个体的影响则较为温和。
2020-05-22 cs.SY eess.SY physics.soc-ph
Cointegration of SARS-CoV-2 Transmission with Weather Conditions and Mobility during the First Year of the COVID-19 Pandemic in the United States
天气与SARS-CoV-2传播之间的相关性可能表明其季节性。协整分析可以避免时间序列数据之间的虚假相关。我们研究了美国大流行第一年期间病毒传播与每日温度、露点和流动性测量的混杂因素的协整。我们研究了病毒有效繁殖率Rt与两米处的露点、两米处的温度、苹果驾驶移动性和谷歌工作场所移动性测量的协整。我们发现，露点和苹果驱动的移动性是最好的因素与Rt的共整合，虽然温度和谷歌工作场所的移动性也与Rt在很大程度上共整合。我们发现，最佳的滞后是两天的协整之间的Rt和天气变量，和三天的Rt和流动性。我们观察到集群的状态，共享相似的协整结果的Rt，天气和流动性，这表明区域模式。我们的研究结果支持天气与SARS-CoV-2传播的相关性及其潜在的季节性。
2022-03-31 q-bio.PE stat.AP
A simplified model for expected development of the SARS-CoV-2 (Corona) spread in Germany and US after social distancing
在2019冠状病毒病大流行期间，SARS-CoV-2病毒严重传播，关于社交距离的有效性存在广泛的意见和讨论。虽然德国已经发布了一项联邦法律，禁止超过2人的任何类型的直接接触，但包括美国在内的其他国家已经发布了宵禁令。人们现在想知道这些措施是否有助于阻止或阻碍新冠肺炎大流行，并限制新冠病毒的传播。对这一问题的定量说明取决于许多参数，这些参数很难用数学方法掌握，因此无法得出结论（这些参数包括对所决定措施的一贯遵守、未报告病例的估计数量、检测能力的可能限制、病毒的可能变异等）。然而，事实证明，将实际每日新感染率（报告病例的实际每日增长率，简称：感染率）从美国目前的30-35%降低到10%，将对阻止病毒传播极为有效。德国一周前关闭了所有公共活动、学校和大学的严格限制可能已经导致报告病例的增长率下降到30%以下。
2020-03-25 q-bio.PE
Sustainable Border Control Policy in the COVID-19 Pandemic: A Math Modeling Study
如果不加控制，输入性COVID-19病例可能会危及国内遏制工作。我们的目标是找出不同实体（例如，在重新开放阶段，由于各国自己选择了国内控制措施和接触者追踪等新技术，我们提出了一个SUIHR模型，这是一个扩展的离散时间SIR模型。该模型侧重于研究主要由无症状和症状前患者传播的病毒。输入风险和（一级）接触者追踪都内置于模型中。在合理的参数假设下，我们寻求可持续的边境控制政策，并结合足够的内部措施，使实体能够限制病毒，而无需恢复更严格的生活方式或依赖群体免疫。当COVID-19的基础繁殖数超过2.5时，即使100%有效的接触者追踪也不足以遏制传播。对于一个已经在国内完全消除病毒并恢复“正常”的实体来说，非常严格的出发前筛查和检测以及抵达后的隔离加上有效的接触者追踪只能将另一次疫情推迟6个月。但是，如果净输入病例总数没有增加，并且该实体采用了限制性的国内控制政策，那么即使没有边境控制，也可以控制新病例总数。
2021-02-04 econ.GN q-bio.PE q-fin.EC
New Trends on the Systems Approach to Modeling SARS-CoV-2 Pandemics in a Globally Connected Planet
本文批判性分析SARS-CoV-2流行病建模文献，提出超越确定性动力学、考虑多尺度复杂性、交通网络与人口异质性等的新数学工具，以支持危机管理决策。
2024-05-03 nlin.AO physics.soc-ph q-bio.PE
Analysis and Prediction of COVID-19 Pandemic in Pakistan using Time-dependent SIR Model
目前的疫情被称为冠状病毒病或COVID-19，由病毒SAR-COV-2引起，继续在全球范围内肆虐。世界卫生组织（WHO）已宣布此次疫情为国际关注的突发公共卫生事件。在巴基斯坦，随着感染人数和伤亡人数迅速增加，病毒的传播正在加剧。在缺乏适当疫苗接种和治疗的情况下，为了减少感染和伤亡人数，迄今为止唯一的选择是教育人们采取预防措施，并在全国范围内实施封锁。任何有关预防措施的策略都需要基于对COVID-19爆发的详细分析和准确的科学预测。在本文中，我们进行了数学和数值分析，以提出对巴基斯坦疫情的可靠和准确的预测。时间依赖的易感-感染-传播（SIR）模型用于拟合数据并提供未来预测。大流行高峰的转折点定义为传播率小于恢复率的那一天。我们预测，疫情将在5月下旬至6月9日达到最高峰，未治愈病例数在20000-47000之间，累计感染病例数在57500-153100之间。在封锁的情况下，自杀人数将保持在较低水平，但如果疫情的传播不被遏制和局部化，自杀人数可能迅速增加一倍或两倍。4月15日以后的单日预测不确定度在5%以内。
2020-05-10 q-bio.PE
Projecting and comparing non-pharmaceutical interventions to contain COVID-19 in major economies
隔离、自我隔离、社交距离和病毒接触者追踪等非药物干预措施（NPI）可以大大减少大流行期间病毒的传播。在COVID-19大流行的浪潮中，许多国家实施了各种NPI以控制和缓解感染。然而，由于缺乏量化因素，非盈利机构的严格程度及其在不同国家之间产生的影响仍然不清楚。在本研究中，我们进一步使用政策强度因子（PIF）的概念将NPI的影响纳入流行病动力学模型。这一思想使我们能够将转移率描述为随时间变化的量，而不是恒定值，从而捕获流行病中基本繁殖数变化的动力学行为。通过利用政府和世界卫生组织报告的大量数据，我们预测了全球主要经济体的疫情动态，包括感染、易感和康复病例的数量以及疫情持续时间。据观察，建议的可变利率易感暴露-感染-恢复（VR-SEIR）模型拟合和项目的流行动态非常好。我们进一步表明，由此产生的PIF与NPI的严格程度相关，这使我们能够预测这些国家当前NPI实施90天，180天，360天后最终受影响的人数。它提供了对已实施的NPI的有效性的量化见解，并为最大限度地减少COVID-19的受影响人群和经济影响提供了新的视角。
2020-12-15 physics.soc-ph q-bio.PE
COVID-19 Heterogeneity in Islands Chain Environment
随着二零二一年的到来，COVID-19大流行仍然肆虐，疫苗终于出现，恢复正常的希望开始实现。从大流行第一年的数据中可以学到很多东西，这些数据可能仍然适用于未来的流行病和可能的大流行病。由于病毒株只有微小的变异，乍一看，全球各国都遭受了大致相同的大流行，但很少有地方表现出与夏威夷州相同的病毒传播，生长和控制模式。在本文中，我们检查了数据，比较了夏威夷各县之间的COVID-19传播统计数据，并检查了几个与夏威夷属性相似的地点。
2021-02-12 q-bio.PE q-bio.QM
A modelling study across the Italian regions: Lockdown, testing strategy, colored zones, and skew-normal distributions. How a numerical index of pandemic criticality could be useful in tackling the CoViD-19
由于欧洲正面临第二波CoViD-19大流行，每个国家都应仔细审查如何应对第一波疫情。从第一次经验中吸取的教训应有助于避免不分青红皂白地关闭，最重要的是，有助于确定普遍的（可以理解的）参数，以指导采取遏制措施，减少病毒的传播。使用很少的（有效的）参数对于在当局和民众之间建立联系确实极为重要，使民众能够理解某些限制的原因，从而能够积极参与防治这一流行病的斗争。测试策略，拟合偏斜参数（平均值，模式，标准差和偏斜度），死亡率和每周CoViD-19传播数据，随着越来越多的人被感染，被用来比较意大利地区爆发的第一波疫情，并确定在引入限制性遏制措施之前必须检查哪些参数。我们提出了一些\textit{universal}参数，一旦适当权衡，这些参数可能有助于正确区分国家领土上的流行病情况，并快速为每个地区分配适当的流行病风险。
2021-02-09 q-bio.PE
The spread of COVID-19 at Hot-Temperature Places With Different Curfew Situations Using Copula Models
2019冠状病毒病（COVID-19）已成为严重的全球大流行病。不同的研究表明，温度升高在病毒传播中起着至关重要的作用。这些研究大多限于冬季或中等温度水平，并使用常规模型进行。然而，传统的模型过于简单，研究复杂的，非线性的关系，并受到一些限制。因此，我们采用Copula模型来研究高温对病毒传播的影响。copula模型的结果显示，温度对感染人数的影响很弱，但在封锁政策下，这种影响几乎消失。因此，这项研究为COVID-19和温度之间的关系提供了新的见解，无论是否有社会隔离实践。这样的结果可以提高我们对这种新病毒的理解。特别是，与现有的传统模型不同，本文研究的copula模型得出的结果提供了证据，表明高温对活跃的COVID-19疫情没有实质性影响。此外，研究结果表明，COVID-19的传播受到社会隔离做法的强烈影响。据作者所知，这是第一个应用于COVID-19大流行的copula模型研究。
2021-02-20 q-bio.PE stat.AP
Simulating the Spread of Pandemics with Different Origins Considering International Traffic
流行病有可能对社区和社会造成巨大的破坏和损害。在本文中，我们提出了一个混合模型，以确定如何在世界各地的大流行病传播。该模型结合了基于SEIR的局部区域模型和国家之间全球连接的网络模型。我们模拟了不同起源的潜在流行病，并发现流行病起源的差异如何影响世界范围内的影响。我们研究了由真实数据得到的旅行者网络，并模拟了65个国家，观察了流行病如何从不同的14个国家传播到世界各地。我们比较了在国家和世界影响方面的差异。因此，当大流行源自美国、印度和中国时，对世界的影响会增加。
2010-05-11 physics.soc-ph q-bio.PE
A new threshold reveals the uncertainty about the effect of school opening on diffusion of Covid-19
我们旨在澄清有关学校开放或关闭对新冠肺炎疫情影响的争议。对具有亚群的房室模型的数学分析表明，学校接触率仅在超过将影响阶段与非影响阶段分开的某一阈值时才影响大流行的总体进程。我们在几种情况下通过线性近似计算的阈值似乎出现在所有情况下，包括爆发或新菌株激增，封锁和不包括儿童的疫苗接种活动，尽管值不同。我们的理论研究结果，然后证实了一些数据驱动的研究，以前确定的相变在特定情况下。本研究的具体结果是：相同或类似情况的研究得出的相反结论可能取决于建模或参数估计与非常嘈杂的Covid-19数据之间的差异（可能很小），这导致识别不同阶段;在新冠肺炎疫情的任何阶段，学校都有可能继续开放，但必须始终适用适当严格的规则，否则这对病毒遏制工作非常有害;由于接种疫苗期间的阈值与如果学校人口被隔离则会导致病毒灭绝的内部传播率相对应，所需的严格控制只能维持很短的时间;因此，要么学校将不得不长期关闭，要么儿童也需要接种疫苗。
2021-04-12 math.DS physics.soc-ph q-bio.PE
