Relatedness of the Incidence Decay with Exponential Adjustment (IDEA) Model, "Farr's Law" and Compartmental Difference Equation SIR Models
数学模型通常被认为是描述和分析传染病爆发和流行的最新创新，但简单的模型已经被用于预测流行病的轨迹超过一个世纪。我们最近描述了一个可用于短期预测的单方程模型（带指数调整的发病率衰减，或IDEA模型）。在19世纪中期，威廉·法尔（William Farr）博士开发了一种用于流行病预测的单方程方法（法尔定律）。我们在这里表明，这两个模型实际上是相同的，可以表示在彼此方面，也可以在一个易感染的删除（SIR）房室模型与改进控制。这表明繁殖数R0的概念隐含在法尔（前微生物时代）的工作中，也表明无论是通过行为改变还是干预来控制流行病，都是流行病自然史的组成部分，就像疾病传播的动力学一样。
2016-03-03 q-bio.PE stat.AP
Game theoretic modelling of infectious disease dynamics and intervention methods: a mini-review
我们回顾了使用博弈论来模拟流行病期间个人决策的研究论文，试图对文献进行分类，并确定这一领域的新趋势。我们表明，文献可以根据（i）人口建模的类型（基于分区或网络），（ii）游戏的频率（非迭代或迭代），（iii）策略采用的类型（自我评价或模仿）进行分类。我们强调，模型的选择取决于许多因素，如疾病赋予的免疫力类型，疫苗赋予的免疫力类型，以及人口规模和其中的混合水平。我们发现，虽然早期的研究使用房室模型与自我评价为基础的战略采用，最近的趋势是使用基于网络的建模与模仿为基础的战略采用。我们的评论表明，博弈论仍然是一个有效的工具，模型干预（疫苗接种或社交距离）决策的个人。
2019-01-14 physics.soc-ph q-bio.PE
Hyperbolic compartmental models for epidemic spread on networks with uncertain data: application to the emergence of Covid-19 in Italy
空间网络在流行病传播中的重要性是传染病动力学建模的一个重要方面。此外，任何现实的数据驱动模型都必须考虑到官方来源报告的数值中存在的很大不确定性，例如传染性个体的数量。在本文中，我们通过网络上的双曲房室模型来解决上述问题，其中节点识别感兴趣的位置，如城市或地区，弧代表主要移动路径的集合。该模型描述的空间移动和相互作用的人口分区，从流行病学的角度来看，在扩展的隔间结构的基础上，分为通勤者，移动在郊区的规模，和非通勤者，在城市规模的行动。通过扩散重标度，该模型使我们能够恢复经典的扩散方程相关的通勤动力学。数值解的多尺度双曲型系统的不确定性，然后处理使用随机配置方法结合有限体积IMEX方法。该模型能够正确描述流行病在现实城市网络中传播的空间异质性，并通过对意大利COVID-19爆发及其在伦巴第大区传播的研究得到证实。
2021-05-29 cs.NA math.NA physics.soc-ph
The importance of the incubation time distribution in compartmental epidemiological models
该研究针对传染病疫情预测，通过对比改进型仓室SEnIR ODE模型与随机智能体复杂网络模型，发现潜伏期时间分布的选择会显著影响疫情预测结果，强调需纳入真实分布以提升建模可靠性，助力公共卫生干预。
2024-03-07 nlin.AO q-bio.PE
Individual-Level Modelling of Infectious Disease Data: EpiILM
在这篇文章中，我们介绍了R包EpiILM，它为Deardon等人（2010）提出的传染病传播的离散时间个体水平模型提供了仿真和推理工具。推理是在贝叶斯框架下进行的，并通过大都会-黑斯廷斯马尔可夫链蒙特卡罗（MCMC）。为了快速实现，关键函数用Fortran语言编写。空间和接触网络模型都在软件包中实现，并且可以设置在易感染（SI）或易感染-删除（SIR）分区框架中。通过涉及模拟和真实数据的例子证明了该软件包的使用。
2020-03-10 q-bio.PE stat.AP
Stochastic compartmental models of COVID-19 pandemic must have temporally correlated uncertainties
房室模型是流行病学中的一个重要的定量工具，使我们能够预测传染病的进程。然而，模型参数，如疾病的传染率，充满了不确定性，这促使了随机房室模型的开发和使用。在这里，我们首先表明，一个常见的随机模型，将不确定性视为白噪声，是从根本上有缺陷的，因为它错误地暗示，更大的参数不确定性将导致根除疾病。然后，我们提出了一个原则性的建模的不确定性的基础上合理的假设，每个人的接触。使用高斯马尔可夫过程的中心极限定理和Doob定理，我们证明了相关的Ornstein-Uhlenbeck过程是适当的工具，用于建模的不确定性的传染率。我们使用COVID-19大流行的房室模型和约翰霍普金斯大学COVID-19数据库中的可用美国数据来证明我们的结果。特别是，我们发现白噪声随机模型系统地低估了COVID-19的Omicron变体的严重性，而Ornstein-Uhlenbeck模型正确地预测了这种变体的过程。此外，使用SIS模型的性传播疾病，我们推导出一个精确的封闭形式的解的渐近分布的感染个体。这一分析结果表明，白噪声模型低估了大流行的严重性，因为不切实际的噪声引起的过渡。我们的研究结果有力地支持了传染病房室模型中不确定性建模的时间相关性。
2022-06-23 math.DS physics.bio-ph q-bio.PE
Quantifying the spread of communicable diseases with immigration of infectious individuals
针对经典 $\mathcal R_0$ 失效时伴有感染者流入的传染病传播问题，构建了一组新的流行病学阈值，在 COVID-19 仓室模型中验证了其预测潜力，并量化了感染者迁入的严重程度及识别了可逆转疫情的关键参数。
2023-08-03 math.DS q-bio.PE
Compartmental Epidemiological Models: Discussing Fundamental Elements via the SIR Model
Departamento de Matemática, Centro de Ciências Tecnológicas（数学系，科技中心）；Universidade do Estado de Santa Catarina（圣卡塔琳娜州立大学）
本文以SIR模型为核心，教学性地阐述分室流行病学建模，区分密度与频率依赖传播，推导离散与连续动态方程，并提供Python代码及参数估计示例，助力传染病建模教学。
2026-09-21 math.DS q-bio.PE
A look at endemic equilibria of compartmental epidemiological models and model control via vaccination and mitigation
本文提出两个纳入暴露后康复与无症状传播特征的隔室流行病学模型，证明其一的地方病阈值，并将其二建模为疫苗接种与缓解双控制仿射系统，证明可静态反馈线性化且探讨最优控制。
2023-05-30 math.DS q-bio.PE
Rule-based epidemic models
本文介绍了基于规则的建模应用于传染病的主题。基于规则的模型一般化了基于反应的模型，其中试剂具有内部状态，并且可以结合在一起形成复合物，如在化学中。基于规则的建模可以直接从分子生物学转移到流行病学，并允许我们表达广泛的流行病学中感兴趣的过程的模型，否则在房室模型中是不可行的。这包括房室模型中常见的动态，如病毒从感染人群向易感人群的传播，以及此类模型典型范围之外的更复杂的动态，如社会行为和决策，测试能力限制，以及追踪接触病毒但尚未出现症状的人。我们建议，这种动态是很好地捕捉基于规则的模型，这样做结合了直观性和透明度的表示与可扩展性和组合性。我们证明了我们的方法的可行性，使用一套七个模型来描述不同情况下的传染病传播：戴口罩，通过污染物感染和洗手预防，病媒传播疾病的概念，测试和接触者追踪干预措施，在具有共享环境（如学校）的基序结构人群中的疾病传播，以及超级传播事件。这些模型的机器可读描述与数学描述密切对应，并且还用作人类可读格式，以便人们容易地知道“模型中有什么”。
2021-02-26 q-bio.PE
Infectious Disease Transmission In A Modified SEIRS model
本文提出一种改进的SEIRSD模型，通过引入暴露到易感仓室的逆向传播和感染致死率，发现该逆向流动显著影响感染峰值高度及发生时间，对研究Covid-19变种传播具有现实意义。
2025-07-11 physics.soc-ph q-bio.PE
Edge-based compartmental modelling of an SIR epidemic on a dual-layer static-dynamic multiplex network with tunable clustering
在现实世界的人群中，个体之间的联系的持续时间、类型和结构在疾病如何入侵和传播中起着至关重要的作用。在这里，我们将上述的异质性纳入一个模型，考虑一个双层静态-动态复用网络。静态网络层提供可调的集群，并描述了一个人的永久社区结构。动态网络层描述了个体通过不断的边缘重新布线与更广泛群体的成员建立的短暂联系。我们遵循基于边缘的房室模型方法，推导出描述易感-感染-恢复（SIR）传染病传播通过这个多重网络的个人的演变方程。我们推导出基本再生数，衡量在其他易感人群中由单个传染性个体引起的新传染病例的预期数量。我们验证模型方程显示收敛到预先存在的边缘为基础的房室模型方程在极限情况下，并与随机模拟流行病的比较。我们探讨了改变模型参数和多重网络属性对所产生的流行动力学的影响。我们验证了基本的繁殖数绘制其值对相关的最终流行病的大小从模拟和预测模型方程的设置。此外，我们探讨了不同的个人模型参数的基本再生数的影响。最后，我们讨论的意义和解释的模型及其与现有的研究文献。我们强调固有的局限性和潜在的扩展，目前的模型和概述未来的研究考虑，实验和理论。
2018-04-04 math.DS physics.soc-ph q-bio.PE
Sensitivity Analysis of SEIR SEI Model of Dengue Disease
本研究采用SEIR-SEI仓室模型描述登革热传播动态，通过下一代法计算基本再生数分析平衡点稳定性，并开展参数敏感性分析。
2025-01-27 math.DS q-bio.PE
On the calibration of compartmental epidemiological models
New York University（纽约大学）；NYU Abu Dhabi（纽约大学阿布扎比分校）
本文综述流行病学房室模型的参数校准方法，比较多种优化方法与强化学习的优劣及实验结论，并开源代码以支持疾病建模和公共卫生决策研究。
2023-12-09 cs.LG physics.soc-ph q-bio.PE
Forecasting infectious disease prevalence with associated uncertainty using neural networks
University College London（伦敦大学学院）
本文提出两种带不确定性估计的神经网络框架预测美国流感样疾病发病率，其中IRNN较现有方法平均误差降低10.3%、Skill提升17.1%，并探索神经常微分方程融合机制模型以提升预测性能。
2024-09-02 cs.LG q-bio.PE
Accurate stochastic simulation algorithm for multiscale models of infectious diseases
针对传染病多尺度模型非马尔可夫化带来的计算挑战，本文开发了一种新型精确随机模拟算法，应用于宿主内确定性模型与种群水平随机动力学耦合的系统，在合理分辨率下保持精确且高效，可推广至其他多尺度系统。
2025-04-15 q-bio.PE
Simulating the impact of perception bias on social contact surveys for infectious disease modelling
The University of Melbourne（墨尔本大学）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Oak Ridge National Laboratory（橡树岭国家实验室）
本文通过新墨西哥州合成接触网络模拟接触调查，发现对他人年龄和种族的感知偏差会降低接触模式准确性，并在传染病模型中系统性地低估老年人和少数族裔的疾病负担。
2025-11-05 q-bio.PE
Modeling the evolution of COVID-19 via compartmental and particle-based approaches: application to the Cyprus case
我们提出了两种不同的方法来模拟COVID-19大流行的传播。这两种方法都基于易感、暴露、传染、隔离和恢复的人群类别，并允许任意数量的亚组具有不同的感染率和不同的检测水平。第一个模型是来自一组常微分方程，其中包括人口过渡发生类之间的速率。另一种是粒子模型，这是人群模拟模型的一种特殊情况，其中疾病通过粒子碰撞传播，通过调节粒子速度来改变感染率。这两个模型的参数是使用文献中有关COVID-19的信息和特定国家的数据（包括实施和解除限制时的影响）进行调整的。我们证明了这两个模型的适用性，使用来自塞浦路斯的数据，我们发现，这两个模型产生非常相似的结果，在预测的信心。
2021-05-10 physics.soc-ph q-bio.PE
Compartmental Models for COVID-19 and Control via Policy Interventions
New York University（纽约大学）
我们展示了一种使用概率编程语言（PPL）工具包复制和预测SARS-CoV-2（COVID-19）大流行传播的方法。我们的目标是研究各种建模假设的影响，并激励政策干预，以限制传染病的传播。使用现有的房室模型，我们展示了如何使用PPL的推断，以获得疾病参数的后验估计。我们改进了流行的现有模型，以反映实际考虑因素，例如COVID-19病例的真实数量报告不足，并激发了对真实世界数据的政策干预建模的需求。我们设计了一个SEI 3RD模型作为一个可重复使用的模板，并证明其灵活性相比，其他模型。我们还提供了一个贪婪的算法，选择最佳的一系列的政策干预，有可能控制受感染的人口受到提供的约束。我们在一个简单的，模块化的，可重复的框架内工作，使立即跨域访问最先进的概率推理，重点是政策干预。我们不是流行病学家;本研究的唯一目的是作为方法的阐述，而不是直接推断COVID-19政策制定的现实影响。
2022-03-06 cs.LG q-bio.PE stat.ML
A sequential Monte Carlo approach to estimate a time varying reproduction number in infectious disease models: the Covid-19 case
在最初几个月，新冠肺炎疫情要求大多数国家实施一系列复杂的非药物干预措施，以控制病毒在人群中的传播。为了能够迅速作出决定，有必要详细了解目前的情况。对随时间变化的瞬时繁殖数量的估计代表了一种实时量化病毒传播的方法。它们通常通过流行病的数学分区模型来定义，如随机SEIR模型，其参数必须从多个流行病学数据的时间序列中估计。由于非常高维的参数空间（部分原因是传播模型中的随机性）以及不完整和延迟的数据，推断非常具有挑战性。我们提出了模型的状态空间形式化和序贯蒙特卡罗方法，该方法允许在每日住院和阳性检测发生率的基础上，以足够的精度估计挪威Covid-19疫情的每日变化繁殖数。该方法在挪威经常使用，是流行病监测和管理的有力工具。
2022-01-19 q-bio.PE
Assessing the spatio-temporal spread of COVID-19 via compartmental models with diffusion in Italy, USA, and Brazil
2020年爆发的COVID-19疫情引发了人们对传染病数学建模的兴趣。这类模型通常被定义为房室模型，在这种模型中，所研究的人口根据质量特征被划分为房室，对跨房室转移的性质和速率有不同的假设。虽然最常见的是常微分方程（ODE）模型，其中的隔间只依赖于时间，最近的工作也集中在偏微分方程（PDE）模型，纳入空间的变化的流行病。在易感、感染、暴露、死亡和死亡（SEIRD）框架内对PDE模型的研究在再现COVID-19传染动力学方面取得了可喜的成果。在本文中，我们评估的鲁棒性，这种建模框架，考虑不同的几何形状在更长的时间比其他类似的研究。我们首先验证我们的代码复制先前显示的结果，意大利伦巴第大区。然后，我们将重点放在美国佐治亚州和巴西里约热内卢州，这是世界上受影响最严重的地区之一。我们的研究结果显示，在时间和空间上，所有主要地区和三个不同大陆的所有地区的真实流行病学数据都具有良好的一致性，这表明建模方法既有效又稳健。
2021-02-14 physics.soc-ph q-bio.PE
Introduction to statistical inference for infectious diseases
本文首先介绍了传染病传播的一般随机流行病模型。然后，我们给出了用于推断模型参数的方法，例如基本再现数$R_0$和疫苗接种覆盖率$v_c$，假设来自爆发的不同类型的数据，例如最终爆发的细节和时间数据或来自正在进行的爆发的观察。讨论了个体非均匀性和非均匀混合。我们还提供了一个概述的统计方法来执行参数估计的随机流行病模型。在最后一节中，我们描述了传染病监测中的早期爆发检测问题和用于此目的的统计模型。
2014-11-13 q-bio.PE stat.ME
Model-based assessment of sampling protocols for infectious disease genomic surveillance
传染病的基因组监测可以监测流行和新出现的变种，并量化其流行潜力。然而，由于与基因组测序相关的高成本，只能分析有限数量的样品。因此，了解采样如何影响所生成的信息至关重要。在这里，我们将COVID-19传播的房室模型（区分几种SARS-CoV-2变体）与不同的采样策略相结合，以评估它们对基因组监测的影响。特别是，我们比较自适应采样，即，在进入点和社区内部的筛选之间动态地重新分配资源，以及恒定的采样，即，将固定资源分配给这两个位置。我们发现，自适应采样发现新的变种比常数采样早五个星期，显着减少检测延迟和估计误差。这种优势在低测序速率下最为突出。尽管增加测序速率具有类似的效果，但这样做的边际效益可能并不总是证明相关成本是合理的。因此，资源相对较少的国家可以方便地以较低的测序速度进行操作，从而从适应性抽样中获益最大。最后，我们的方法可以很容易地适应其他动力系统中的欠采样研究。
2023-01-19 q-bio.PE stat.AP
Chemotaxis-inspired PDE model for airborne infectious disease transmission: analysis and simulations
本文提出并分析了一个包含改进趋化类项的传染病PDE模型，以更好地描述依赖人类流动模式的空气传播疾病动态，证明了系统的适定性，并通过数值模拟展示了其捕捉长距离传播和局部感染热点的能力。
2025-04-28 math.AP math.DS q-bio.PE
A mean field analysis of the role of indirect transmission in emergent infection events
本研究通过平均场房室模型，以疥癣病为例，发现仅通过污染物间接传播即可导致疾病出现并持续，定义了基于有效繁殖数的新阈值，为疾病干预评估提供了新视角。
2024-07-12 nlin.AO physics.bio-ph q-bio.PE
Model versions and fast algorithms for network epidemiology
网络流行病学已成为研究人类接触模式在传染病传播中作用的核心框架。在网络中，流行病学将接触结构表示为通过链接连接的节点（个体）的网络（有时是一个时间网络，其中链接不是持续活跃的），而疾病表示为房室模型（其中个体被分配了与疾病相关的状态，并遵循状态之间的某些转换规则）。在本文中，我们讨论了这种模拟的快速算法，并比较了两种常用的版本-一种是有一个恒定的恢复率（每次停止传染的人数与这种人数成正比），另一种是疾病的持续时间是恒定的。我们发现，就大多数实际目的而言，这些版本在性质上是相同的。
2014-03-05 q-bio.PE
Dynamical behavior of a time-delayed infectious disease model with a non-linear incidence function under the effect of vaccination and treatment
本文提出含广义非线性发生率、疫苗接种和治疗函数及时滞的传染病仓室模型，分析其稳定性并基于COVID-19数据验证控制策略效果。
2023-07-08 math.DS q-bio.PE
Stochastic epidemiological model: Modeling the SARS-CoV-2 spreading in Mexico
在本文中，我们通过引入一个新的随机近似模型来模拟SARS-CoV-2在墨西哥的传播，该模型是根据第一性原理构建的，基于潜伏传染性-（已死亡或死亡）（LI（RD））房室近似，其中单位时间（一天）内由单个传染性个体引起的新感染个体数，是一个泊松分布的随机变量，其参数是通过一个类似权重的时间依赖函数调制的。权重函数用于将时间依赖性引入到新感染的平均数量中，并且正如我们将展示的，该信息可以从经验数据中提取，从而赋予模型自洽性，并提供了一种工具来研究流行病学动态中编码的周期性模式的信息
2022-01-07 q-bio.PE stat.AP
A model for the outbreak of COVID-19: Vaccine effectiveness in a case study of Italy
我们提出了一个具有人口统计学的COVID-19疾病传播的房室数学模型，同时考虑了无症状感染者。计算了模型的基本再生比，研究了模型的局部稳定性和全局稳定性，并以意大利为例对模型进行了数值求解。我们提出了一个疫苗接种模型，我们得到的阈值条件，防止感染传播的情况下，不完美的疫苗。
2020-11-16 math.DS physics.soc-ph q-bio.PE
What could re-infection tell us about R0? a modeling case-study of syphilis transmission
许多传染病可能导致再次感染。我们研究了重复感染率与基本生殖数（R 0）之间的关系。首先，我们解决了一个通用的，确定性的房室模型的再感染，推导出一个解析解的关系。然后，我们数值求解了梅毒传播的疾病特异性模型，明确跟踪再感染。我们推导出了一个通用表达式，反映了再感染比例与R 0之间的非线性和单调递增关系，并且通过进入/退出率和恢复（即治疗）减弱。梅毒模型的数值模拟与解析关系一致。再感染比例可用于了解各地区距离疫情控制的距离，并应作为传染病监测的常规指标。
2019-03-14 math.DS physics.soc-ph q-bio.PE
An SIR model with viral load-dependent transmission
已知病毒载量是传染病传播风险的主要预测因子。在这项工作中，我们研究了个人的病毒载量在疾病传播中的作用，提出了一个新的传染病模型的密度和平均病毒载量的每隔室。为了这个目的，我们正式从一个适当的微观的房室模型。首先，我们考虑一个多代理系统，其中个人被确定的流行病学车厢，他们属于他们的病毒载量。微观规则描述了区室的转换和病毒载量的演变。特别是，在易感个体和传染性个体之间的二元相互作用中，易感个体被感染的概率取决于传染性个体的病毒载量。然后，我们实施规定的微观动力学在适当的动力学方程，从该宏观方程的车厢的密度和病毒载量的动量，最终得出。在宏观模型中，疾病传播率是传染人群平均病毒载量的函数。我们通过解析和数值方法研究了传播率线性依赖于病毒载量的情况，并与传播率恒定的经典情况进行了比较。基于稳定性和分岔理论进行定性分析。最后，数值研究有关的模型再生数和流行病的动力学。
2023-03-13 nlin.AO q-bio.PE
The Complex Interplay Between Risk Tolerance and the Spread of Infectious Diseases
本文通过引入考虑风险容忍度异质性的通用仓室模型，揭示行为与流行病传播的复杂反馈如何导致多波感染、改变流行病规模，并发现保护机制超过临界阈值后可使流行病规模精确等于群体免疫阈值。
2024-07-01 nlin.AO physics.soc-ph q-bio.PE
Modeling influenza-like illnesses through composite compartmental models
病原体在人群中传播的流行病学模型通常只能描述单一病原体。这使得它们在具有相似症状的多种病原体在同一人群中同时传播的情况下的应用变得不现实。在这里，我们描述了一种方法，它使得在最小条件下应用多个单应变模型成为可能。因此，我们的方法提供了流行病学理论模型和数据驱动方法之间的桥梁，用于流感和其他类似病毒的建模。我们的模型将易感-感染-感染模型扩展到更高的维度，允许对被多种病毒感染的人群进行建模。我们还提供了一种方法，基于SIR解决方案的可行实现的过完备字典，将代表人口中感染人数的时间序列盲目地划分为各个组成部分，每个组成部分代表单个病原体的影响。我们证明了我们所提出的方法对五年季节性流感样疾病（ILI）率的适用性，根据Twitter数据估计。我们证明，我们的方法描述，平均而言，44%的ILI时间序列的方差。从我们的模型中获得的单个感染性成分与人群中已知的病毒谱相匹配，我们证明了这些病毒谱与独立收集的流行病学数据相匹配。我们进一步表明，基本的生殖数（$R0$）的匹配组件是在已知的范围内，这些病原体。我们的研究结果表明，所提出的方法可以适用于其他病原体和地理，提供了一个简单的方法来估计人口中的流行病的参数。
2017-06-07 cs.SI physics.soc-ph q-bio.PE
A Hybrid ABM-PDE Framework for Real-World Infectious Disease Simulations
Zuse Institute Berlin（柏林齐泽研究所）
研究提出将 ABM 与 PDE 模型结合的混合建模方法用于传染病模拟，以降计算复杂度。通过耦合机制保证一致性，用真实数据评估，该模型能捕捉核心动态且高效模拟，为传染病建模提供了强大且计算高效的替代方案。
2026-07-09 cs.MA math.DS q-bio.PE
SEIAR model with asymptomatic cohort and consequences to efficiency of quarantine government measures in COVID-19 epidemic
我们提出了一个分区SEIAR模型的流行病传播作为推广的SEIR模型。我们认为，无症状感染人群是对COVID-19疾病流行动力学理解的一个遗漏部分。我们引入并推导出基本繁殖数作为有症状和无症状队列的基本繁殖数的加权算术平均值。由于没有检测到无症状受试者，他们可以更长时间地传播疾病，这将COVID-19 $R_0$增加到约9.我们发现，欧洲各国的流行病爆发与基于COVID-19临床特征的常用参数模拟相对应，但如果考虑无症状队列，则$R_0$约为3倍。当前，学界不少声音都在提请关注无症状感染者群体。我们相信，无症状人群在COVID-19疾病的传播中起着至关重要的作用，政府在采取措施时必须理解这一点。
2020-04-06 q-bio.PE
Modelling airborne transmission of SARS-CoV-2 at a local scale
新型冠状病毒病（COVID-19）大流行改变了我们的生活，但仍对科学构成挑战。许多研究有助于更好地了解这一流行病。特别是，吸入雾化的病原体已被确定为传播的必要条件。这些信息对于减缓传播至关重要，但个人在日常情况下感染的可能性仍然不确定。数学模型有助于估计此类风险。在这项研究中，我们提出了如何在局部范围内模拟SARS-CoV-2的空气传播。在这方面，我们将微观人群模拟与疾病传播的新模型相结合。受房室模型的启发，我们将代理人的健康状况描述为易感，暴露，传染或恢复。传染性病原体呼出结合到持久性气溶胶的病原体，而易感病原体在移动通过传染性病原体留下的气溶胶云时吸收病原体。传播取决于气溶胶云的病原体载量，它随时间而变化。我们提出了一个“高风险”的基准情景，以区分关键和非关键的情况。模拟室内情况表明，新模型适用于定性评估暴露风险，从而使科学家甚至决策者能够更好地评估COVID-19和类似疾病的传播。
2022-09-01 cs.MA q-bio.PE
Behavioral change models for infectious disease transmission: a systematic review (2020-2025)
University of Connecticut（康涅狄格大学）；University of Naples Federico II（那不勒斯费德里科二世大学）
本文综述了2020-2025年间关于传染病传播中行为变化模型的研究，分析了行为适应在传播、疫苗接种和合规性中的影响，并提出了一种分类体系以指导行为过程在流行病学建模中的整合。
2026-02-18 q-bio.PE
Epidemic Transmission Modeling with Fractional Derivatives and Environmental Pathogens
本文提出一种纳入环境病原体和分数阶记忆效应的COVID-19仓室模型，通过数学分析与真实数据校准验证其稳定性，揭示环境传播载体对公共卫生策略的关键作用。
2024-07-08 cs.NA math.NA q-bio.PE
Value of risk-contact data from digital contact monitoring apps in infectious disease modeling
本文提出一种将数字接触监测应用的风险接触数据整合进房室模型的方法，仅用两类每日接触信息即可估算有效再生数，并在荷兰新冠疫情数据上验证了其与详细数据源估算结果的一致性。
2025-03-27 cs.CY physics.soc-ph q-bio.PE
SPADE4: Sparsity and Delay Embedding based Forecasting of Epidemics
University of Waterloo（滑铁卢大学）；Dalhousie University（达尔豪斯大学）
针对传统仓室模型难以捕捉流行病真实动态、数据稀缺下预测难的问题，提出基于稀疏性与延迟嵌入的SPADE4方法，结合稀疏回归随机特征模型与Takens定理，在模拟和真实数据上表现均优于仓室模型。
2023-06-13 cs.LG physics.soc-ph q-bio.PE
Networks and the Epidemiology of Infectious Disease
网络科学已经彻底改变了对相互作用元素的动力学的研究。可以说，流行病学比其他任何学科都更能体现网络理论的潜力。在这里，我们回顾了越来越多的关于网络上传染病传播的研究，重点是网络理论和流行病学之间的相互作用。该评论分为四个主要部分，分别研究：与流行病学相关的网络类型;这些网络的多种特征描述方式;可应用于推断已实现网络上的流行病学参数的统计方法;最后是模拟和分析方法来确定给定网络上的流行病动态。鉴于所涉领域的广泛性和出版物数量的不断增加，不可能对所有工作进行全面审查。相反，我们对近年来取得最大进展或最有潜力提供新见解的网络流行病学领域进行了个性化概述。因此，相当重视分析方法和统计方法，这两个领域都在迅速扩大。在整个审查过程中，我们只关注流行病学问题。
2010-11-27 cs.SI physics.soc-ph q-bio.PE
Adaptive Mesh Refinement and Coarsening for Diffusion-Reaction Epidemiological Models
2020年爆发的COVID-19疫情引发了人们对传染病数学建模的兴趣。疾病传播可以被建模为房室模型，其中所研究的人群被划分为房室，并假设从一个房室到另一个房室的转移的性质和时间速率。通常，它们由时间上的常微分方程（ODE）系统组成。一类这样的模型考虑了易感、暴露、感染、感染和死亡人群，即SEIRD模型。然而，这些模式并不总是考虑到个人从一个地区到另一个地区的流动。在这项工作中，我们将SEIRD分区模型的公式扩展到偏微分方程的扩散-反应系统，以捕获COVID-19的连续时空动态。由于病毒的传播不仅是通过扩散，我们在方程组中引入了一个源项，代表旅行归来的暴露人群。我们还增加了各向异性非均匀扩散的可能性。我们实现了整个模型在\texttt{libMesh}，一个开放的有限元库，提供了一个框架，多物理场，考虑自适应网格细化和粗化。因此，该模型可以表示多个空间尺度，使分辨率适应疾病动态。我们验证我们的模型与标准SEIRD模型，并显示了几个例子，突出本模型的新功能。
2020-10-23 physics.soc-ph q-bio.PE
Artificial Intelligence for Infectious Disease Prediction and Prevention: A Comprehensive Review
École supérieure en Sciences et Technologies de l’Informatique et du Numérique（计算机与数字科学技术高等学院）；University of Paris 8（巴黎第八大学）；Université de Bejaia（贝贾亚大学）
本文全面综述了人工智能在传染病预测与预防中的应用，将现有研究按公共卫生数据、患者医疗数据及两者结合三类划分，评估了AI的潜力与局限性。
2024-11-14 cs.AI cs.LG q-bio.PE
The field theoretical ABC of epidemic dynamics
传染病是人类健康的威胁，对整个社会产生巨大影响。最近由SARS-CoV-2引起的COVID-19大流行是自2019年底以来肆虐全球的高传染性疾病的最新例子。因此，迫切需要开发有效的数学模型，通过揭示疾病传播的动力学和对称性，能够大大遏制大流行病的损害。这将有助于告知（非）药物预防策略。由于上述原因，我们写了这份报告，它是传染病扩散数学建模的核心，同时研究了渗透模型的潜在微观动力学，通过房室模型进行有效描述，并采用了临界现象的数学语言中自然编码的时间对称性。我们的报告回顾了这些方法，并确定了它们的共同特征，与理论流行病学及其与理论物理学中重要概念的联系有关。我们发现，不同的框架表现出共同的特点，如临界性和自相似性下的时间重新缩放。这些特征在统一场论方法中自然地被编码。后者导致一个有效的描述的时间演变的疾病通过一个框架，其中（近）时间膨胀不变性明确实现。作为重要的测试对称性的相关性，我们展示了如何在数学上解释所观察到的现象，如多波动力学。这里提出的模型是直接相关的不同领域的科学调查，从医学应用到人类行为的理解。我们的评论提供了关于如何建模，捕获，组织和理解流行病学数据和疾病动力学的新视角，以模拟现实世界的现象。
2021-09-16 hep-lat hep-th physics.soc-ph
MEmilio -- A high performance Modular EpideMIcs simuLatIOn software for multi-scale and comparative simulations of infectious disease dynamics
German Aerospace Center（德国航空航天中心）；University of Bonn（波恩大学）；Helmholtz Centre for Infection Research（亥姆霍兹感染研究中心）；Forschungszentrum Jülich GmbH（于利希研究中心有限公司）
MEmilio 是一个高性能模块化流行病模拟软件，通过统一架构整合多种流行病学模型，提升传染病动态模拟的效率与准确性。
2026-08-03 cs.MS q-bio.PE
Global stability of epidemic models with uniform susceptibility
Department of Mathematics and Statistics, McMaster University（麦克马斯特大学数学与统计系）；Mathematics, Wilfrid Laurier University（韦仕敦·劳里埃大学数学系）
本文证明了所有易感个体无法区分且只能被感染一次的传染病模型具有全局渐近稳定的平衡点，无论基本再生数R_0是否大于1，均不存在共存稳定解或非平衡吸引子。
2025-12-10 math.DS q-bio.PE
Evaluating the Impact of Vaccine Hesitancy on the Allocation of Vital Resources During COVID-19 Pandemic
本研究改进SEIR模型纳入疫苗犹豫和资源可用性，模拟不同疫苗犹豫情景，发现减少疫苗犹豫和保障关键资源能显著降低死亡并遏制疫情传播。
2024-03-12 math.OC physics.soc-ph q-bio.PE
Spread of variants of epidemic disease based on the microscopic numerical simulations on networks
本研究基于网络理论开展微观流行病模型数值模拟，发现病毒变异株传染性强于原始株时会快速扩散，传播速率随感染强度非线性增长，该现象可用接触过程的动态吸收态解释。
2021-12-28 physics.soc-ph q-bio.PE
Kinetic models for epidemic dynamics with social heterogeneity
我们引入了一个数学描述的社会性的影响，在传染病的传播，通过整合流行病学动力学与动力学建模的人口为基础的接触。动力学描述导致研究玻尔兹曼型方程描述的易感，感染和恢复的个人，其比例是由一个经典的SIR型房室模型在流行病学的社会接触的数量密度随时间的演变。显式计算表明，疾病的传播是密切相关的时刻的接触分布。此外，动力学模型可以澄清如何选择性控制可以假设，以实现最低限度的锁定策略，只减少个人经历了非常大量的日常接触。我们进行了数值模拟，证实了该模型的能力，以描述不同的现象特征的快速蔓延的流行病。受COVID-19大流行的启发，最后一部分致力于用来自不同欧洲国家的感染数据拟合所提出模型的数值解。
2021-04-01 nlin.AO physics.soc-ph q-bio.PE
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
Effects of infection fatality ratio and social contact matrices on vaccine prioritization strategies
该研究通过基于真实数据的仓室流行病模型，分析感染致死率与社会接触矩阵对疫苗优先级策略的影响，明确了不同流行病学场景下的策略有效性规律及相关影响因素。
2022-08-07 physics.soc-ph q-bio.PE
Time Evolution of Disease Spread on Networks with Degree Heterogeneity
两个关键因素有助于理解和控制传染病在社会环境中的传播。这些组成部分是，决定疾病传播模式的个体之间的潜在接触结构;以及这种模式随时间的演变。传染病的数学模型，原则上是易于分析的，使用两种一般方法来结合这些元素。第一种方法，通常称为房室模型，以简化传播模式为代价，解决了疾病传播的时间演变问题。另一方面，第二种方法使用网络理论，将有关个人之间的潜在联系结构的详细信息。然而，尽管这种方法提供了对暴发/流行病最终规模的准确估计，但其目前的形式主义忽视了暴发期间的时间进展。到目前为止，能够同时整合疾病传播两个方面的唯一选择是放弃分析方法，依靠计算机模拟。我们提供了一个新的分析框架的基础上渗流理论，它结合了接触网络结构的复杂性和疾病传播的时间进程。此外，我们证明了这个框架是同样有效的有限和“无限”大小的网络。这种形式主义的应用不仅限于疾病传播;它同样可以应用于其他科学技术领域网络上的类似渗透现象。
2007-10-18 q-bio.PE
Reconstruction of disease transmission rates: applications to measles, dengue, and influenza
传播率是了解传染病传播的关键。使用隔室模型的框架，我们引入了一种简单的方法，使我们能够直接从发病率或疾病相关死亡率数据重建传播率的时间序列。重建利用微分方程，它模拟了感染阶段和菌株的时间演变。由于该方法对初值敏感，因此能得到渐近正确的解。计算速度很快，时间复杂度为二次方。我们将重建应用于麻疹（英格兰和威尔士，1948-67），登革热（泰国，1982-99）和流感（美国，1910- 1927）。麻疹的例子提供了与早期工作的比较。在这里，我们重新调查报告更正，包括和排除人口统计信息。登革热的例子涉及泰国在减少登革出血热方面的病媒控制措施的失败。两个相互竞争的机制负责：应变相互作用和人口转变。我们的重建表明，这两种解释都是可能的，表明DHF病例的增加与减少病媒计数导致的传播率下降一致。流感的例子集中在1918/19年的大流行，研究了入侵菌株的传播率演变。我们的分析表明，大流行毒株可能已经在人群中传播了许多个月，然后才由高度增加的传播事件引发大流行。
2014-08-04 q-bio.PE q-bio.QM
Dynamics of a Tuberculosis Outbreak Model in a Multi-scale Environment
本文提出一种将基于方程模型与基于智能体模型耦合的双尺度混合模型，用于模拟结核病传播，发现人口流动性显著影响疫情扩散，并验证了该方法的稳健性。
2024-11-06 math.DS q-bio.PE
