Estimates of the reproduction ratio from epidemic surveillance may be biased in spatially structured populations
针对空间结构化种群中监测数据会低估再生数的问题,论文利用空间传播矩阵的谱特性提出数据再加权校正,并通过模拟与 COVID-19 案例验证其可跨流行阶段消除偏差。
2025-01-07 physics.soc-ph q-bio.PE
An objective criterion for cluster detection in stochastic epidemic models
集群的正确识别对于准确监测疾病的传播以及许多其他表现出流行病结构的自然、社会和物理现象至关重要。然而,即使有精确的数学模型,也没有简单的工具可以让人们确定有多少独立的聚类,并将元素与适当的聚类联系起来。在这里,我们开发了一个自动的方法来检测集群的内部结构和它们的数量,独立的模型,描述了动态的现象。它基本上基于对数似然$δ{\cal LL}$的差异,当所有元素都连接时以及当它们被分组到集群中时,对该差异进行评估。作为连接元素数的函数,$δ{\cal LL}$呈现出斜率和奇异性的变化,这两者都可以用于聚类识别。我们的方法是有效的流行病模型与最小的时间结构和流行病型余震序列模型描述的地震的时空聚类。
2021-03-24 physics.soc-ph
Control of Overpopulated Tails in Kinetic Epidemic Models
本文研究动力学流行病模型中过饱和尾部的控制问题,提出基于模型的转移速率用于受控舱室模型,比较加性控制与交互强度控制两种协议,推导出SIR宏观模型,数值结果证明该方法能有效控制流行病趋势。
2025-07-17 math.OC nlin.AO physics.soc-ph
The power of a good idea: quantitative modeling of the spread of ideas from epidemiological models
思想传播背后的人口动态与感染传播中的人口动态有许多质的相似之处。尽管有许多暗示性的证据,但这种类比几乎从未以有用的方式量化过。流行病建模的标准好处是能够定量估计人口平均参数,如人际接触率,潜伏期,传染期的持续时间等,在大多数情况下,这些数量自然推广到思想的传播,并提供了一个简单的手段量化社会学和行为模式。在这里,我们应用几个范例模型的流行病的经验数据的出现和传播的费曼图通过理论物理界的美国,日本和苏联在第二次世界大战后的一段时间。这个测试案例的优点是已经详细地研究了历史,这使得我们的结果得到了验证。我们估计的有效性,通过在三个社区的想法,并找到值的参数,反映有意的社会组织和长寿命的想法。这些特征很可能是思想传播的一般特征,而不是普通流行病的特征。
2005-06-24 physics.soc-ph
Modeling nonlocal behavior in epidemics via a reaction-diffusion system incorporating population movement along a network
2019冠状病毒病(COVID-19)的爆发始于2019年,并持续到撰写本文时,导致人们对传染病的数学建模重新产生了兴趣。最近的工作集中在偏微分方程(PDE)模型,特别是反应扩散模型,能够描述在空间和时间的流行病的进展。这些研究在描述和预测COVID-19进展方面显示出普遍有希望的结果。然而,人们经常在短时间内长途旅行,导致疾病的非本地传播。这样的传染动力并不能仅仅用扩散来很好地代表。相比之下,常微分方程(ODE)模型可以通过将不同的区域视为网络中的节点来轻松解释这种行为,其中边缘定义了非本地传输。在这项工作中,我们试图通过引入一个网络结构内的反应扩散偏微分方程系统结合这些建模范式。这是通过定义人口转移算子来实现的,该算子将不相交的和可能遥远的地理区域耦合起来,促进它们之间的非本地人口移动。我们提供的分析结果表明,该运营商不会破坏系统的物理一致性或数学适定性,并通过数值实验验证这些结果。然后,我们使用这种技术来模拟巴西里约热内卢地区的COVID-19疫情,展示其捕捉重要非局部行为的能力,同时保持反应扩散模型描述局部动态的优势。
2022-05-09 physics.soc-ph q-bio.PE
SIR dynamics in structured populations with heterogeneous connectivity
大多数流行病模型假设人口中的成员均匀混合。另一种方法是将种群建模为随机网络,其中个体可能具有异质连接。本文以先前的研究为基础,描述了流行病在随机网络中发生时的确切动力学行为。提出了一个描述传染病在任意度分布的随机网络中传播的非线性微分方程组。度分布被观察到对流行病的最终规模和时间尺度都有显着的影响。
2005-12-20 cond-mat.dis-nn cond-mat.other physics.soc-ph
Spectral Clustering with Epidemic Diffusion
California State University, Fullerton(加州州立大学富勒顿分校);USC Information Sciences Institute(南加州大学信息科学研究所);Claremont Graduate University(克莱蒙特研究生大学);HP Labs(惠普实验室)
谱聚类被广泛用于将图划分为不同的模块或社区。现有的谱聚类方法使用图拉普拉斯算子的特征值和特征向量,这是一种与图上的随机游走密切相关的算子。我们提出了一种新的谱分割方法,利用流行病扩散的属性。流行病是一个动态过程,与随机游走不同,它同时转移到给定节点的所有邻居。我们发现,复制,一个操作符描述流行病扩散,是等价的对称归一化拉普拉斯算子的重加权图的边缘重加权的特征向量中心的事件节点。因此,更多的权重被给予连接更多中心节点的边。我们描述了一种方法,分区节点的复制的第二特征向量的第一分量比的基础上,并比较其性能与传统的谱聚类技术与已知的社区结构的合成图。我们证明了复制因子优先考虑密集的,类cnc的结构,使其能够更有效地发现社区,可能被掩盖的密集社区间的联系。
2013-10-04 cs.LG cs.SI physics.soc-ph
Mitigating an epidemic on a geographic network using vaccination
本文研究地理网络上的流行病传播模型,利用矩阵扰动理论分析流行病矩阵,提出沿拉普拉斯矩阵最大特征值对应的特征向量进行疫苗接种的策略,为网络疫苗接种规划提供指导。
2024-06-05 nlin.AO physics.soc-ph
Collective impact of opinion formation on agent-based epidemic dynamics
University of Parma(帕尔马大学);University of Pavia(帕维亚大学);University of Ferrara(费拉拉大学)
本研究提出耦合意见动力学与流行病模型的智能体框架,揭示行为反馈对疫情演变的定量影响,改善流行病解释。
2026-09-28 nlin.AO physics.soc-ph q-bio.PE
Analysis of Infectious-Recovery Epidemic Models for Membership Dynamics of Online Social Networks
最近社交媒体和在线社交网络(OSN)的快速增长提出了关于我们社会中思想和时尚传播的有趣问题。在过去的一年里,有几篇论文将OSN流行程度的上升和下降与用于研究传染病的数学模型进行了类比。irSIR模型就是这样一个模型,它利用“传染性复苏”的思想,在复制MySpace的兴衰和预测Facebook受欢迎程度的快速下降方面优于传统的SIR模型。在这里,我们探讨的irSIR模型和它的两个逻辑扩展,我们数学上描述这些动力系统的初始和长期运行的行为。特别是,虽然原来的irSIR模型总是预测灭绝的社会流行病,我们构建了一个扩展的模型,匹配的指数增长阶段的irSIR模型,同时允许的可能性,在长期的任意比例的感染。
2016-08-29 physics.soc-ph q-bio.PE
Identifying Influential Spreaders of Epidemics on Community Networks
一个有效的战略,以确定有影响力的传播者,可用于控制人口中的流行病将是相当重要的。一般来说,种群的特征在于它的社区结构和社区上的节点之间的弱联系的异质分布。在这里提出了一个社区网络的战略,能够确定有影响力的传播者,加速疾病的传播。在这种策略中,有影响力的传播者作为目标节点。这是基于这样的想法,即在k壳分解中,弱关系和强关系被分开处理。将该策略应用于由在线社交网络构建的经验网络,结果表明该策略比其他策略更准确。它的有效性源于邻居之间的连接模式,并成功地确定了重要的节点。此外,即使网络结构存在错误,该策略的性能也保持稳健。
2016-01-28 cs.SI physics.soc-ph stat.ME
The Effects of Diffusion of Information on Epidemic Spread -- A Multilayer Approach
在这项工作中,目的是研究传染病的传播和多层次社会系统的信息。其主要思想是找到一个标准,根据该标准,采用传播信息阻止或抑制流行病的传播。两层网络是模型的基础。第一层描述了直接接触的互动,而第二层是信息传播层。这两个层由相同的节点组成。这个社会由五种不同类别的人组成:易感者、感染者、康复者、接种疫苗者和感染者。最初,只有一个受感染的个体开始传播感染。直接接触相互作用将感染传播给易感者。信息通过第二层传播。SIR模型用于描述感染传播,而Bass方程用于描述信息的采纳。信息传播与疾病传播竞争的控制参数是网络的拓扑结构和连通性密度。信息层的拓扑结构是一个无标度网络,其边缘密度不断增加。在接触层中,每个节点具有相同平均度的规则和无标度网络可以互换使用。观察结果是,接触网络的日益复杂性降低了个体意识的作用。如果接触层由具有有限范围连接的网络组成,或者边缘比信息网络稀疏,则信息的传播在控制流行病方面起着重要作用。
2021-03-13 cs.SI physics.soc-ph
Solvable delay model for epidemic spreading: the case of Covid-19 in Italy
我们研究了一个简单的现实模型,用于描述传染病在人群中的扩散。的动态是由一个单一的功能延迟微分方程,其中,在一个大的人口的情况下,可以精确地解决,即使在存在的时间依赖性的感染率。这种延迟模型比流行病学中常用的所谓SIR模型具有更高的准确度,SIR模型是用常微分方程来表示的。我们应用此模型描述新型传染病Covid-19在意大利的爆发,并考虑到政府为减缓病毒传播而实施的遏制措施以及人口的社会成本。
2020-09-10 cond-mat.stat-mech 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
Social adaptive behavior and oscillatory prevalence in an epidemic model on evolving random geometric graphs
该研究在演化随机几何图与 SIR 模型中考察流动性、人际距离和社会适应的耦合作用,揭示其可引发振荡流行率,并分析阈值与延迟响应的非线性影响。
2025-01-10 cond-mat.stat-mech physics.soc-ph
Dynamic Survival Analysis for non-Markovian Epidemic Models
提出了一种在最小假设条件下分析随机流行病模型的新方法。该方法被称为DSA,基于一个简单而强大的观察,即PDE系统描述的群体水平平均场轨迹也可能近似于个人水平的感染和恢复时间。这个想法产生了一定的非马尔可夫代理为基础的模型,并提供了一个代理级别的似然函数的随机样本的感染和/或恢复时间。对来自英国FMD和印度COVID-19的合成和真实流行病数据的广泛数值分析显示出良好的准确性,并证实了该方法在基于似然的参数估计中的通用性。随附的软件包为潜在用户提供了一个实用工具,以便借助DSA方法对流行病数据进行建模、分析和解释。
2022-02-21 math.PR physics.soc-ph q-bio.PE
Estimating the epidemic risk using non-uniformly sampled contact data
由于人口抽样和接触者报告不足,许多描述人口接触者的数据集都不完整。使用这种不完整的数据对传播过程进行数据驱动的模拟会导致对流行病风险的低估,因此必须制定纠正这种偏差的方法。在这里,我们专注于一个非均匀的采样个人之间的接触,旨在模仿日记或调查的结果,并考虑作为案例研究在不同的背景下收集的两个数据集。我们表明,使用代理数据建立使用的方法开发的情况下,均匀的人口抽样产生的改进,相对于使用的采样数据,但在采样网络中的链接密度被低估的强烈限制。我们提出了第二种方法来建立代理数据,假设知识的密度的链接在一个组形成的人口。我们表明,它给出了很好的结果时,人口是强结构,并讨论其局限性的情况下,人口与较弱的群体结构。这些限制突出了使用可穿戴传感器进行测量的兴趣,这些传感器能够产生关于接触的结构和持续时间的准确信息。
2017-09-05 physics.data-an physics.soc-ph
Modeling and simulating the spatial spread of an epidemic through multiscale kinetic transport equations
在这项工作中,我们提出了一个新的空间依赖的多尺度模型的传染病的传播在一个二维的空间背景下,现实的地理场景。该模型耦合动力学运输方程系统描述的人口通勤移动在一个大规模(城市外)的扩散方程系统的特点,非通勤人口在一个小规模(城市)。该建模方法可以避免传统的流行病学扩散模型的不切实际的影响,如大规模的无限传播速度和大规模迁移动力学。基于动力学理论的运输形式主义的建设,可以给一个明确的模型解释感染和易感之间的相互作用,在房室空间依赖性模型。此外,在一个合适的尺度限制,我们的方法允许耦合两个人口通过一个一致的扩散模型作用在城市规模。基于非结构化网格上有限体积的离散化系统,结合时间上的渐近保持方法,表明该模型能够正确地描述流行病的空间扩展的主要特征。最后提出了对COVID-19初始传播的应用。
2020-12-18 cs.NA math.NA physics.soc-ph
Epidemic modeling in metapopulation systems with heterogeneous coupling pattern: theory and simulations
人口的空间结构是理解流行病大规模传播的一个关键因素。最近的经验证据的异质性的城市地区之间的交通和通勤模式的动机,我们提出了一个彻底的分析传染病的行为在集合种群模型的特点是异质连接和流动模式。我们推导出描述集合种群系统的基本反应扩散方程,并推导出亚种群入侵动力学的早期动力学近似。分析描述使用度块变量,使我们能够考虑任意度分布的集合种群网络。我们发现,随着通常的单种群流行病阈值的集合种群网络表现出一个全局阈值的亚种群入侵。我们找到了一个明确的解析表达式的入侵阈值,决定了最小数量的个人之间旅行的亚群,以有一个宏观数量的亚群的感染。入侵阈值是基本再生数、感染期和迁移过程等因素的函数,随着网络异质性的增加而降低。我们提供了广泛的机械数值蒙特卡罗模拟,恢复在广泛的集合种群网络连接模式的分析结果。这些结果有助于理解最近的数据驱动的计算方法,以疾病在大型交通网络中的传播以及旅行限制等遏制措施的影响。
2007-08-21 physics.soc-ph q-bio.PE
How Clustering Affects Epidemics in Random Networks
受社交网络分析的启发,我们研究了一个具有给定度分布和可调聚类系数的随机网络模型。在这些图上我们考虑两种类型的增长过程:扩散模型和对称阈值模型。扩散过程是受流行病模型的启发。它的特点是感染概率,每个邻居独立传播流行病。在对称阈值过程中,交互仍然是局部的,但传播规则由阈值(可能在不同节点之间变化)控制。对称阈值过程的一个有趣的例子是传染过程,它的灵感来自于网络上的一个简单的协调博弈。这两种类型的过程已被用来模拟传播的新思想,技术,病毒或蠕虫和结果已经获得了随机图没有聚类。在本文中,我们能够分析集群的增长过程的影响。虽然聚类抑制了扩散过程,但其对传染过程的影响更为微妙,并取决于图的连通性:在低连通性区域,聚类也抑制了传染,而在高连通性区域,聚类有利于全球级联的出现,但会减小其大小。对于扩散和对称阈值模型,我们的特征条件下,全球级联是可能的,并计算其大小明确,作为度分布和聚类系数的函数。我们的研究结果适用于定期或幂律图与指数截止和新的光聚类的影响。
2012-02-22 cs.SI math.PR physics.soc-ph
Exploration of the effects of epidemics on the regional socio-economics: a modelling approach
大流行病除了影响人口的健康外,还可能对他们的社会和经济行为产生巨大影响。另一方面,这些因素有可能反馈并影响疾病的传播。重要的是要系统地研究这些相互关系,以确定哪些具有显著影响,以及这些影响是不利的还是有益的。我们最近开发的流行病模型与代理为基础的地理元素在这项研究中使用这样一个目的。我们进行了广泛的参数空间探索的社会经济部分的模型,包括因素,如对疾病传播,健康,经济状况,和政府机构的监管机构的代理人的态度(称为值)。我们使用基本的分类工具,即自组织映射和主成分分析,从模拟数据中搜索突出的模式。我们试图隔离影响疾病传播速度和模式的人口和政府代理人的最重要的值参数,并监控不同数量的模型输出,如感染率,流行病的传播速度,经济活动,政府法规和人口的遵守情况。其中,描述传染病传播的那些导致数据的最独特的聚类,并且它们被选择作为剩余分析的基础。我们发现的集群与三种不同类型的疾病传播:波浪状,混乱和过渡的传播模式。最重要的价值参数,有助于这些阶段之间的阶段变化被认为是遵守政府法规的人口代理。
2022-09-26 cs.MA physics.soc-ph
Optimal Control of an Impulsive VS-EIAR Epidemic Model with Application to COVID-19
本研究针对包含接种人群的VS-EIAR传染病模型,采用最优控制理论在最优终止时间内通过疫苗接种和治疗最小化易感及感染人群,利用PMP证明最优控制对存在性,扩展脉冲框架并数值验证其在COVID-19中的适用性。
2025-02-26 math.DS math.OC physics.soc-ph
Effect of initial infection size on network SIR model
我们考虑了随机网络上SIR传染病模型中初始感染节点(种子)的非零分数的影响。例如,当到达的受感染个体的数量很大时,这是相关的,但也与大量受感染个体的建模有关,而且还与更一般的情况有关,例如在宣传活动中传播思想。这个模型经常通过映射到一个键渗透问题来研究,在这个问题中,网络中的边被沿着连接受感染个体和易感邻居的边的最终感染概率$p$所占据。这种方法允许计算感染的总最终大小和在极小种子分数的限制下的流行阈值。然而,我们发现,当初始感染占据了网络的非零部分$f$,这种方法会产生模糊的结果,因为边缘占用和传染病传播之间的对应关系不再成立。我们建议,而不是测量恢复的个人在原来的接触网络的巨人组成部分。这有一个明确的解释,并正确地捕捉到流行病规模对$f$的依赖性。我们给出了精确的方程的大小的流行病和流行病的阈值在无限大小的限制。我们观察到一个二阶相变,在原来的配方,但随着增加$f$的流行阈值降低。当晶种分数$f$趋于零时,我们恢复标准结果。
2022-02-09 physics.soc-ph
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
Management strategies in a SEIR model of COVID 19 community spread
2019年新型冠状病毒感染(COVID 19)是国际关注的持续公共卫生紧急事件。尽管(或可能因为)疫情是前所未有的全球威胁,但我们对COVID 19流行病学、传播动力学、调查工具和管理的了解仍存在重大差距。积极的一面是,目前对流行病过程的了解足以建立数学预测模型。在我们的工作中,我们调整了传统的SEIR流行病模型,以适应COVID 19在年龄异质社区中传播的特定动态分区和流行病参数。我们分析了流行病课程的管理策略(因为它们是通过美国许多州和世界各国的封锁和重新开放程序实施的);然而,为了更清楚地说明这些想法,我们重点介绍了一个小规模大学城社区的例子,以及纽约州引入控制措施的时间轴。我们在可持续发展的背景下进行预测,并评估这些控制措施(关闭,流动限制,社交距离)的效率。
2020-11-27 physics.soc-ph q-bio.PE
Influence of individual nodes for continuous-time Susceptible-Infected-Susceptible dynamics on synthetic and real-world networks
在流行病动力学的研究中,一个基本问题是最初只影响一个个体的病原体会引起有限的爆发还是大范围的流行病。这个问题的答案不仅取决于描述感染和恢复过程的参数,还取决于在相互作用网络中,感染从哪里开始。研究了网络上连续时间内易感-感染-易感传染病动力学对初始种子点位置的依赖性。首先,我们推导出分析预测的依赖于初始节点的三个指标的传播影响(概率起源无限爆发,平均持续时间和规模的有限爆发),并将它们与随机不相关的网络上的数值模拟进行比较,发现一个非常好的协议。然后,我们表明,同样的理论方法也相当不错的一组现实世界的拓扑结构的不同性质。最后,我们简要调查的拓扑网络功能确定偏离理论预测。
2021-08-11 cond-mat.stat-mech cs.SI physics.soc-ph
Effect of lockdown interventions to control the COVID-19 epidemic in India
由新型冠状病毒SARS-CoV 2引起的大流行导致了危及生命的健康并发症,并对医疗保健系统造成了极大的压力。虽然预防性和明确的治疗性医疗干预措施尚未到位,但管理机构实施的物理隔离、检疫和严厉的社会措施等非药物干预措施可有效阻止感染在人群中的传播。在印度等人口稠密的国家,由于社会和行政管理的复杂性,封锁干预措施部分有效。使用详细的人口统计数据,我们提出了一个基于代理的模型来模仿人口的行为及其流动性特征,即使在干预下。我们展示了接触追踪政策的有效性,以及我们的模型如何有效地与测试效率的实证研究结果相关。我们还提出了各种封锁干预策略来缓解-使用感染的数量,有效繁殖率以及使用强化学习。我们的分析可以帮助评估这些干预措施的社会经济后果,并为政策制定者提供有用的想法和见解,以便更好地做出决策。
2020-09-07 cs.MA physics.soc-ph q-bio.PE
Urban Scaling of COVID-19 epidemics
由于COVID-19大流行,对易感-无效-无效(SIR)数学模型的需求很高。它们被用于标准公式,或通过许多变体,试图拟合并有望预测未来几天或几周内任何地方,城市或国家的新病例数量。这是当局为卫生系统需求做好准备或实施限制以减缓传染曲线的关键知识。即使当模型可以很容易地解决-通过使用专门的软件或通过编程的微分方程的数值解,代表模型-,预测是一个不容易的任务,因为人们的行为变化反映在一个连续的变化的参数。一个相关的问题是,我们可以从一个城市到另一个城市利用什么;如果在马德里发生的事情可以适用于纽约,那么,我们从这个城市学到的东西是否对圣保罗有用。考虑到这一想法,我们分析了COVID-19的传播率相关指标,作为美国所有县的人口密度和人口规模的函数,以及巴西城市和德国城市。与流行病建模中的常见假设相反,我们观察到城市人口密度和人口规模越高,{\em人均}接触率越高。此外,我们发现,人口规模有一个更好的解释效果比人口密度。接触率标度理论提出了解释的结果。
2020-05-15 physics.soc-ph q-bio.PE
Dynamics of SIR model with heterogeneous response to intervention policy
我们研究动态的一个变种的SIR模型,在那里我们假设个人的动态响应不同的流行病。它们的非均质响应由Preisach滞后算子建模。响应的异质性程度通过相应分布的方差$σ^2$(Preisach密度函数)测量。该模型具有一个连续的地方病平衡态,其特征在于不同比例的易感,感染和恢复人口。我们考虑如何的极限点的流行病轨迹和感染高峰沿这条轨迹取决于$σ$。将异质模型与具有对应于$σ=0$的理想均匀响应的切换模型进行比较。
2021-03-14 math.DS physics.soc-ph q-bio.PE
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
Dynamics of interacting diseases
目前的传染病建模允许研究复杂和现实的情况,从人口到个人的描述水平。然而,大多数流行病模型都假设传播过程发生在单一层面上(无论是单一种群、元种群系统还是接触网络)。特别是,只有我们超越一个病原体一个网络的办法,才能解决相互依存的传染现象。在本文中,我们提出了一个框架,允许描述两个并发疾病的传播动力学。具体来说,我们分析了两种疾病的流行阈值为不同的情况下,还计算了时间演变特征的展开动态。结果表明,有一些区域的参数空间中,一种疾病的爆发是有条件的其他疾病的流行水平。此外,我们表明,SIS计划,在某些情况下,有限的和不消失的流行病阈值发现,即使在热力学极限的无标度网络。对于SIR情景,现象学更丰富,并且出现了额外的相互依赖性。我们还发现,SIS和SIR模型的次级阈值是不同的,这直接导致两种疾病之间的相互作用。因此,我们的工作解决了一个重要的问题,并为更全面地描述相互作用的疾病的动力学铺平了道路。
2014-07-30 cond-mat.stat-mech physics.soc-ph q-bio.PE