Unification of theoretical approaches for epidemic spreading on complex networks
复杂网络上的传染病传播模型因其在预测和控制现实世界中的传染病传播场景方面的成功而引起了物理、数学和流行病学研究者的极大关注。为了理解传染病传播和接触网络拓扑结构之间的相互作用,已经开发了几种杰出的理论方法。一个精确的理论方法描述的传播动力学必须同时考虑网络的拓扑结构和动力学相关性,以增加方程的复杂性为代价。在这个简短的调查中,我们统一了最广泛使用的复杂网络上的传染病传播的复杂性,包括平均场,异质平均场,淬火平均场,动态消息传递,链接渗透,成对近似的理论方法。我们在这些方法之间建立联系,为开发一种准确的理论方法来在复杂网络上传播动态提供新的见解。
2016-12-13 physics.soc-ph
Epidemic spreading in localized environments with recurrent mobility patterns
流行病的传播在很大程度上取决于接触网络的结构,而接触网络的结构可能受到个人自身流动动态的影响。在封闭的情况下,一个封闭的小群体大部分时间都在局部环境中度过,并且具有容易识别的流动模式-例如工作场所、大学校园或学校-确定控制疾病传播速度的因素至关重要。在这里,我们提出了一个离散时间,基于集合种群的模型来描述发生在有限的情况下,个人的流动性不是随机的,而是遵循明确的经常性旅行模式的SIS样疾病的传播。该模型允许分析确定流行病的开始,以及辨别哪些接触结构最适合于防止感染传播的能力。因此,它决定了在这种情况下是否值得实施孤立的共同预防机制及其预期影响。
2018-04-04 physics.soc-ph q-bio.PE
The impact of digital media-driven affective polarisation on epidemic dynamics
本研究提出数学框架,量化数字媒体驱动的情感极化与流行病传播的相互作用,发现低传播率时负相关、高传播率时正相关,为公共卫生策略提供定量依据。
2025-03-25 cs.SI physics.soc-ph
Competing spreading processes on multiplex networks: awareness and epidemics
在多层互联的复杂网络之上,类似流行病的传播过程揭示了相互交织的竞争效应的丰富相图。作者最近的一项研究[Granell等人,Phys.Rev.Lett. 111,128701(2013)]分析了导致流行病传播的两个过程之间的相互关系,以及在多重网络之上传播信息意识以防止其感染。在这种情况下,提高认识意味着对疾病进行全面免疫,结果表明存在一个元临界点,在这个点上,流行病的关键开始取决于提高认识过程的实现。在这里,我们提出了一个全面的分析,这些关键的属性在更一般的情况下,意识的传播并不意味着完全免疫,感染并不意味着立即意识到它。我们发现这两个竞争过程之间的关键关系,代表它们之间的相互作用的参数范围很广。我们还分析了大规模广播的意识(大众媒体)的流行病发病率的最终结果的后果。更重要的是,大众媒体使元批评点消失了。结果表明,主要的发现,即存在一个元临界点,是植根于竞争的原则,并持有一个大的场景。
2014-05-18 cond-mat.stat-mech cs.SI physics.soc-ph
Targeted Quarantine Strategies Mitigate SIS-model Cyber Epidemics on Complex Networks
Hong Kong Metropolitan University(香港都会大学)
该研究针对复杂网络上的SIS模型网络流行病,通过模拟分析不同网络安全场景,发现针对性隔离关键节点可延迟疫情爆发并降低稳态感染,为网络基础设施防护提供了依据。
2026-07-31 nlin.AO physics.soc-ph
Dynamical interplay between awareness and epidemic spreading in multiplex networks
我们提出了两个过程之间的相互关系的分析占流行病的传播,并防止其感染的信息意识,在多重网络的顶部。这种情况是一个流行病的过程中传播的持久的真实接触的网络,和一个循环的信息意识过程中传播的虚拟社会接触网络之间的相同的个人。拓扑结构对应于一个多重网络,其中两个扩散过程相互作用,相互影响。使用微观马尔可夫链方法(MMCA)的分析揭示了流行病的发病率的相图,并允许捕获的流行阈值的演变取决于多路复用的拓扑结构和与意识过程的相互关系。有趣的是,流行病爆发的临界点有一个由意识动态和虚拟网络拓扑定义的临界值(亚临界点),从该临界点开始,爆发时间增加,流行病发生率降低。
2013-09-19 cond-mat.stat-mech cs.SI physics.soc-ph
Competing activation mechanisms in epidemics on networks
以前的普遍观点认为,异质网络中的流行病活动是由连接数量最多的枢纽控制的,而最近的研究指出,网络最里面的密集核心在维持流行病过程中发挥着作用。在这里,我们表明,负责传播的机制取决于该过程的性质。具有暂时状态的流行病是由最内层的核心推动的。首先,允许稳定状态的流行病呈现出双重场景,其中要么枢纽独立地维持活动并将其传播到系统的其余部分,要么最内部的网络核心集体进入活动状态,在全球范围内维持它。在不相关的网络中,如果度分布以大于5/2的指数衰减,则前者机制占主导地位,否则后者占主导地位。在真实网络中普遍存在的拓扑相关性可能会扰乱这一图景,混淆这两种机制的作用。
2012-05-03 cond-mat.stat-mech cs.SI physics.soc-ph
Effects of heterogeneous self-protection awareness on resource-epidemic coevolution dynamics
最近的研究表明,个人资源的分配对传染病传播的动态有重大影响。在现实情况下,面对疫情的爆发,个人的自我保护意识各不相同。为了研究异质自我意识分布对传染病动力学的影响,本文提出了一个资源-传染病协同进化模型。我们首先研究了人工网络中节点度和自我意识的异质分布对传染病动力学的影响。通过大量的模拟实验,我们发现,自我意识分布的异质性抑制了传染病的爆发,而度分布的异质性则促进了传染病传播。接下来,我们研究了节点度和自我意识之间的相关性如何影响流行动力学。结果表明,当正相关时,自我意识的异质性抑制了传染病传播。而当存在显著负相关时,自我意识分布的强异质性或强同质性均不利于疾病抑制。我们发现一个最佳的异质性的自我意识,在这种疾病可以抑制到最大程度。进一步研究表明,当相关性从最负到最正变化时,流行阈值单调增加,并发现相关系数存在一个临界值,当相关系数低于临界值时,存在一个最优的自我意识异质性,当相关系数低于临界值时,流行阈值随着自我意识异质性的降低而单调减小。最后,我们在四个典型的真实世界网络上对结果进行了验证,发现真实世界网络上的结果与人工网络上的结果是一致的。
2020-06-12 cs.SI physics.soc-ph
Epidemic model on a network: analysis and applications to COVID-19
我们分析了一个网络上的传染病模型,该网络由在节点处通过扩散耦合的易感染-感染-恢复方程组成。我们引入了一个流行病的标准,并检查不同的疫苗接种/遏制策略:我们证明,这是最有效的接种最高程度的节点。该模型还有助于评估解除监禁的情景,并防止所谓的第二波。该模型的参数很少,能够拟合数据和输入感染者的基本成分;这些特征对于当前的COVID-19疫情尤为重要。
2020-09-24 nlin.PS physics.soc-ph
Interplay of epidemic spreading and vaccine uptake under complex social contagion
本研究通过SIR模型和阈值疫苗接种策略,在年龄分层多层网络上模拟,揭示复杂社会传染下疫苗接取态度与流行病传播的相互作用。
2024-12-16 cs.SI physics.soc-ph
Targeted Recovery as an Effective Strategy against Epidemic Spreading
我们提出了一个有针对性的干预方案,其中恢复仅限于具有最少数量的感染邻居的个人。我们的恢复策略在任何类型的网络上都是高效的,因为与自发恢复的基线场景相比,流行病爆发是最小的。在空间嵌入式网络的情况下,我们发现,一种流行病保持强烈的空间限制与特征长度尺度经历随机游走。我们证明了数值和分析,这种动力学导致一个流行点,具有平坦的表面结构和半径,线性增长的蔓延率。
2017-10-16 physics.soc-ph 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
Eigenvector localization in real networks and its implications for epidemic spreading
邻接矩阵的谱特性,特别是它的最大特征值和相关的主特征向量,支配着复杂网络的许多结构和动力学特性。在这里,我们专注于本地化性质的主要特征向量在现实网络。我们发现,在大多数情况下,它是本地化的最大程度的节点(枢纽)及其最近的邻居所定义的星,或在密集连接的子图定义的最大$K$-核心的$K$-核心分解。主特征向量的局部化通常与最大特征值的值强相关,该最大特征值由相应局部化子图的局部特征值给出,但有时会出现不同的情况。我们还表明,简单的有针对性的免疫策略传染病传播是非常敏感的实际本地化设置。
2018-01-17 cs.SI physics.soc-ph
Temporal Heterogeneities Increase the Prevalence of Epidemics on Evolving Networks
实证研究表明,接触模式遵循异质的事件间时间,这意味着高活动的间隔之后是不活动的时期。结合个人的出生和死亡,这些时间限制以非平凡的方式影响感染的传播,并取决于特定的接触动态。我们提出了一个随机模型来生成时间网络,其中顶点在异构事件间时间之后进行瞬时接触,并以固定的速率离开和进入系统。我们研究这些时间属性如何影响感染的流行,并估计R0,继发感染的数量,通过模拟感染(SIR,SI和SIS)与网络结构的共同发展。我们发现,异质接触模式导致更早和更大的流行病的SIR模型相比,同质的情况。在SI和SIS的情况下,流行病在早期阶段更快(高达90%的患病率),然后在异质模式的情况下,渐近极限减慢。在存在出生和死亡的情况下,与平均事件间隔时间相同的同质假设相比,异质模式总是导致更高的流行率。我们的研究结果表明,R0可能被低估,如果时间异质性不考虑在流行病的建模。
2012-06-26 cs.SI physics.med-ph physics.soc-ph
Traffic-driven Epidemic Spreading in Finite-size Scale-Free Networks
对复杂网络的研究有助于揭示复杂系统的结构与功能之间的关系。一个值得注意的结果是,在无限大的无标度网络中没有流行病阈值,这意味着任何感染都将永远传播,而不管传播速度如何。目前绝大多数的理论方法都假设感染是作为一个反应过程从节点传播到所有邻居。在这里,我们采用不同的视角,并表明,流行病的发病率是由交通流量条件。具体来说,我们考虑的情况下,流行病的路径被定义和驱动的流量。通过大量的数值模拟和理论预测,它表明,在无标度网络中的流行病阈值的值直接取决于流量条件,特别是在给定的路由协议的介数分布的第一和第二时刻。我们考虑的情况下,节点的交付能力是有界或无界的。在这两种情况下,阈值取决于流量,并随着流量的增加而减小。有限制的交付引发了拥堵的出现,减缓了疾病的传播,并为流行病的发病率设定了限制。我们的研究结果提供了一个一般的概念框架,以了解复杂网络上的传播过程。
2009-09-23 physics.bio-ph physics.soc-ph
Time evolution of predictability of epidemics on networks
新的病原体或已知病原体在新人群中的流行性爆发引起了极大的恐惧,因为它们很难预测。另一方面,对于疾病传播的理论模型,表征爆发的数量收敛于时间的确定性函数。我们在本文中的目标是阐明这种明显的差异。我们衡量的多样性(和,因此,可预测性)的爆发规模和灭绝时间作为时间的函数给定不同的情况下的信息量。在完全信息的假设下,知道每个人的疾病状况--可预测性随着时间呈指数下降,或者更快。对于每接触传输概率的中间值,衰减最慢。在对可用信息的假设较弱的情况下,假设我们只知道当前感染、康复或易感个体的比例,可预测性在大多数情况下也呈指数级下降。然而,在这种情况下,有一些特殊的地区,可预测性下降。换句话说,要以给定的准确度预测其最终规模,我们需要越来越多的关于疫情的信息。
2015-05-05 cs.SI physics.soc-ph q-bio.PE
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
Bifurcation analysis of the Microscopic Markov Chain Approach to contact-based epidemic spreading in networks
许多传染病在单一宿主种群中传播的流行病房室模型的动力学都存在二阶相变。这种转变发生作为一个函数的传染性参数,从没有感染的个人到地方病的状态。在这里,我们从动力系统的角度研究了离散时间房室流行病模型的这种转变,称为微观马尔可夫链方法,其适用性预测未来的传染病传播的情况已被证明在COVID-19大流行期间非常有用。我们表明,有一个地方病的状态,这是稳定的,是一个全球吸引子,它的存在是一个跨临界分岔的后果。这一数学分析为实际应用中的模型结果提供了依据。
2022-10-31 cond-mat.stat-mech cs.SI math.DS
Epidemic Threshold in Continuous-Time Evolving Networks
目前对时间网络上的关键爆发条件的理解依赖于近似(时间尺度分离,离散化),这可能会导致结果偏差。我们提出了一个理论框架,通过感染传播函数的方法来计算连续时间的流行阈值。我们引入{ \em弱换向}条件,允许解释退火网络,活动驱动的网络,时间尺度分离成一个形式主义。我们的工作提供了一个连贯的连接离散和连续的时间表示适用于现实的情况。
2018-02-07 physics.soc-ph q-bio.PE
Effect of Coupling on the Epidemic Threshold in Interconnected Complex Networks: A Spectral Analysis
在流行病建模中,术语感染强度表示感染率和治愈率的比率。如果感染强度高于某个阈值--我们定义为流行阈值--那么流行病就会在人群中传播并长期持续。对于一个单一的通用图表示的接触网络的人口正在考虑中,传染病的阈值原来是等于的谱半径的接触图的倒数。然而,在现实世界中,不可能完全隔离一个种群:总有一些与另一个网络的互连,该网络与接触网络部分重叠。互联网络中流行病阈值的结果仅限于均匀混合种群和度分布参数。在本文中,我们采用了频谱的方法。我们展示了在一个给定的网络中,由于与另一个具有固定感染强度的网络相结合,流行病阈值如何变化。在我们的模型中,接触网络和互连是通用的。利用分支理论和代数图论,严格推导了互联网络中的传染病阈值。这些结果对流行病建模和控制的广泛领域具有影响。我们的分析结果支持数值模拟。
2012-12-17 cs.SI math.DS physics.bio-ph
Contact Adaption during Epidemics: A Multilayer Network Formulation Approach
人们改变他们的身体接触,作为对传染病传播的预防性反应。然而,只有少数数学模型考虑了疾病传播和接触适应过程的耦合动力学。本文提出了一个模型,每个代理有一个默认的接触邻域集,并切换到一个不同的接触集,一旦她成为她的默认接触之间的感染警报。由于每个智能体可以采用两个可能的邻域集合中的任何一个,因此整个接触网络在2^N个可能的配置中切换。值得注意的是,两层网络表示可以完全建模底层的自适应、状态依赖的接触网络。接触适应以非线性方式影响疾病流行的大小和流行阈值-接触网络对流行病鲁棒性的特征度量。特别地,所提出的自适应接触网络的流行阈值属于非线性Perron-Frobenius(NPF)问题的解,该问题不单调依赖于接触适应率。此外,网络自适应模型预测了一个反直觉的情况下,自适应地改变接触可能会不利地导致较低的网络鲁棒性对流行病的传播,如果接触适应不够快。一类NPF问题的一个原始结果促进了本文的分析发展。
2018-09-17 cs.SI physics.soc-ph
Epidemic spreading and control strategies in spatial modular network
网络上的流行病传播是网络科学中研究最多的动力学之一,在真实的流行病场景中具有重要意义。然而,真正流行病的动态以及它如何受到感染渠道的底层结构的影响,仍然没有得到充分的了解。在这里,我们应用SIR模型和研究分析和数值的流行病传播最近开发的空间模块化模型,模仿在一个国家的城市结构。该模型假设在一个城市内部,传染渠道连接许多不同的位置,而城市之间的传染渠道较少,通常只直接连接在一个二维平面上的几个最近的邻居城市。我们发现该模型经历了两次传染病转移。第一个较低的阈值表示在一个城市内但未蔓延到整个国家的局部流行病,第二个较高的阈值表示在整个国家的全球流行病。基于我们的解析解,我们提出了几种控制策略,以及如何优化它们。我们还表明,虽然控制策略可以成功地控制疾病,但早期行动是防止疾病全球传播的关键。
2020-09-06 physics.soc-ph
Social Interaction Layers in Complex Networks for the Dynamical Epidemic Modeling of COVID-19 in Brazil
由于SARS-CoV-2病毒引起的大流行,我们目前生活在一种不确定的状态中。传染病传播涉及若干因素,如每个城市/国家的个别特点。流行病动力学的真实形态是一个庞大的复杂系统,就像大多数社会系统一样。在这种情况下,复杂网络是分析这些系统的一个很好的候选者,因为它们能够处理结构和动力学特性。因此,这项研究提出了一种使用多层复杂网络来模拟COVID-19流行病的新方法,其中节点代表人,边是社会联系人,层代表不同的社会活动。该模型改进了传统的SIR模型,并通过分析未来可能的行动及其后果来研究巴西的疫情。该网络使用感染、死亡和住院时间的统计数据来表征。为了模拟隔离,社交距离或预防措施,我们删除层和/或减少社交接触的强度。结果表明,即使采取各种乐观的假设,巴西目前的隔离水平仍然可能导致医疗保健系统的危急情况和相当大的死亡人数(平均为149,000人)。如果所有活动恢复正常,疫情增长可能会急剧增加,对ICU床位的需求可能会超过该国容量的3倍。这肯定会导致灾难性的情况,因为即使考虑到所有病例都得到有效治疗,我们的估计也达到平均212 000人死亡。增加隔离(直至封锁)是将情况保持在医疗保健系统能力范围内的最佳选择,除了确保新病例发生率更快地下降(月差异)和显著减少死亡人数(平均87,000人)。
2020-05-20 cs.SI physics.soc-ph 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
A Strategy Transfer and Decision Support Approach for Epidemic Control in Experience Shortage Scenarios
University of Science and Technology Beijing(北京科技大学);Tsinghua University(清华大学);Chinese Academy of Sciences(中国科学院);Central South Architectural Design Institute Co.(中南建筑设计院股份有限公司);Shanxi University(山西大学);Shanghai Jiao Tong University(上海交通大学)
针对缺乏疫情防控经验的地区,本文提出基于多维风险特征相似性评估的 STDSA 方法,通过改进协同过滤与 K-Means 两轮筛选迁移防控策略,并在 COVID-19 场景中验证其推荐更准确。
2024-04-10 cs.LG physics.soc-ph stat.AP
Power-Law Population Heterogeneity Governs Epidemic Waves
我们推广的易感-感染-删除流行病模型,考虑到一般的影响,在感染的易感性程度的人口。我们引入了一个单一的新参数对应的幂律指数的磁化率分布,其特征在于人口的异质性。我们表明,我们的广义模型是作为一个限制情况下包含的原始模型一样简单。由于这种简单性,可以很容易地生成数值解,并且仍然可以精确地获得流行病波的关键特性。特别是,我们提出了精确的表达式的群体免疫水平,最终规模的流行病,以及波的形状和可观察到的,可以量化的流行病。我们发现,在强烈异质性的人群中,流行病只影响到一小部分人口。这意味着群体免疫水平可能远低于同质群体的常用模型。使用我们的模型来分析SARS-CoV-2在德国的流行数据表明,报告的时间过程与几种不同免疫水平的情况是一致的。这些情景在人口异质性和感染率的时间进程方面有所不同,例如由于缓解努力或季节性。我们的分析表明,量化的影响,缓解需要在人口的异质性程度的知识。我们的工作表明,可以在不增加模型复杂性的情况下捕获群体异质性的关键影响。我们表明,有关人口异质性的信息将是了解流行病进展到何种程度以及对其未来进程的预期的关键。
2020-08-02 nlin.PS physics.soc-ph q-bio.PE
The influence of a transport process on the epidemic threshold
通过在个人之间产生超越其直接社会环境的短暂接触,交通可以对流行病的传播产生深远的影响。在这项工作中,我们认为存在的运输过程,产生了一个多重网络模型的流行病动力学。除了静态层之外,(多重)流行病网络还包括第二个动态层,其中任何两个人在单独的传输网络上执行随机游走期间占据同一站点时都是连接的。我们开发了一个平均场描述的随机网络模型和研究的影响,运输过程中的流行病阈值。我们表明,任何运输过程一般降低了流行阈值,因为它产生的额外的连接。相比之下,考虑也随机游走的分数阶,在某种意义上是一个更现实的模型人类流动,我们发现,这些非本地的运输动力学提高了流行病的阈值相比,一个经典的本地随机游走。我们还测试了我们的模型在一个现实的交通网络(慕尼黑地铁网络),并仔细比较平均场的解决方案与随机轨迹在一系列的情况。
2022-11-02 math.DS nlin.AO physics.soc-ph
Collective versus hub activation of epidemic phases on networks
我们考虑一个一般的标准来辨别的性质的阈值在无标度(SF)网络上的流行病模型。通过比较最大度节点的流行病寿命与它们之间的感染时间,我们提出了一个一般的对偶场景,其中流行病转变要么由枢纽激活过程支配,导致热力学极限中的零阈值,要么由集体激活过程给出,对应于具有有限阈值的标准相变。我们验证了所提出的标准,将其应用到不同的流行病模型,在合成和真实的SF网络的免疫力减弱或异质感染率。特别是,免疫力的减弱,无论其强度如何,都会导致大指数无标度网络中具有有限阈值的集体激活,这与经典理论方法不一致。
2016-02-19 cond-mat.stat-mech physics.bio-ph physics.soc-ph
Progmosis: Evaluating Risky Individual Behavior During Epidemics Using Mobile Network Data
在制定有效的疾病遏制战略时,分析、量化和预测流行病爆发的可能性是根本。决策者面临着起草切实可行的政策,在风险管理和成本之间取得平衡的复杂任务。政策制定者掌握的两种主要技术是:流行病建模和接触者追踪。模型被用来预测全球和区域的流行病演变,而接触者追踪被用来重建可能被感染的人的链条,以便他们能够被立即检测、隔离和治疗。然而,这两种技术提供的信息可能有限,特别是在危机已经发展到需要紧急采取行动的时候。在本文中,我们提出了一种超越流行病建模和接触者追踪的替代方法,并利用移动运营商网络生成的行为数据来评估每个用户的传染风险。个人风险是指因不隔离或治疗特定人员而造成的损失,包括该人员传播疾病的可能性以及它将导致多少次继发感染。为此,我们开发了一个模型,名为预测,量化这种风险的基础上的运动和区域汇总统计感染率。我们开发并发布了一个开源工具,可以根据蜂窝网络事件计算这种风险。我们模拟了一个现实的流行病场景,基于埃博拉病毒爆发;我们发现,逐渐限制一个子集的个人的流动性减少了24%的感染人数后30天。
2015-04-06 cs.SI physics.soc-ph
The nature of epidemic criticality in temporal networks
针对现实中网络动力学与流行病传播时间尺度相近的情况,研究基于活动驱动模型建立SIS流行病临界行为理论,揭示连边持续性与动态相关性的抵消效应使该临界性十分复杂。
2023-11-20 physics.soc-ph q-bio.PE
Multiplex mobility network and metapopulation epidemic simulations of Italy based on Open Data
针对多数国家缺乏细粒度流动性数据的问题,本研究以意大利为例,基于开放数据构建多重流动性网络并实现SIR元种群模型,通过数据驱动的随机模拟进行情景分析,为缺乏高分辨率流动性数据的情境提供实用方法。
2022-09-16 cs.SI physics.soc-ph
An overview of epidemic models with phase transitions to absorbing states running on top of complex networks
运行在复杂网络上的动力系统已经被广泛研究了几十年。但由于其广泛的适用性,这一主题仍然是复杂网络理论中最相关的问题之一。接触过程(CP)和易感-感染-易感(SIS)模型经常被用来描述流行病动力学。尽管它们很简单,但这些模型在预测真实情况的核心方面是稳健的。在这项工作中,我们简要地回顾了这两个过程,是众所周知的和非常适用的例子模型,表现出吸收态相变。在流行病的情况下,个人可以被感染或易感。无病(吸收)状态和活跃稳定期(其中一部分人口被感染)之间的相变由流行阈值分隔。对于SIS模型,核心问题是确定异构网络上的流行阈值。对于CP模型,主要的兴趣是将临界指数与网络的统计特性联系起来。
2020-10-05 physics.soc-ph q-bio.PE
Social inequalities that matter for contact patterns, vaccination, and the spread of epidemics
该研究利用匈牙利新冠疫情数据识别接触模式和疫苗接种态度的社会不平等维度,发现优势群体接触更多且接种率更高,并提出纳入行为差异的数据驱动流行病学模型,用于分析匈牙利第四波疫情,为公共卫生策略提供依据。
2023-07-10 cs.SI physics.soc-ph stat.AP
Abrupt phase transition of epidemic spreading in simplicial complexes
网络几何是一种将网络结构描述为几何对象的方法,它的研究正在彻底改变我们对网络系统动力学过程的理解。在这里,我们处理的问题,传染病传播,使用易感-感染-易感(SIS)模型,在单纯复形。特别是,我们分析了复杂网络中的SIS的动力学,其特征在于成对的相互作用(链接)和三体相互作用(填充三角形,也称为2-单纯形)。这种高阶描述的传染病传播解析制定使用微观马尔可夫链近似。对模型的不动点解的分析揭示了一个有趣的相变,该相变随着2-单形的传染性参数而变得突然。我们的研究结果为网络理论家铺平了道路,以推进我们的物理理解传染病传播在真实的情况下,疾病之间的群体之间以及之间的传播,并更好地了解单纯复合体的动力学过程的行为。
2020-01-23 physics.soc-ph
Modeling the dynamical interaction between epidemics on overlay networks
流行病很少作为孤立的现象发生。通常,两种或更多种病毒因子在同一宿主群体内传播,并且可以动态地彼此相互作用。我们提出了一个一般模型,其中两个病毒代理通过免疫机制相互作用,因为它们同时在连接同一组节点的两个网络上传播。利用传播动态和动态过程之间的对应关系进行渐进的网络生成,我们开发了一种分析方法,准确地捕捉覆盖网络上的流行病之间的动态相互作用。该形式主义允许覆盖网络具有任意的联合度分布和重叠。为了说明我们的方法的多功能性,我们考虑了一个假设的延迟干预的情况下,免疫剂在宿主人群中传播,以阻止传播的不良代理(如预防信息的传播,在一个新出现的传染病的背景下)。
2011-06-24 cond-mat.stat-mech cs.SI physics.soc-ph
A model-based approach to assess epidemic risk
我们研究国际航班如何促进流行病在全球范围内的传播。我们将航班连接的基础设施网络与人口密度数据集相结合,以获得移动网络,然后定义一个流行病框架来模拟疾病的传播。我们的方法结合了一个房室SEIRS模型与图扩散模型来捕捉集群的人口分布。由此产生的模型的特点是一个集合种群SEIRS的动态,放大或减少的感染率,这也是由个人的流动性。我们使用模拟来模拟和研究各种类似于最近COVID-19传播的现实场景。至关重要的是,我们定义了一个正式的框架,可用于设计流行病缓解策略:我们提出了一种基于遗传算法的优化方法,可用于确定最佳的机场关闭策略,并可用于帮助决策的缓解流行病,及时。
2021-07-22 physics.soc-ph q-bio.PE stat.AP
Modular Reactivation of Mexico City After COVID-19 Lockdown
在COVID-19大流行期间,墨西哥城的疫情曲线斜率一直相当不稳定。我们已经预测,在超过一定阈值的一部分人口返回公共空间的情况下,流行曲线的负趋势将恢复。这些预测是基于对封锁后经济活动的重新激活进行建模的基础上,通过对墨西哥城接触网络的流行病学模型进行建模,该接触网络来自移动终端协同定位。我们根据墨西哥政府公开数据库中记录的活跃和康复病例的记录评估了疫情动态。模拟了不同比例的人口重新融入公共空间的情景,扫描值从5%到50%不等。根据Jornada Nacional de Sana Distancia(墨西哥的选择性封锁模式)的数据建立了封锁模型,其中流动性减少了75%,没有强制性的流动性限制。我们发现,在超过5%的人口重新进入公共空间的情况下,流行病曲线中的新的病例高峰很可能出现;超过50%的人口同步返回将释放一个与没有缓解策略的预测相似的峰值。通过评估疫情动态的趋势、新登记病例数、新住院病例数和新死亡病例数,我们认为,在这种情况下,仅采取选择性措施后重新激活可能不是最佳的。鉴于需要恢复经济活动,我们建议考虑采取替代措施,减少人们返回公共空间的接触。我们评估,通过“封装”重新激活的工人可能会允许更大比例的人口重新激活,而不会损害流行曲线的预期趋势。
2020-08-28 physics.soc-ph
Epidemiological projections for COVID-19 considering lockdown policies and social behavior: the case of Bolivia
我们使用Tsallis的确定峰值发生的建议以及易感-感染-缓解-无症状-症状和死亡(\textbf{SIRASD})房室模型评估SARS-CoV-2引起的疫情。使用这两个模型,我们确定了一系列可能的高峰日期,并研究了流行期间的几种社交距离情景。由于社会经济状况和冲突的政治气候,我们以玻利维亚为例进行研究,该国的全国大选原定于9月6日举行,最近重新安排在10月18日。为此,我们分析了两种选举情景,并表明这样的事件可以在很大程度上影响疫情的动态。
2020-08-11 physics.bio-ph physics.soc-ph
Investigating Spatiotemporal Dynamics and Synchrony of Influenza Epidemics in Australia: An Agent-Based Modelling Approach
在本文中,我们提出了ACEMod,一个基于代理的建模框架,用于研究澳大利亚的流感流行。该模拟器旨在分析全国范围内传染病的时空传播和流感的空间同步性。以个人为基础的流行病学模型考虑了来自2006年澳大利亚人口普查和其他国家数据来源的流动性(工人和学生通勤)模式和人类互动。高精度模拟包括1980万个随机生成的软件代理,并在多个尺度上跟踪流感病毒感染和传播的动态。使用这种方法,我们能够在澳大利亚合成不同爆发地点和严重程度的流行病。对于每一种情况下,我们调查的时空配置文件,这些流行病,定性和定量,通过发病率曲线,流行choropleths,和流行同步。这一分析阐明了澳大利亚境内流感大流行的性质,有助于今后规划有效的干预、缓解和危机管理战略。
2018-06-07 cs.MA physics.soc-ph q-bio.PE
Multi-layer network approach in modeling epidemics in an urban town
过去三年是一个非常时期,新型冠状病毒肺炎(COVID-19,即2019冠状病毒病)大流行导致数百万人死亡,影响并困扰着全球数十亿人。当局采取了各种措施,如将学校和工作地点设在偏远地区,并通过宵禁禁止社会关系。为了减轻流行病的负面影响,研究人员试图利用预测技术和网络上的流行病模拟来估计不同情景下流行病的未来。为了更好地代表现实生活中的一个城镇在高分辨率,我们提出了一种新的多层网络模型,其中每一层对应于一个不同的互动,每天发生的,如“家庭”,“工作”或“学校”。我们的模拟表明,锁定“友谊”层对减缓流行病的影响最大。因此,我们的贡献是双重的,首先,我们提出了一个参数网络生成器模型;其次,我们运行SIR模拟,并显示层的影响。
2023-01-25 cs.CY physics.soc-ph
Epidemic Model with Isolation in Multilayer Networks
易感-感染-康复(SIR)模型成功地模拟了甲型流感(H1N1)等空气传播疾病的传播。虽然SIR模型最近被研究在一个多层的网络配置,在几乎所有的研究中,被感染的个人的隔离被忽视。因此,我们把我们的研究集中在一个两层网络的流行病模型中,我们使用隔离参数来衡量隔离期间从两层隔离感染个体的效果。我们称这个过程为易感-感染-隔离-隔离($SI_IR$)模型。隔离减少了疾病的传播,因为感染传播的时间缩短了。在这种情况下,我们发现,流行病的阈值与隔离时间和隔离参数的增加。当隔离期最长时,隔离参数有一个阈值,超过这个阈值,疾病就不会成为流行病。我们还发现,流行病模型,如$SIR$高估了感染的理论风险。最后,我们的模型可以为未来的研究提供基础,以研究疾病的时间演变与真实数据校准我们的模型。
2015-06-16 physics.soc-ph
COVID-ABS: An Agent-Based Model of COVID-19 Epidemic to Simulate Health and Economic Effects of Social Distancing Interventions
Instituto Federal do Norte de Minas Gerais (IFNMG)(北米纳斯吉拉斯联邦学院);Federal University of Minas Gerais(米纳斯吉拉斯联邦大学);Universidade Federal de Minas Gerais(米纳斯吉拉斯联邦大学);Universidade Federal de Ouro Preto(奥罗普雷托联邦大学)
由SARS-CoV-2冠状病毒引起的COVID-19大流行直接影响了全球的公共卫生和经济。为了克服这一问题,各国采取了不同的政策和非药物干预措施来控制病毒的传播。本文提出了COVID-ABS,一个新的SEIR(易感-暴露-隔离-隔离)的代理为基础的模型,旨在模拟流行病的动态使用代理模仿人,企业和政府的社会。分析了七种不同的社交距离干预方案,这些方案具有不同的流行病学和经济影响:(1)什么都不做,(2)封锁,(3)有条件封锁,(4)垂直隔离,(5)部分隔离,(6)使用口罩,(7)使用口罩并坚持50%的社交隔离。在不可能实施封锁的情况下,封锁造成的死亡人数最少,对经济的影响最大,因此,在社会合作方面,结合使用口罩和部分隔离的情况可能更现实。COVID-ABS模型是用Python程序设计语言实现的,源代码公开。通过改变输入参数,该模型可以很容易地扩展到其他社会,并允许创建大量其他场景。因此,这是一个有用的工具,以协助政治家和卫生当局规划他们的行动,以应对COVID-19疫情。
2020-07-08 cs.AI physics.soc-ph
Predicting the epidemic threshold of the susceptible-infected-recovered model
研究人员已经开发了几种预测流行阈值的理论方法,包括类平均场(MFL)方法,猝灭平均场(QMF)方法和动态消息传递(DIM)方法。当这些方法应用于预测流行阈值时,它们往往产生不同的结果,并且它们的相对准确度仍然未知。我们系统地分析了这两个问题-不同的结果和准确性水平之间的关系-通过研究不相关配置网络和一组56个真实世界的网络上的易感染恢复(SIR)模型。在不相关的组态网络中,MFL和QMF方法产生相同的预测,比QMF方法产生的预测更大,更准确。与56个真实网络相比,该方法得到的流行阈值更接近实际流行阈值,因为它包含了完整的网络拓扑信息和一些动态相关性。我们发现,在某些情况下-如网络与积极的度度相关性,与本地化的高$k$ -核心节点的特征向量,或具有高层次的聚类-的流行阈值预测的MFL方法,它使用的度分布作为唯一的输入参数,表现优于其他两种方法。我们还发现,这三个预测的性能是不规则的模块化。
2015-12-16 physics.soc-ph
Rapid decay in the relative efficiency of quarantine to halt epidemics in networks
最近的几项研究已经解决了最佳网络免疫的问题,提供了有效的标准,以确定关键节点被删除,以打破网络,从而防止发生广泛的流行病爆发。然而,尽管这些标准的效率也在经验网络中得到了证明,但预防性免疫很少应用于现实世界的情况,通常的做法是事后尝试使用检疫措施来控制流行病的爆发。在这里,我们比较预防的效率与隔离的合成和经验拓扑结构上的删除和保存的节点的数量之间的权衡。我们展示了如何,符合常识,但与通常的做法相反,在许多情况下,预防比治疗更好:根据网络结构,在第一次感染后不久,通过隔离来拯救受感染的网络可能会变得低效。
2018-02-21 physics.soc-ph q-bio.PE
Evaluating the impact of incomplete contact tracing data on urban epidemic dynamics
Sejong University(世宗大学);National Institute for Mathematical Sciences(国家数学科学研究所);Gyeongsang National University(庆尚国立大学)
通过基于主体的随机模型模拟韩国大都市区信息缺失对接触者追踪效果的影响,发现感染者遗漏率超过城市特定阈值(首尔约4%,釜山约10%)时追踪失效,且感染者遗漏比接触遗漏导致更剧烈的传播结构变化。
2026-08-18 cond-mat.stat-mech physics.soc-ph q-bio.PE
Estimating the State of Epidemics Spreading with Graph Neural Networks
University of Oxford(牛津大学);Massachusetts Institute of Technology (MIT)(麻省理工学院);TU Delft(代尔夫特理工大学);German Aerospace Center (DLR)(德国航空航天中心);Proxima Robotics srl(普罗xima机器人有限公司)
当一种流行病蔓延到人群中时,对所有相关对象进行连续监测往往是不切实际或不可能的。作为替代方案,可以使用算法解决方案来从有限数量的测量中推断整个群体的状态。我们分析了深度神经网络解决这一挑战性任务的能力。我们提出的架构是基于图卷积神经网络。因此,它可以根据潜在的社会网络结构的影响进行推理,这被认为是流行病传播的主要组成部分。我们测试所提出的架构与两个场景模拟的CoVid-19大流行:一个通用的同质人群,和波士顿大都市区的玩具模型。
2021-05-10 cs.LG physics.soc-ph q-bio.PE
Study on Locomotive Epidemic Dynamics in a Stochastic Spatio-Temporal Simulation Model on a Multiplex Network
Bangladesh University of Engineering and Technology(孟加拉国工程与技术大学)
本研究提出多重网络上的随机时空模拟模型,融合物理与信息层,探讨流动性、信息传播对流行病的影响,强调有效沟通在遏制疾病传播中的关键作用,并支持实时情景分析以指导干预设计。
2025-09-25 cs.MA physics.soc-ph
A new SEIR type model including quarantine effects and its application to analysis of Covid-19 pandemia in Poland in March-April 2020
接触者追踪和隔离是成熟的非药物流行病控制工具。该文件旨在阐明该等措施对COVID-19疫情的影响。引入了一个新的确定性模型(SEIRQ:易感,暴露,传染,删除,隔离)与Q室捕获个人和释放他们的延迟。我们得到了一个简单的规则定义的再生数$\mathcal{R}$的检疫参数,诊断病例的比率和传输参数。该模型应用于2020年3月至4月波兰的疫情,当时采取了社交距离措施。我们调查了3种情况对应于不同比例的诊断病例。我们的研究结果表明,根据不同的情况,接触者追踪可以预防50%到90%以上的病例。隔离的效果受到未确诊病例比例的限制。考虑到波兰在采取社会限制措施之前的传播强度,如果不采取任何社会距离措施,就不可能控制这一流行病。
2020-05-29 physics.soc-ph q-bio.PE
Modeling Epidemic Dynamics of Mutant Strains with Evolutionary Game-based Vaccination Behavior
Southwest University(西南大学)
本文提出基于进化博弈的疫苗行为建模方法,用于分析突变株流行病动力学,通过引入疫苗接种状态和行为决策机制,有效预测和缓解疾病爆发。
2026-01-02 cs.SI physics.soc-ph q-bio.PE
Forecasting Seasonal Influenza Epidemics with Physics-Informed Neural Networks
University of Trento(特伦托大学);Fondazione Bruno Kessler (FBK)(布鲁诺·孔塞西奥基金会);University of Venice(威尼斯大学);CNRS(法国国家科学研究中心)
本文提出了一种结合经典SIR模型机制的神经网络架构SIR-INN,用于实时预测流行病,通过马尔可夫链蒙特卡洛方法推断关键传播参数,生成概率短期和长期预测,并在意大利国家卫生研究所的流感数据上验证了其性能。
2026-05-19 physics.soc-ph
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
SIS Epidemic Spreading with Correlated Heterogeneous Infection Rates
传染病传播已被广泛研究时,每个节点可能会被感染的邻居以相同的速率。然而,一对节点之间的感染率通常是异质的,甚至与它们在接触网络中的节点度相关。我们的目标是了解这种相关的异构感染率如何影响不同的网络拓扑结构上的传播。受真实世界数据集的启发,我们提出了一个相关的异质易感-感染-易感模型,该模型假设节点$i$和$j$之间的感染率$β_{ij}(=β_{ji})$与两个端节点的度相关:$β_{ij}=c(d_id_j)^α$,其中$α$表示相关性的强度,选择$c$使得平均感染率为$1$。为了理解这种相关性对传染病传播的影响,我们也考虑了相应的未校正但仍然异质的感染率场景作为参考,在我们的CSIS模型中,原始相关的感染率被洗牌并重新分配到相同网络拓扑的链路。我们比较了这两种情况下,在Erd{<$}s-R{é}nyi(ER)和无标度(SF)网络中处于亚稳态的受感染节点的平均比例,具有相似的平均度。通过连续时间模拟发现,当恢复率较小时,负相关性更有利于疫情传播,正相关性则抑制疫情传播;当恢复率大于某一临界值时,正相关性而非负相关性有利于疫情传播。我们的研究结果在车轮网络(一个中心节点与环中的每个节点连接)中得到了进一步的分析证明,并在具有相关异构交互频率的真实网络上得到了验证。
2016-08-25 physics.soc-ph q-bio.PE
The unequal effects of the health-economy tradeoff during the COVID-19 pandemic
在COVID-19疫情期间,健康结果与经济影响之间的潜在权衡一直是政策制定过程中的主要挑战。为解决这一问题而设计的流行病经济模型要么过于笼统,无法考虑社会经济群体之间的异质结果,要么即使足够精细,也没有很好的经验数据基础。为了填补这一空白,我们引入了一个数据驱动的、粒度的、基于代理的模型,该模型模拟了具有地理现实主义的跨行业、职业和收入水平的流行病和经济结果。疫情与经济模块耦合的关键机制是由于担心感染而导致的消费需求减少。我们将模型校准到纽约大都会地区的第一波COVID-19,表明它重现了关键的流行病和经济统计数据,然后检查了反事实情景。我们发现:(a)对感染的高度恐惧和严格的限制同样损害经济,但减少了感染;(b)低收入工人首当其冲地受到经济和流行病损害的影响;(c)关闭制造业和建筑业等不面向客户的行业只能略微减少死亡人数,同时大大增加失业率;以及(d)推迟启动保护措施对经济和艾滋病疫情在所有情况下的结果都没有什么帮助。我们预计,我们的模型将有助于设计有效和公平的非药物干预措施,以最大限度地减少新的大流行病的破坏。
2022-12-07 econ.GN physics.soc-ph q-fin.EC
Generic probabilistic modelling and non-homogeneity issues for the UK epidemic of COVID-19
冠状病毒COVID-19主要通过社会接触在人群中传播。为了衡量危机蔓延的可能性,应对相关的不确定性,并为缓解危机提供信息,更准确和更稳健的建模对于决策至关重要。我们提供了一种灵活的建模方法,可以提高洞察力的准确性。我们使用此分析与英国COVID-19疫情相关的不同情况。我们提出了一个随机模型,捕捉人口成员之间的传染病的内在概率性质。我们模型的计算性质意味着空间约束(例如,社区和地区),不同年龄组的易感性和其他因素,如病史,可以很容易地纳入。我们分析英国COVID-19疫情的不同可能情况。我们的模型对参数的微小变化具有鲁棒性,并且能够灵活地处理不同的场景。这种方法超越了通过易感性、感染和恢复(SIR)的固定周期来表示流行病传播的惯例。需要强调的是,与我们的模型不同,标准SIR型模型不够灵活,也不是随机的,因此应该非常谨慎地使用。我们的模型允许异质性和固有的不确定性被纳入。由于缺乏经过验证的数据,我们通过使用其他相关来源的参数校准我们的模型来获得见解,包括与基于SIR的模型中的参数的平均一致性(平均场)。
2020-04-09 physics.soc-ph q-bio.PE stat.AP