Competition, Collaboration, and Optimization in Multiple Interacting Spreading Processes
竞争和合作是多智能体概率传播过程的核心。舆论战和竞争性营销活动是前者的典型例子，而艾滋病毒和结核病等多种疾病的共同传播则表明了后者。这些传播受到底层网络拓扑结构、网络组成部分之间的感染率、恢复率以及同样重要的传播过程本身之间的相互作用的影响。在这里，我们第一次推导出动态的消息传递方程，提供了一个精确的描述动态的两个相互作用的传播过程的树图，并开发系统的低复杂度模型，预测一般图上的传播。我们还开发了一个理论框架，通过预算约束下的优化资源分配，并在有限的时间窗口内的相互作用的传播过程的最优控制。衍生算法可用于在存在竞争对手竞争过程的情况下最大化所需的传播，并在偶联传染病的情况下通过疫苗接种限制传播。我们证明了框架和优化方法在合成和现实世界的网络上的有效性。
2021-03-16 cond-mat.stat-mech physics.soc-ph
Impacts of complex behavioral responses on asymmetric interacting spreading dynamics in multiplex networks
传播-接触分层网络中的信息扩散和疾病传播是典型的非对称耦合关系，其中个体对疾病的感知和反应对疾病传播有重要影响。最近的许多研究表明，人类行为采用是一个复杂的非马尔科夫过程，其中采用一种行为的概率取决于接收信息的累积次数以及这些累积信息的社会强化效应。我们研究了这种非马尔可夫疫苗接种行为对流行动力学和控制效果的影响。我们发现，这种复杂的采用行为引起的通信层可以显着提高流行阈值，降低最终的感染率。通过将社会成本定义为疫苗接种成本和治疗成本之和，我们证明了存在一个最优的社会强化效应或最优的信息传递率，允许最小的社会成本。我们还发展了一个基于平均场的理论来验证模拟结果的正确性。
2016-06-17 cs.SI physics.soc-ph
Asymmetrically interacting dynamics with mutual confirmation from multi-source on multiplex networks
在流行病发生的初期，由于缺乏确切的信息，个体采取保护措施以降低自身感染风险、抑制疾病传播的决心很可能依赖于多个信息来源及其相互印证。本文将层间相互确认机制引入到多重网络上的信息-疾病相互作用动力学中。在我们的模型中，个体一旦从多个层次的邻居状态中确认消息的真实性和疾病的严重性，就会增加信息传递率和采取防护措施的意愿。利用微观马尔可夫链方法，解析计算了稳态下的流行阈值、感知度和感染密度，与仿真结果吻合较好。我们发现，在确定有意识的邻居时，传播阈值的增量在通信层比在接触层大。相反，从接触层确认邻居的感知和感染导致比通信层更低的最终感染密度和更高的感知密度。研究结果提示，个体对邻居，尤其是与邻居有真实接触的人，明确暴露自己的感染和知晓状况，有助于抑制传染病传播。
2021-01-05 physics.soc-ph
Infection percolation: A dynamic network model of disease spreading
疾病传播模型对于预测人群中的感染增长和评估公共卫生政策至关重要。然而，标准模型通常使用宏观参数来表示个体之间的疾病传播的动态，这些宏观参数不能准确地表示人与人之间的变异性。为了解决这个问题，我们提出了一个动态网络模型，提供了一个简单的方法，将疾病传播动态在个人规模以及在人口规模的完整时空感染史。我们发现，疾病通过社会网络传播是一种感染的行波，随后是康复的行波，传播的开始和动力取决于疾病传播和康复之间的相互作用。我们利用这些见解来开发一种预测不同疾病和人群感染动态的标度理论。此外，我们展示了感染易感性的空间异质性如何加剧或平息疾病的传播，这取决于其传染性。最终，我们的动态网络方法提供了一种简单的方法来模拟疾病传播，统一了以前的研究结果，并可以推广到不同的疾病，遏制策略，季节性条件和社区结构。
2021-03-17 cond-mat.stat-mech cs.SI nlin.AO
Disease and information spreading at different speeds in multiplex networks
当今，我们在进行传染病传播建模时面临的挑战之一是开发控制疾病传播的方法。在这篇文章中，我们研究如何传播知识的疾病影响传播的疾病在人口中的相互作用的个人。为此，我们分析了多重网络上两个不同过程之间的相互作用：使用易感染-易感染动态传播流行病和传播有关疾病的信息-及其预防方法-使用未意识到-意识到-未意识到动态，以便知情的个人不太可能被感染。与以前的相关模型不同，疾病和信息在同一时间尺度上传播，我们在这里引入一个参数，控制两个过程的传播之间的相对速度。我们研究了这个模型的行为，使用平均场的方法，得到的结果与蒙特卡罗模拟均匀复杂的网络。我们发现，提高信息传播的速度降低了疾病的流行，正如人们所预料的那样。然而，与流行病过程相比，提高信息过程的速度具有增加疾病流行的反直觉效果。这一结果开启了关于信息传播对疾病传播影响的有趣讨论。
2020-08-03 physics.soc-ph q-bio.PE
Motif-based mean-field approximation of interacting particles on clustered networks
图上的相互作用粒子通常用于研究物理学中的磁行为，流行病学中的疾病传播以及社会科学中的观点动力学。关于大型图的这种系统的平均场近似的文献仅限于无簇图，对于无簇图，基于度和对的标准近似通常是相当准确的。在这里，我们提出了一个基于图案的平均场近似，认为高阶子图结构在大型集群图。数值上，我们的方程同意随机模拟现有的方法失败。
2022-07-14 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Asymmetrically interacting spreading dynamics on complex layered networks
疾病通过物理接触网络的传播和疾病信息通过通信网络的传播是两个密切相关的动力学过程。我们通过关注任何传播过程背后的两个基本量：流行阈值和最终感染率，研究了两种类型的传播动态之间的不对称相互作用，每种传播动态都发生在自己的层上。我们发现，接触层上的流行病爆发可以诱导传播层上的流行病爆发，信息传播可以有效地提高流行病的阈值。当两层之间存在结构相关性时，信息阈值保持不变，但可以提高流行阈值，使接触层对流行病爆发具有更强的弹性。我们开发了一个物理理论来理解这两种类型的传播动力学之间错综复杂的相互作用。
2014-05-08 cs.SI physics.soc-ph
Modeling the spread of infectious disease in urban areas with travel contagion
在这项研究中，我们开发的数学模型，以了解传染病的传播动力学和流动动力学之间的耦合，通过城市交通系统。我们首先将城市人口的流动动态描述为离开家、往返活动地点和从事活动的过程。然后，我们嵌入的易受感染的暴露-感染-恢复（SEIR）过程中的流动性动态和开发的空间SEIR模型与旅行传染（trans-SEIR），明确占在旅行和日常活动中的传染。我们研究了该模型的理论性质，并展示了活动传染和旅行传染如何影响二次感染的平均数量。在数值实验中，我们探讨了城市交通系统如何改变传染病的基本动力学，改变继发感染的数量，促进疾病在城市中的同步，并影响疾病爆发的高峰。Trans-SEIR模型被进一步应用于了解纽约市COVID-19爆发期间的疾病动态，在那里我们展示了活动和旅行传染如何分布，以及如何在有限的资源下实施有效的旅行控制。Trans-SEIR模型和我们的研究结果可能对提高我们对城市交通与疾病动力学之间耦合的理解，疾病系统的检疫和控制措施的发展，以及促进疾病弹性城市交通网络的理念做出重要贡献。
2020-05-10 physics.soc-ph q-bio.PE
Dynamics of epidemic diseases without guaranteed immunity
全球SARS-CoV-2大流行表明了一种新型的疾病传播动力学。世卫组织指出，目前没有证据表明从COVID-19中康复并具有抗体的人对第二次感染具有免疫力。传统的数学模型考虑的情况下，一个恢复的个人再次变得敏感或发展免疫力。在这里，我们研究的情况下，受感染的代理恢复，只有发展免疫力，如果他们连续感染了一段时间。否则，他们会再次变得敏感。我们表明，场论边界的传染率的峰值。因此，该理论的阶段表征了疾病动态：（i）大流行阶段和（ii）反应机制。该模型很好地描述了中国武汉市SARS-CoV-2爆发的流行传播。我们发现只有30%的康复者产生了免疫力。我们预期我们的文件将影响在平衡经济影响及疫情对社会的影响后作出的决策。只要疾病控制措施将疾病动态保持在“应对机制”中，就可以排除大流行升级（“第二波”）。
2020-07-31 physics.soc-ph q-bio.PE
Modeling the Dynamics of Infectious Diseases in Different Scale-Free Networks with the Same Degree Distribution
某些传染病的传播动力学与网络中个体之间的接触结构有关。我们使用了五种算法来生成具有不同拓扑结构但具有相同无标度分布的接触网络。我们模拟了急性和慢性传染病在这些网络上的传播，使用SI（易感-感染）和SIS（易感-感染-易感）流行病模型。在模拟中，我们的目标是观察网络的拓扑结构对模拟疾病的动态和流行的影响。我们发现，传染病在不同网络上传播的动力学具有相同的度分布可能会有很大的不同。
2013-08-26 cs.SI physics.soc-ph q-bio.PE
Could short-lasting non-specific immunity explain seasonal spacing of epidemic diseases?
常见的呼吸道病毒以连续模式引起季节性流行病。这种模式的基本机制已经争论了一段时间。对于流感，竞争者包括温度，湿度和维生素D水平。虽然这些季节性驱动因素可能足以解释仲冬高峰，但尚不清楚其他呼吸道病毒在春季，夏季或秋季的高峰是否有个别环境驱动因素。在这里，我们提出了一个相互作用的疾病的动态模型，在努力解释观察到的季节性模式，而不需要多个季节性驱动程序。我们的模型扩展了经典的SIRS模型，包括多种疾病，通过一个短暂的，非特异性的免疫组件相互作用。这种临时保护是由接触任何流行病引发的，只持续几个星期。我们表明，抑制疾病的相互作用，允许经常性的流行病行为，没有任何季节性的驱动。在存在单一季节性驱动因素的情况下，我们的模型粗略地预测了流行病模式，例如连续发生的流行病。我们还提出了一个两种疾病的模拟再现副流感病毒株PIV-3和两年一次的PIV-1流行模式的时间序列中观察到的多种功能。季节性疾病的复杂流行模式可能是由非特异性先天或云细胞（T细胞）介导的免疫反应，导致不相关的呼吸道流行病之间的相互作用。
2019-08-02 nlin.AO physics.bio-ph physics.soc-ph
A vector logistic dynamical approach to epidemic evolution on interacting social-contact and production-capacity graphs
个体社会接触网络和个体感染恢复率的变化所表现的群体不均匀性，使得传染病传播动力学具有不确定性。因此，覆盖经济生产网络及其适当的协作组件在某种程度上受到不可预测的影响。我们的模型提出了一个“矢量逻辑”的动态方法SIS动态的社会联系网络与其经济能力网络的互动。向量逻辑描述中的图状态的概率解释提供了一种方法来评估被感染者的平均值和方差对生产能力的影响，并允许社会连接调节的战略规划。根据“累积”、“多数”和“脆弱性”代用指标评估了流行病的平均效应和波动对生产能力的影响。
2021-08-31 physics.soc-ph q-bio.PE
A Behaviour and Disease Model of Testing and Isolation
Commonwealth Scientific and Industrial Research Organisation (CSIRO)（联邦科学与工业研究组织）；James Cook University（詹姆斯库克大学）；Civic Health Innovation Labs（公民健康创新实验室）；Institute of Population Health（人口健康研究所）；NIHR Health Protection Research Unit in Emerging and Zoonotic Infections（英国国家卫生研究院新兴与动物源性感染卫生保护研究组）；University of Liverpool（利物浦大学）；Department of Mathematics, University of Manchester（曼彻斯特大学数学系）；Department of Statistical Science, University College London（伦敦大学学院统计科学系）；Department of Health, Medicine and Caring Sciences, Linköping University（林雪平大学健康、医学与护理科学学院）；New Zealand Institute for Advanced Study, Massey University（梅西大学新西兰高级研究院）
本文提出一个结合行为与疾病动力学的模型，研究测试和隔离决策对传染病传播的影响，并分析其基本再生数和流行病持续性。
2025-12-08 physics.soc-ph q-bio.PE
Dynamics of multi-stage infections on networks
本文研究了传染期为非指数分布的传染病的动力学问题。这是通过考虑网络上的多阶段感染模型来实现的。使用两两近似与标准的封闭，一些重要的疾病动力学特性的推导分析，包括最终规模的流行病和流行病爆发的阈值，它示出这些数量如何依赖于疾病的特征，以及疾病阶段的数量。随机模拟网络上的动态进行比较成对模型的结果，几个现实的例子，传染病，以说明所发挥的作用，在疾病动态的阶段数。这些结果表明，疾病阶段数越多，流行病爆发的速度越快，流行病的高峰期越高，最终流行病的规模也越大。在我们考虑的情况下，成对和模拟方法之间的协议是优秀的。
2015-11-19 nlin.AO physics.soc-ph q-bio.PE
Impact of asymptomatic infection on coupled disease-behavior dynamics in complex networks
如何建立疾病与行为反应之间的相互作用模型（所谓的耦合疾病-行为相互作用）的研究引起了越来越多的关注。由于缺乏明显的疾病临床证据，或与疾病相关的信息不完整，无法感知感染的风险，并可能导致不适当的行为反应。因此，如何定量分析无症状感染者对疾病和行为反应之间相互作用的影响尤为重要。本文在复杂网络框架下，通过将感染个体分为U状态（无明显临床症状，记为U）和I状态（有明显临床症状，记为I），研究了疾病-行为耦合交互作用模型。易感个体可以被U-或I-节点感染，然而，由于U-节点不容易被观察到，易感个体在接触I-节点时采取行为反应\emph{only}。分别在改进的易感-感染-易感（SIS）模型和改进的易感-感染-传播（SIR）模型中考虑了这一机制。然后，对传播动力学中最受关注的问题之一：两种模型的传染病阈值分别用两种方法给出。分析结果\emph{quantitatively}描述了无症状感染者、知晓率、网络结构等不同因素对流行阈值的影响。此外，由于SIR模型的不可逆过程，改进的SIR模型的抑制效果弱于改进的SIS模型。
2016-08-14 physics.soc-ph q-bio.PE
Dynamics of disease spread. Effect of the characteristic times
利用基于Watts和Strogatz小世界网络的SEIR（Susceptible-Exposed-Precautious-Removed）随机流行病模型的一个动态变体，数值和解析地研究了传染病在异质人群中传播的动力学性质.该模型包括通常表征传染病的主要现实参数，如感染力、潜伏期和感染时间。只要潜伏时间小于感染时间，感染个体的比例随时间呈指数增加，否则出现振荡行为。这可以解释健康预防服务所观察到的周期性行为。它还表明，定期流行病学调查高估或低估感染的动态，如果调查期间不完全对应的特征时间的感染。进一步讨论了该模型中涉及的扩散和弛豫过程，以及它们与感染特征时间的关系。
2019-06-27 physics.soc-ph q-bio.PE
Spatial dynamics of airborne infectious diseases
疾病爆发，如2003年的严重急性呼吸系统综合征和2009年的甲型H1N1流感大流行，突出了室内环境中空气传播的可能性。携带病原体的可呼吸液滴提供了感染空间传播的载体，其液滴运输由扩散和对流过程决定。提出了一个描述疾病传播空间动力学的流行病模型。环境气流的影响，作为感染控制，被纳入导致一个延迟方程，液滴密度依赖于在以前的时间的感染密度。发现小液滴（$\sim 0.4\ μ$ m）由于小的病毒载量和它们传播感染所需的相关持续时间而产生可忽略的感染力。相比之下，较大的液滴（$\sim 4\ μ$ m）可导致传染波传播通过完全易感人群或局部易感人群的二次感染爆发。发现液滴扩散是导致感染的最小空间传播的液滴运输的低效模式。推导出一个临界空气速度，在该速度以上，即使基本再生数$R_{0}$超过1，疾病传播也会受到损害。
2011-12-15 physics.soc-ph q-bio.PE
Coevolution of epidemic dynamics and network topology driven by disease fatality and waning immunity
Tohoku University（东北大学）；Aalto University（阿尔托大学）；Japan Science and Technology Agency（日本科学技术振兴机构）
研究流行病动力学与网络拓扑的相互作用，开发基于主体模型，发现模型会经历流行病转变，网络可能失去无标度特性，通过异质平均场近似验证结果，凸显网络演化在流行病模型中的重要性。
2026-07-29 nlin.AO physics.soc-ph q-bio.PE
Incorporating global dynamics to improve the accuracy of disease models: Example of a COVID-19 SIR model
传染病的数学模型表现出鲁棒的动力学，如稳定的地方病或无病平衡点，或周期性流行病波的解的收敛性。目前的工作表明，这种动态的准确性可以显着提高，通过将局部和全局动态的疾病模型中的感染。为了证明更高的准确性，我们通过纳入COVID-19大流行的全球动态来扩展标准的易感-感染-传播（SIR）模型。扩展SIR模型假设易感个体在社区外旅行的三种可能性：他们可以在没有任何感染暴露的情况下返回社区，他们可以在返回社区后暴露并出现症状，或者他们可以在旅行期间被检测为阳性并保持隔离直到完全康复。为了检验扩展SIR模型的预测准确性，我们研究了受COVID-19全球大流行影响的密苏里州堪萨斯城的COVID-19感染流行率。使用两步模型拟合算法，使用密苏里州堪萨斯城2020年3月至10月的COVID-19数据对扩展SIR模型进行参数化。扩展的SIR模型显着优于标准的SIR模型，并揭示了振荡的行为与感染的个人的增加趋势。总之，疾病模型的分析和预测准确性可以通过将感染的全球动态纳入模型中来显着提高。
2021-09-29 physics.soc-ph q-bio.PE stat.AP
Suppressing disease spreading by using information diffusion on multiplex networks
尽管信息扩散与疾病传播之间存在着相互作用，但目前对二者之间系统协同进化机制的实证研究还很缺乏。本文利用实际数据和提出的多重网络传播模型，研究了信息与疾病传播的协同进化机制和动力学。我们的实证分析发现，信息和疾病传播动力之间的不对称的相互作用。从理论框架和广泛的随机数值模拟中获得的结果表明，信息爆发可以在通信网络中由其自身的传播动力学或接触网络上的疾病爆发触发，但疾病阈值不受信息传播的影响。我们的关键发现是，存在一个最佳的信息传输速率，显着抑制疾病的传播。我们发现，在所提出的模型中的动态的时间演化定性地同意与现实世界的传播过程中的最佳信息传输速率。
2016-06-03 physics.soc-ph
Complex social contagion makes networks more vulnerable to disease outbreaks
社会网络分析现在被广泛用于研究传染病在人与人之间传播的动态。疫苗接种极大地破坏了疾病在接触网络上的传播过程，事实上，足够高的疫苗接种率可以破坏这一过程，从而有效地阻止疾病在网络上的传播。在这里，我们建立在越来越多的证据基础上，这些证据表明，健康行为--如接种疫苗和拒绝接种疫苗--可以通过社交网络传播，这是一个复杂的传染过程，需要社会强化。通过对健康行为和传染病传播进行网络模拟，我们发现，在其他条件相同的情况下，健康行为传播的过程对疾病爆发动态具有非常强的影响。这种动态变化是由于健康行为传播过程中出现的易感社区内的拓扑结构差异造成的，而这反过来又取决于整个社交网络的拓扑结构。我们的研究结果指出了健康行为传播在预测和控制疾病爆发方面的重要性。
2012-11-01 cs.SI physics.soc-ph q-bio.PE
Modeling disease spreading with adaptive behavior considering local and global information dissemination
该研究提出了一个模型框架，用于在疾病爆发期间研究具有自适应人类行为的疾病动态，同时考虑局部观测和全局信息的影响。一个重要的应用场景是，通勤者可以在旅行期间从他们的身体接触中观察症状和对策后调整他们的行为，从而改变疾病爆发的轨迹。我们介绍了异质平均场（HMF）的方法在一个多路网络设置，共同模拟传染病的传播动力学的接触网络和传播动力学的信息在观察网络。疾病的传播是使用经典的易感染性-感染性-易感性（SIS）过程捕获的，而类似SIS的过程则模拟了被称为不知情-知情-不知情（UAU）的知情传播。多重网络的使用有助于捕捉疾病传播和信息传播之间的相互作用，以及一个动态如何影响另一个。理论分析表明，根据疾病和信息的渗透强度，存在三种潜在的平衡态。信息的传播可能有助于在人口中形成群体免疫力，从而抑制和消除疾病的爆发。最后，利用地铁出行者接触网络进行数值实验，揭示了现实世界中的疾病和信息动态，并对交通系统抵御传染病风险的能力进行了深入研究。
2020-08-25 physics.soc-ph
Annealed and Mean-Field formulations of Disease Dynamics on Static and Adaptive Networks
我们使用复杂网络的退火公式来研究疾病在静态和自适应网络系统上传播的动力学行为。这种统一的方法依赖于退火邻接矩阵，代表一个网络系综，并允许解决整个网络系综的动态演化一次。我们的研究结果准确地再现了广泛的数值模拟所获得的结果，显示出较大的改善，相对于通常的异质平均场制剂。此外，通过退火配方，我们得到了一个新的异质平均场配方，正确地再现了流行病的动力学。
2010-11-06 cond-mat.stat-mech physics.comp-ph physics.soc-ph
Causal Inference in Disease Spread across a Heterogeneous Social System
在复杂系统中，扩散过程受外部触发和内部动力学的控制。及时和具有成本效益地控制传染病传播关键取决于揭示潜在的扩散机制，由于事件之间的无形因果关系及其随时间演变的强度，这是具有挑战性的。我们推断感染之间的因果关系，并量化元人群的自反性，即通过其内部动态（由先前病例引发的区域爆发的可能性）对事件发生的反馈水平。这些都是由我们新提出的模型，潜在影响点过程（LIPP），模型疾病传播的基础上，结合宏观层面的内部动态的元人口的流动性。我们分析了澳大利亚昆士兰州15年的登革热病例。从我们的因果推断，疫情更可能是由全州范围的全球扩散随着时间的推移，导致疾病传播的复杂行为。就反射性而言，人口稠密地区的前兆性增长和对称性下降归因于通过群体间动态对之前爆发的缓慢但持续的反馈，而外围地区的突然增长但急剧下降则是由通过群体内动态的快速但不稳定的反馈导致的。我们提出的模型揭示了基于组内和组间动态的离散事件之间的概率因果关系，并涵盖了直接和间接的扩散过程（基于接触和病媒传播的疾病传播）。
2018-01-24 cs.SI physics.soc-ph q-bio.PE
The role of caretakers in disease dynamics
传染现象动态建模的关键挑战之一是了解社会互动的结构如何塑造疾病的时间进程。复杂网络理论在这方面取得了重大进展。然而，在人群中对流行病的认识通常会产生与疾病演变的网络结构变化相对应的行为变化。这种反馈机制尚未得到深入研究。例如，人们会直觉地期望易感个体避开其他感染者。然而，治疗患者的医生或照顾患病儿童的父母也可能增加与感染者的接触量，以加速康复，但也使自己面临更高的感染风险。我们研究了这些看护者链接在自适应网络模型中的作用，在自适应网络模型中，个体通过增加或减少与受感染个体的接触量来对疾病做出反应。我们发现，纯粹的避免，只有很少的看守链接，是最好的策略，减少SIS疾病的网络，具有很大的拓扑变异性。在更同质的网络中，疾病的流行率降低低浓度的看护人，而出现高流行率，如果看护人的浓度通过一个明确定义的临界值。
2012-09-11 cs.SI nlin.AO physics.soc-ph
Study on Dynamical Behavior of Coinfection Infectious Disease Model
本文研究共感染传染病模型，分析三类边界平衡点和内部平衡点的存在性与稳定性，并利用分支理论揭示鞍结点分支及余维3的B-T分支。
2025-03-12 math.DS physics.soc-ph q-bio.PE
Disease dynamics on a network game: a little empathy goes a long way
个人在流行病期间改变他们的行为，以应对他们和/或与他们互动的人是健康还是生病。健康的人担心从患病的接触者那里感染疾病，并可能采取保护措施。病人可能担心将疾病传播给健康的接触者，并采取先发制人的措施。然而，在实践中，无论是保护性的还是先发制人的行为变化都是有代价的。本文提出了一个随机网络疾病博弈模型，该模型捕捉了易感-感染-易感（SIS）疾病传播过程中个体的自身利益，其中个体对当前疾病传播风险做出反应，他们的反应与当前疾病状态一起随机决定疾病的下一阶段。我们表明，有一个关键的关注水平，即，同理心，由生病的人，超过这个疾病被根除的速度。此外，我们发现，如果网络和疾病的参数是在流行阈值以上，风险规避行为的健康个体不能根除疾病，没有先发制人的措施，患病的个人。在根除疾病方面，受感染者与易感者之间的反应所起作用的这种不平衡，提供了重要的政策见解。
2016-04-15 cs.SI physics.soc-ph
Identify Influential Spreaders in Asymmetrically Interacting Multiplex Networks
识别最具影响力的传播者对于理解和控制网络中的传播过程非常重要。由于现实世界中的许多复杂系统都可以建模为多层网络，因此多层网络中重要节点的识别问题引起了人们的广泛关注。现有的研究主要集中在多层网络结构上，而忽略了多层网络的结构耦合和动力耦合如何影响网络中节点的动力重要性。在这里，我们调查这个问题的信息-疾病耦合的传播动力学的多元化网络。首先，我们明确地揭示了三个层间耦合因素，即两层的相对传播速度，层间耦合强度和两层的程度相关性，显着影响的节点上的接触层的传播影响。信息层的抑制作用使得接触层的结构中心性不能预测节点在多路复用网络中的传播影响。然后，通过将协同进化传播动力学映射为渗流过程，利用消息传递方法，提出了一种计算单个种子节点疾病爆发规模的方法，该方法可用于估计协同进化传播动力学中节点的传播影响力。我们的工作提供了见解的重要性，在多重网络中的节点，并给出了一个可行的框架，调查有影响力的传播者在不对称的共同进化动力学。
2021-01-07 physics.soc-ph
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
Chaos in opinion-driven disease dynamics
针对新冠疫情中社会观点影响干预效果的现象，研究观点-流行病耦合系统的一种可能形式，发现其存在复杂周期或混沌动力学，会引发感染数大幅波动，且模型具备保护模式特征。
2024-10-10 math.DS nlin.CD physics.soc-ph
Using symbolic networks to analyse dynamical properties of disease outbreaks
本文提出了一种新的分析流行病时间序列演化的方法，该方法基于流行病网络的构建。首先，我们将时间序列转化为包含疾病流行率局部波动信息的有序模式。每个模式都与网络的一个节点相关联，其（有向）连接来自系列中的连续出现。网络结构和每个模式的作用的分析，允许根据熵/复杂性的增强沿着系列对它们进行分类，给出关于给定疾病的演变的不同观点。
2019-11-13 physics.bio-ph physics.data-an physics.soc-ph
Coupling kinetic theory approaches for pedestrian dynamics and disease contagion in a confined environment
这项工作的目标是研究一种传染病在一个中等规模的人口占据一个封闭的环境中传播。为了这个目的，我们考虑一个动力学理论的方法来模拟人群动力学在有界域，并将其耦合到一个动力学方程来模拟传染病。一个人与其他行人和环境的相互作用建模使用博弈论的工具。行人动力学模型允许在两种竞争行为之间进行权衡：寻找不那么拥挤的区域和在恐慌情况下无意识地跟随人流的趋势。系统中的每个人都有一个受其邻居影响的传染水平。对于耦合问题的数值解，我们提出了一个数值算法，在每一个时间步解决一个群体动力学问题和一个传染问题，即没有子迭代之间的两个。我们测试我们的耦合模型上的一个问题，涉及一小群人走过走廊。
2020-04-26 cs.NA math.NA physics.soc-ph
A kinetic theory approach to model crowd dynamics with disease contagion
我们提出了一些想法，如何扩展的动力学类型的人群动力学模型，以考虑传染病的传播。我们专注于一个中等规模的人群占据了一个封闭的环境，疾病很容易传播。我们选择的动力论方法使用对策论的工具来模拟一个人与周围的人和环境的相互作用，它的特点是一个参数来代表压力的水平。众所周知，人们在受到恐惧或压力的情况下会选择不同的行走策略。为了证明我们的人群动力学模型可以用来再现现实的场景，我们模拟乘客在休斯顿的霍比机场的一个终端。为了模拟疾病在步行人群中的传播，我们引入了一个变量，表示接触传播疾病的人的水平。此外，我们引入了一个参数，描述了传染相互作用的强度和核函数，这是一个减函数之间的距离的人和一个传播的个人。我们测试我们的传染模型的一个问题，涉及一小群人走过走廊。
2021-04-02 cs.NA math.NA physics.soc-ph
Symbiotic and antagonistic disease dynamics on networks using bond percolatio
本文利用生成函数的精确方法给出了随机图上键渗流过程的平衡态的一种新的描述。这使我们能够找到两个连续的键渗透过程的巨连通分量（GCC）的预期大小，其中第二个过程的键占据概率由第一个过程创建的GCC内部或外部的节点调制（增加或减少）。在传染病传播的背景下，这相当于两种连续疾病之间的拮抗性部分免疫或协同性部分共感染相互作用。我们研究配置模型网络可调集群。我们发现，第二个应变的紧急进化行为是高度依赖于应变之间的耦合的细节。接触聚集一般减少了第二个菌株的爆发规模相对于非聚集的拓扑结构，但是，积极的聚集性引起的接触反转这一结论的高传染性疾病的动态。
2023-01-19 physics.soc-ph
A 2D kinetic model for crowd dynamics with disease contagion
我们专注于建模和模拟的传染病传播的中等规模的人口占据一个封闭的环境，如机场航站楼，很短的时间。由于人群和场地的大小，我们选择了动力学类型的模型。本文分为两个部分。在第一部分中，我们采用了简化的假设，即人们的步行速度和方向是已知的。由此产生的动力学模型的特点是一个变量，表示接触传播疾病的人的水平，一个参数描述的传染相互作用强度，和一个核函数，这是一个人和传播个体之间的距离的递减函数。这样的模型进行测试的问题，涉及一个小的人群在一个广场步行域。在第二部分中，从简化模型的想法被用来将疾病传播的动力学理论方法的人群动力学，即步行速度和方向的结果与其他人和场地的相互作用。
2021-07-23 cs.NA math.NA physics.soc-ph
Generating Similarity Map for COVID-19 Transmission Dynamics with Topological Autoencoder
于二零二零年初，全球首次爆发COVID-19（一种由SARS-CoV 2病毒在中国引起的疾病）。世界卫生组织（WHO）于2020年3月11日宣布该疾病为大流行病。随着该疾病在全球蔓延，很难追踪该疾病在所有国家的传播动态，因为这些国家在地理、人口和战略方面可能有所不同。在这篇短文中，作者提出利用一种神经网络来为这些动态生成一个全局拓扑图，其中共享相似动态的国家被相邻映射，而具有显著不同动态的国家被映射到彼此远离。作者认为，这种拓扑图可以用于进一步分析和比较疾病动态与减轻这一全球危机的战略之间的相关性，以直观的方式。本说明解释了240多个国家的患者人数时间序列的一些初步实验。
2020-04-06 cs.NE physics.soc-ph
Coupled dynamics of endemic disease transmission and gradual awareness diffusion in multiplex networks
本研究提出多重网络中意识扩散与疾病传播的耦合模型，解析阈值并验证准确性，揭示强意识形成对疫情控制的关键作用。
2022-10-21 cs.SI nlin.AO physics.soc-ph
Agent based network modelling of COVID-19 disease dynamics and vaccination uptake in a New South Wales Country Township
本研究构建基于智能体的接触网络模型，模拟NSW乡镇COVID-19传播与Pfizer疫苗接种，发现三剂疫苗可遏制疫情但难根除，且感染节点平均度可预测感染高峰。
2024-01-07 cs.MA cs.SI physics.soc-ph
