Epidemiological and evolutionary analysis of the 2014 Ebola virus outbreak
2014年埃博拉病毒的流行是由基因多样的病毒种群控制的。在塞拉利昂爆发的早期,最近的一项研究发现了产生遗传上不同的序列分支的新突变。在这里,我们发现的证据表明,塞拉利昂的主要分支有系统的增长率和繁殖数量的差异。如果这种生长异质性保持稳定,它将产生分支频率的重大变化,并影响当前疫情爆发时间尺度上的整体流行动态。我们的方法是基于简单的汇总统计的分支生长,这可以推断出一个潜在的分支特定的出生-死亡模型的感染动力学的系谱树。该方法可用于实时跟踪不断演变的流行病,并确定流行病学或进化意义的新兴分支。
2014-11-06 q-bio.PE
Dynamics of Ebola epidemics in West Africa 2014
本文调查了2014年西非埃博拉病毒传播的动态。根据一个新提出的线性模型,估计了整个流行期和不同流行时间间隔的繁殖数。它包含一个主要变量-传染性平均时间(从发病到住院的时间),被认为是控制流行病未来动态的一个参数。对从几内亚、塞拉利昂和利比里亚三个国家收集的数据以及在全世界收集的总数据进行了数值实施。通过考虑不同的情景提供预测,涉及未来几个月的平均传染时间,并根据每种情景估计当前流行病的结束。
2014-12-09 q-bio.PE
Description of the Early Growth Dynamics of 2014 West Africa Ebola Epidemic
${\bf Background:}$西非埃博拉病毒流行的早期增长动态在几内亚、塞拉利昂和利比里亚有着质的不同。然而,重要的是要理解这些不同的动态,作为一种单一的流行病在具有相似地理和文化方面的地区传播的趋势,传播率和繁殖数$R_0$可能有共同的参数。${\bf Methods:}$我们结合一个离散的,随机的SEIR模型与两个规模的社区网络模型,以证明不同的区域趋势可以解释不同的社区混合率。从启发性的角度来看,不同的社区混合率的影响可以理解为观察到被同一传播链感染的两个人在混合程度较低的社区中更有可能相互认识。当受感染个体的接触者更有可能已经暴露于同一传播链时,就会出现饱和效应。${\bf Results:}$社区混合的影响,加上随机性的影响,可以解释每个国家埃博拉病毒病例增长的质的差异,以及为什么最近爆发大规模疫情的概率可能增加。8月下旬几内亚埃博拉病例率的增加,以及利比里亚埃博拉病例的短暂动态的当地拟合,表明利比里亚的疫情更为严重,几内亚的疫情正在恶化,这是由于疫情蔓延到新社区时的离散播种事件。${\bf Conclusions:}$一个相对简单的网络模型提供了对局部效应(如饱和度)作用的深入了解,否则很难量化。我们的研究结果预测,疫情的指数增长是由新社区的暴露驱动的,这强调了限制这种传播的控制措施的重要性。
2014-10-20 physics.soc-ph q-bio.PE
A Model of the 2014 Ebola Epidemic in West Africa with Contact Tracing
为2014年塞拉利昂、利比里亚和几内亚的埃博拉疫情建立了一个微分方程模型。该模型描述了这些国家的易感人群和受感染人群之间的动态相互作用。该模型结合了接触者追踪的主要特征,即每个已确定的传染病例的接触者人数、被追踪的接触者处于潜伏状态或具有传染性的可能性以及接触者追踪过程的效率。数据拟合模拟,然后预测向前的时间,与不同的参数制度对应的接触跟踪效率。这些预测量化了识别、隔离和接触者追踪过程对遏制流行病的重要性。
2014-10-21 q-bio.PE
The Western Africa Ebola virus disease epidemic exhibits both global exponential and local polynomial growth rates
工作背景:虽然许多传染病疫情最初的特点是指数增长的时间,我们表明,地区一级的埃博拉病毒病(EVD)爆发在西非遵循较慢的多项式为基础的增长动力学在几代的疾病。研究方法:我们通过汇编2014年1月5日至12月17日期间世界卫生组织网站上患者数据库中公开的每周报告EVD病例数的时间序列,分析了几内亚、塞拉利昂和利比里亚埃博拉病毒病疫情在三个不同空间尺度(区域、国家和次国家)的疫情增长模式。结果如下:我们发现,在国家、地区和其他次国家行政区划的范围内,EVD病例的增长模式存在显著差异。几内亚、塞拉利昂和利比里亚的埃博拉病毒病病例的国家累积曲线显示出近似指数增长的时期。相比之下,局部流行病是异步的,在3代或更多代EVD期间表现出缓慢的增长模式,这可以更好地近似多项式而不是指数。结论:当地EVD暴发的增长模式比预期的要慢,这可能是由多种因素造成的,包括行为变化、控制干预措施的成功或疾病的内在特征,如高度聚集性。量化这些因素中的每一个的贡献可以帮助改进对最终流行规模的估计以及当前和未来EVD疫情中不同缓解措施的相对影响。
2015-01-27 q-bio.PE
Mathematical Modelling, Simulation, and Optimal Control of the 2014 Ebola Outbreak in West Africa
埃博拉病毒是目前人类最致命的病原体之一。最近一次大规模疫情于2014年在几内亚、塞拉利昂和利比里亚爆发。为了了解感染在受影响国家的传播情况,对病毒进行建模和模拟至关重要。在本文中,我们首先研究了一个简单的数学模型,该模型描述了2014年利比里亚埃博拉疫情。然后,我们使用数值模拟和世界卫生组织提供的数据来验证所获得的数学模型。此外,我们开发了一个新的数学模型,包括接种疫苗的个人。我们讨论了不同的疫苗接种情况,以预测随着时间的推移,疫苗接种对感染者的影响。最后,我们应用最优控制来研究疫苗接种对埃博拉病毒传播的影响。最优控制问题的数值求解采用直接多重打靶法。
2015-03-13 math.OC q-bio.PE
Forecasting and Uncertainty in Modeling the 2014-2015 Ebola Epidemic in West Africa
西非的埃博拉疫情是有史以来最大的一次,截至2015年6月,已有超过27,000例病例和11,000例死亡。疾病监测方面的困难对公共卫生对策构成挑战,影响了随后关于最佳干预措施的分析和决策。我们开发了埃博拉病毒病(EVD)的阶段结构模型。该模型的一个关键特征是,它包括一个广义校正项,该项考虑了报告病例比例和风险人群比例(例如,由于接触模式、干预措施、时空传播、既存免疫力、无症状病例等)等因素。我们为几内亚、利比里亚和塞拉利昂生成了一系列短期预测,然后使用后续数据进行验证。我们还使用该模型来研究不同感染阶段(早期、晚期和葬礼)对传播的相对贡献的不确定性。我们发现,大范围的预测轨迹大致同样适合早期数据。然而,通过包括校正因子项,最佳拟合模型正确地预测了所有三个国家的EVD活动,无论是单独还是所有国家的总和。特别是,该模型正确地预测了利比里亚的经济放缓以及塞拉利昂到2014年11月的持续指数增长。参数不可识别性问题阻碍了仅从发病率和死亡数据来估计每个传播阶段的相对贡献,这对确定最佳干预策略提出了挑战,并强调了收集更多数据的必要性。然而,即使有这些有限的数据,仍然有可能通过使用简化的校正项来准确地捕捉和预测流行病动态,该校正项近似地解释了驱动疾病传播的复杂潜在因素。
2015-08-06 q-bio.PE
Modeling Spatial Invasion of Ebola in West Africa
2014-2015年西非埃博拉病毒病(EVD)疫情是有记录以来规模最大的一次,代表了埃博拉流行病学的根本转变,具有前所未有的时空复杂性。我们开发了空间传输模型,使用重力模型框架来解释EVD在西非国家和地区两级尺度上的时空动态,并比较当地干预措施(如当地检疫)和长期干预措施(如边境关闭)的有效性。重力模型解释了空间相互作用,成功地捕捉到在几内亚观察到的多波流行病增长。模型模拟表明,在利比里亚,减少本地传播最为有效,而在塞拉利昂,远距离传播占主导地位。该模型表明存在空间羊群保护,其中一个地区的干预对周围地区具有保护作用。地区一级的干预分析表明,存在干预放大区域,这些区域使其边界以外的病例和死亡减少超过预期水平。重力模型方法准确地捕捉了EVD在国家和地区层面的空间传播模式,并有助于确定最有效的干预地点。该模型结构和干预分析提供的信息可供公共卫生决策者用于协助规划和应对未来流行病的努力。
2016-05-25 q-bio.PE
Changing Burial Practices Explain Temporal Trends in the 2014 Ebola Outbreak
2014年西非爆发的埃博拉疫情是有记录以来最大的一次,导致超过25,000人感染,15,000人死亡。数学模型可用于调查在这次疫情期间推动传播的机制-特别是埋葬做法似乎是感染的主要来源。方法/主要发现:我们开发了一个埃博拉病毒传播的多阶段模型,该模型与人口埋葬做法选择的博弈论模型相关联。我们将我们的模型与几内亚、利比里亚和塞拉利昂2014年1月至2016年3月的累积发病率和死亡率数据进行了拟合。与固定埋葬的简化模型相比,行为变化的纳入大大改善了最佳拟合估计和最终大小预测。最佳拟合轨迹表明,大多数卫生埋葬采用发生在2014年7月至2014年10月之间。然而,这些模拟也表明,在疫情解决后,继续卫生埋葬的做法有所减少。结论/意义:2014年疫情的监测数据似乎显示,这三个国家的主要埋葬做法发生了变化。更多地采用卫生埋葬可能会减弱传播,但这些变化发生得太晚,无法阻止疫情在早期阶段的爆炸性增长。对于未来的疫情,明确地建模行为变化和收集与传播相关的行为数据可能会改善干预计划和疫情应对。
2017-09-20 q-bio.PE
A Model of the Ebola Epidemics in West Africa Incorporating Age of Infection
埃博拉流行病的模型是根据疾病年龄构建的感染个体。通过最初的潜伏期(暴露)阶段,然后是具有可变传播传染性的感染阶段,按病龄追踪感染的传播。受感染个体的移除取决于疾病年龄,移除率有三种类型:(1)因住院(隔离)而移除,(2)因死亡与住院分开而移除,以及(3)因康复与住院分开而移除。该模型适用于塞拉利昂和几内亚的埃博拉疫情。模型模拟表明,连续几个阶段的病例增加和更早的住院治疗导致了流行病的缓解。
2015-04-01 math.DS q-bio.PE
Analysis, simulation and optimal control of a SEIR model for Ebola virus with demographic effects
埃博拉病毒是人类最致命的病原体之一。我们提出了一个数学描述不同的敏感-暴露-敏感-暴露(SEIR)模型。通过数学建模和分析,描述了西非最新的埃博拉病毒大爆发。我们的目的是研究和讨论SEIR模型的属性与埃博拉病毒,他们提供的信息,以及当模型有意义。我们加入到基本的SEIR模型人口的影响,以分析与生命动力学的平衡。数值模拟证实了理论分析。通过接种疫苗的病毒传播的控制进行了调查,并详细讨论了利比里亚的案例研究。
2017-05-02 math.OC q-bio.PE
Stochasticity and the limits to confidence when estimating R_0 of Ebola and other emerging infectious diseases
动态模型-通常是确定性的-被用来估计2014-5年西非埃博拉病毒病(EVD)疫情爆发的基本再生数R_0。然后使用R_0的估计值预测大规模爆发的可能性,例如,超过数十万例。然而,拟合确定性模型可能导致过度自信的置信区间的拟合R_0,并反过来,必要的干预的类型和范围。本文提出了一种混合随机-确定性方法来估计R_0及其置信区间。其核心思想是,一个潜在的确定性模型的随机实现可以用来评估候选值的R_0与观察到的流行病曲线的兼容性。相容性是基于将预期的流行病增长率的分布与给定“过程噪声”的观察到的流行病增长率的分布进行比较,即,由于随机传播、恢复和死亡事件而产生。通过将我们的方法应用于几内亚、利比里亚和塞拉利昂报告的EVD病例计数,我们表明,基于确定性拟合的R_0先验估计似乎比随机轨迹分析更有信心。展望未来,我们建议包括一个混合随机-确定性拟合程序时,量化的完整R_0 CI在一个流行病的开始,由于多个来源的噪音。
2016-01-21 q-bio.PE
The network epidemiology of an Ebola epidemic
将不同规模的流行病动态联系起来,从个人到社区再到国家,仍然是疾病建模的主要挑战之一。在这里,我们回顾了针对局部流行病部署的最大公共卫生工作之一:2014-2016年塞拉利昂的埃博拉病毒病(EVD)流行。我们利用塞拉利昂卫生和环境卫生部、美国疾病控制和预防中心以及其他响应伙伴的监测和接触者追踪方案收集的数据,验证一个网络流行病学框架,该框架将疾病传播的人口(发病率)、社区(当地预测)和个人(继发感染)规模联系起来。通过这样做,我们更好地了解了是什么导致EVD流行结束:减少了新聚集性病例(原发病例)的引入,而不是减少了局部传播模式(继发感染)。我们还发现,流行的前90天包含了足够的信息,以产生EVD病例的概率预测;我们显示的预测是由疾病监测和接触者追踪独立证实的。总而言之,利用国际社会开始支持当地应对行动前两个月的可用数据,网络流行病学可以推断出当地传播的异质性、超级传播事件的风险以及每个社区最终病例的概率预测。我们希望我们的框架将有助于将大规模数据收集工作与个人行为联系起来,并有助于减少突发卫生事件和新出现的流行病期间的不确定性。
2021-11-16 physics.soc-ph q-bio.PE
Beyond Contact Tracing: Community-Based Early Detection for Ebola Response
2014年在西非爆发的埃博拉疫情引发了许多关于在日益联系的全球社会中控制传染病的问题。由于接触者信息有限,在抗击疫情方面难以或不切实际地追踪接触者。我们认为,多尺度的公共卫生战略的发展和模拟社区一级的反应,旨在早期筛查的社区,而不是个人,以及旅行限制,以防止社区交叉污染的政策。我们的分析表明,即使在相对较低的合规水平上,这些政策也是有效的。在我们的模拟中,40%的人遵守这些政策就足以阻止疫情的爆发。符合率为50%的模拟结果与利比里亚2014年9月中旬后迅速下降期间的病例数一致。我们还发现,旅行限制有效地将与合规相关的风险降低到40%以下,缩短了疫情爆发时间,并使工作重点放在受影响地区。我们的研究结果表明,多尺度方法可用于进一步发展公共卫生战略,以战胜新出现的流行病。
2016-03-08 cs.CY cs.SI physics.med-ph
Data-Driven Infectious Disease Control with Uncertain Resources
研究了在资源不确定性下,集合种群中控制传染病的资源分配问题。我们提出了一个两阶段的模型,其中的政策制定者寻求在两个阶段的资源分配,其中第二阶段的资源是随机的。我们使用数据驱动的函数形式来模拟感染个体的累积数量,而不是在最优化模型的约束下控制流行病轨迹的非线性微分方程系统。这种灵活的数据驱动建模选择使我们能够将最优化问题转换为易于处理的混合整数线性规划。我们灵活的方法可以处理在线决策过程,决策者利用有关流行病进展的新信息更新其开放治疗单位和分配床位的决定。我们利用了一个详细的模拟模型,并通过2014年塞拉利昂埃博拉疫情的真实数据进行了验证。我们的研究结果表明,我们的政策在塞拉利昂产生的感染人数比实际流行期间应用的政策少约400人。我们还提供了一个详细的比较,我们的优化框架,揭示了在不同地区的最优资源配置所产生的分配政策。
2020-06-02 math.OC physics.soc-ph q-bio.PE
A generalized-growth model to characterize the early ascending phase of infectious disease outbreaks
为了剖析疾病传播的重要驱动因素,需要更好地描述流行病的早期增长动态。我们引入了一个2参数广义增长模型来描述疾病爆发的上升阶段,并捕捉从次指数到指数增长的流行特征。我们对代表各种病毒病原体的经验爆发数据进行了模型测试,并提供了模拟,强调了次指数增长对预测的重要性。我们将广义增长模型应用于代表一系列传播途径的20种传染病暴发。我们发现了从非常缓慢的增长(2014年利比里亚博米的埃博拉疫情p=0.14)到接近指数级的增长(1972年库尔纳的天花疫情p>0.9)和1918年旧金山的大流行性流感)。乌拉圭爆发的口蹄疫呈现出增长较慢的情况,而日本的艾滋病毒/艾滋病流行病的增长模式大致呈线性。西非埃博拉疫情提供了一个独特的机会,探讨如何增长曲线不同的地理;分析最大的区级疫情显示了巨大的增长差异(平均p=0.59,范围:0.14-0.97)。我们的研究结果揭示了不同传染病爆发的流行病增长模式的显着差异,并强调了次指数增长是一种常见现象。亚指数增长曲线可能来自接触结构或风险群体的异质性、反应性行为变化或干预策略的早期启动,考虑“减速参数”可能有助于完善现有的数学传播模型并改善疾病预测。
2016-01-15 q-bio.PE q-bio.QM
Fitting stochastic epidemic models to gene genealogies using linear noise approximation
系统动力学是一套群体遗传学工具,旨在根据从感兴趣的群体中取样的个体的分子序列重建群体的人口统计学历史。种群动力学的一个重要任务是估计(有效)种群规模的变化。当应用于传染病序列时,对群体大小轨迹的这种估计可以提供关于感染数量变化的信息。为了对感染个体数量的变化进行建模,当前的随机动态方法使用非参数方法、参数方法和结合无似然贝叶斯方法的随机建模。第一类方法产生的结果很难从流行病学上解释。第二类方法提供了重要的流行病学参数的估计数,如感染率和清除/恢复率,但忽略了传染病传播动态的变化。第三类方法在统计上是最有利的,但依赖于计算密集型粒子滤波技术,限制了其应用。我们提出了一个贝叶斯模型,结合了随机动态推理和随机流行病模型,并实现了计算的易处理性,通过使用线性噪声近似(LNA)-一种技术,使我们能够近似随机流行病模型轨迹的概率密度。LNA打开了使用现代马尔可夫链蒙特卡罗工具来近似疾病传播参数和描述随机流行病模型隔室大小中未观察到的变化的高维向量的联合后验分布的大门(例如,感染和易感个体的数量)。我们将我们的估计技术应用于使用2014年塞拉利昂和利比里亚疫情的病毒遗传数据估计的埃博拉系谱。
2019-02-24 q-bio.PE stat.ME
A Multi-Stage Stochastic Programming Approach to Epidemic Resource Allocation with Equity Considerations
流行病学中现有的房室模型在疾病增长不确定性下优化资源配置以控制流行病爆发方面是有限的。在这项研究中,我们提出了一个多阶段的随机规划房室模型,它集成了不确定的疾病进展和资源分配,以控制传染病爆发,以解决这一核心限制。所提出的多阶段随机规划涉及各种疾病增长情景,并优化了治疗中心和资源的分配,同时最大限度地减少了新感染和葬礼的预期总数。我们定义了两个新的公平指标,即感染和能力公平,并明确考虑公平分配治疗资金和设施在多个时间阶段。我们还研究了随机解(VSS)的多阶段值,这表明所提出的随机规划模型优于其确定性对应。我们应用所提出的配方,以控制埃博拉病毒病(EVD)在几内亚,塞拉利昂和西非的利比里亚,以确定最佳和公平的资源分配策略。我们的模型平衡了所有地区的感染比例,即使不包括感染公平性或流行公平性约束。模型结果还表明,按人口比例分配治疗资源是次优的,执行这样的资源分配政策可能会对感染和死亡的总人数产生不利影响,从而导致我们必须为公平付出高昂的代价。我们的多阶段随机免疫物流模型是实用的,可以适应控制其他传染病的元人口和动态演变的情况。
2021-02-23 cs.OH math.OC q-bio.PE