The basic reproduction number as a predictor for epidemic outbreaks in temporal networks
基本繁殖数R 0--在其他易感人群中被传染病人直接感染的个体数量--可以说是最广泛使用的估计流行病爆发的严重程度的方法。这种严重性可以更直接地测量为一旦爆发结束后感染的人的分数，Ω。在传统的数学流行病学和常用的静态网络流行病学公式中，R 0和Ω之间存在确定性关系。然而，如果我们考虑疾病在时间接触网络上传播--我们知道何时发生接触，而不仅仅是在谁之间--那么更大的R 0并不一定意味着更大的Ω。在本文中，我们数值研究的关系R 0和Ω的一组经验时间网络的人类接触。在时间网络结构的31个解释性描述符中，我们确定了那些使R 0成为Ω的不完美预测器的描述符。我们发现，有关的时间和拓扑方面的描述符影响R 0和Ω之间的关系，但在不同的方式。
2014-07-24 cs.SI physics.soc-ph q-bio.PE
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
Epidemic outbreak prediction using machine learning models
Vellore Institute of Technology Chennai Campus（韦洛尔理工学院金奈校区）
本文使用机器和深度学习算法结合历史数据及非临床因素预测美国纽约州流感等流行病未来5周的爆发概率，并开发了可向当局预警的门户系统。
2023-10-30 cs.LG cs.SI q-bio.PE
Suppression of epidemic outbreaks with heavy-tailed contact dynamics
研究了具有重尾等待时间分布的接触动力学下的传染病传播过程。我们分析和数值表明，接触动力学的时间异质性可以显着抑制疾病的传播性，因此流行病爆发的规模，阻碍了传播过程。此外，当时间的异质性是足够强的，一个得到的消失的传输率为任何有限的恢复时间，而不管潜在的结构的接触，其中的条件推导。
2013-10-08 cond-mat.stat-mech physics.soc-ph q-bio.PE
Network-Based Prediction of the 2019-nCoV Epidemic Outbreak in the Chinese Province Hubei
在撰写本文时（2020年2月12日），2019-nCoV病毒的未来演变尚不清楚。对疫情进一步发展的预测对于部署有针对性的疾病控制措施具有决定性意义。我们考虑一个基于网络的模型来描述湖北省2019-nCoV疫情。该网络由湖北的城市及其相互作用（例如，交通流量）。然而，城市之间的确切相互作用尚不清楚，必须通过观察疫情来推断。我们提出了一种基于网络的方法来预测2019-nCoV病毒在每个城市的未来流行情况。我们的研究结果表明，基于网络的建模是有益的准确预测的流行病爆发。
2020-02-12 physics.soc-ph q-bio.PE
An Outbreak Vector-host Epidemic Model with Spatial Structure: The 2015 Zika Outbreak in Rio de Janeiro
背景：一个确定性模型是在地理环境中的流行病的空间传播。病媒通过交叉动力学将该病传播给易感宿主。该模型的重点是流行病的爆发，从一个小的地理环境的一个小的次区域的少数病例开始。方法：用偏微分方程描述模型室间的相互作用。结果：分析了该模型的偏微分方程，证明了其适定性。模型的流行病结果与模型的空间相关参数和初始条件相关。结论：该模型的一个版本适用于2015-2016年巴西里约热内卢市的寨卡疫情。
2016-06-22 q-bio.PE
Containing epidemic outbreaks by message-passing techniques
有针对性的网络免疫问题可以定义为在给定的流行病模型下，找到网络中的一个节点子集进行免疫或接种，以最小化接种成本和最终（静态）预期感染之间的权衡。虽然计算预期的感染是一个很难的计算问题，简单而有效的平均场近似已经提出了在最近几年的文献。该优化问题可以转化为一个约束问题，其中约束条件强制执行描述流行病过程平均稳态的局部平均场方程。对于广泛的一类流行病模型，包括易感染-感染-移除和易感染-感染-易感模型，我们定义了一种消息传递方法来进行网络免疫，该方法使我们能够研究存在免疫节点时流行病爆发的统计特性，并找到（接近）最佳免疫集，用于给定的参数和成本选择。该算法与图的大小成线性关系，即使在大型网络上也可以有效。我们比较其性能与拓扑为基础的算法，贪婪的方法，和模拟退火。
2013-09-11 cond-mat.dis-nn cs.SI physics.soc-ph
Resilience management during large-scale epidemic outbreaks
仅考虑疾病的个体风险和严重性，评估和管理大规模流行病的影响极为困难，而且可能极其昂贵。经济后果、基础设施和服务中断以及恢复速度只是量化流行病对社会结构影响的许多方面中的几个方面。在这里，我们扩展了弹性的概念，以表征流行病的结构化人群，通过定义系统范围内的关键功能，结合个人的风险得到的疾病（疾病发作率）和系统的功能中断（人类流动恶化）。通过研究概念模型和数据驱动模型，我们表明，在韧性评估框架下对个人风险和社会破坏的综合考虑，为流行病如何影响社会提供了一幅有见地的图景。特别是，旨在直接降低风险的遏制干预措施可能会减缓基本社会功能的恢复，从而对系统产生净负面影响。本研究将复原力框架付诸实施，为在流行病爆发的情况下优化遏制计划和缓解政策提供了一种更加细致入微和全面的方法。
2018-01-08 physics.soc-ph q-bio.PE
Deterministic epidemic models overestimate the basic reproduction number of observed outbreaks
本文指出确定性流行病模型因隐式选择重大爆发而高估基本再生数 $R_0$，提出利用 Otsu 方法区分重大与次要爆发，并通过条件化模型更可靠地估计 $R_0$。
2024-03-26 q-bio.PE
Epidemic outbreaks on structured populations
我们阻止流行病爆发的机会取决于我们如何准确地反映疾病传播背后的人口结构。在分析全球流行病时，这迫使我们考虑集合种群模型，同时考虑社区内和社区间的相互作用。最近，Watts等人引入了一种集合种群模型，该模型解释了在实际爆发中观察到的几个特征[Watts等人，PNAS 102，11157（2005）]。在这项工作中，我提供了一个分析解决方案，这个模型，提高我们的模型和它所代表的流行病爆发的理解。首先，我证明了取决于社区内预期的爆发规模和社会桥梁的比例，流行病爆发消亡或有一个有限的概率观察到全球流行病。第二，我表明，全球情况的特点是死灰复燃的流行病，其数量随着增加社区内的平均距离个人之间的增加。最后，我提出了支持模型预测的艾滋病流行的经验数据。
2006-09-20 cond-mat.stat-mech physics.bio-ph q-bio.PE
How contact patterns destabilize and modulate epidemic outbreaks
本文利用真实邻近数据研究接触时序与疾病阶段的相互作用，发现接触时间聚集导致暴发失稳和过度离散，周期性接触率调节R0，并展示了重现非马尔可夫统计特征的生成过程。
2023-05-03 physics.soc-ph q-bio.PE
$\mathcal{R}_{0}$ fails to predict the outbreak potential in the presence of natural-boosting immunity
由于免疫力的减弱和增强，宿主在个体水平上的时变易感性已知会诱导疾病传播动力学的丰富的长期行为。同时，尽管大量的流行病学数据是短期流行病，但宿主易感性的时变异质性对流行病短期行为的影响还没有得到很好的研究。在这里，我们构建了一个简约的数学模型描述的短期传播动力学，考虑到自然增强免疫力的再感染，并获得了显式的解决方案，我们的模型。我们发现，我们的系统表现出“延迟的流行病”，在流行病的初始阶段，流行病在流行病曲线的负斜率之后起飞，除了标准SIR模型中常见的分类，即，“无流行”为$\mathcal{R}_{0}\leq1$或正常流行为$\mathcal{R}_{0}>1$。采用显式的解决方案，我们推导出每个分类的条件。
2018-08-27 physics.soc-ph q-bio.PE
Forecasting the outcome and estimating the epidemic model parameters from the fatality time series in COVID-19 outbreaks
在没有其他工具的情况下，监测保护措施的效果，包括社交距离和预测疫情的结果，具有巨大的意义。实时数据是嘈杂的，并且经常受到报告中的系统性错误的影响。详细的流行病模型可能包含大量的经验参数，这些参数无法以足够的精度确定。在本文中，我们表明，累计死亡人数可以被视为一个主变量，和流行病的参数，如基本再生数，易感人群的大小，和感染率可以确定。在SIR模型中，我们导出了一个显式的单变量微分方程的累积死亡人数的发展。我们发现，在西班牙，意大利和湖北省，中国的流行病密切遵循这个主方程。我们讨论了与Logistic增长模型的关系，我们表明，它是一个很好的近似时，基本再生数小于$2.3$。该条件适用于湖北的疫情，但不适用于西班牙、意大利和纽约的疫情。不同之处在于中国的传染期较短，这可能是由于感染者的隔离政策。对于具有更多内部变量的更复杂的模型，例如SEIR模型，由于时间尺度的分离，从SIR模型导出的方程近似地保持有效。
2020-08-01 physics.soc-ph q-bio.PE
Size of Outbreaks Near the Epidemic Threshold
研究传染病在流行阈值附近的传播。在一个大的易感人群中，从一个单一的感染个体的爆发的大小和持续时间的标度律。爆发的最大规模n_* 与N^{2/3}成比例，其中N为种群规模。这个比例律意味着平均爆发规模的<n>比例为N^{1/3}。爆发的最大持续时间和平均持续时间分别以t_* ~ N^{1/3}和<t>~ lnN的形式增长。
2004-02-01 cond-mat.stat-mech math.PR 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
Velocity and hierarchical spread of epidemic outbreaks in scale-free networks
我们研究了复杂网络的连通模式对流行病传播动力学的影响。爆发的增长时间尺度与网络度的波动成反比，这表明流行病在无标度分布的网络中几乎是瞬间传播的。这一特征与遵循精确分层动态的流行病传播相关联。一旦到达高度连接的枢纽，感染就会在较小的度类中以渐进级联的方式遍布网络。目前的结果与适应性遏制策略的制定相关。
2004-04-28 cond-mat.dis-nn q-bio.PE
Predicting epidemic outbreak from individual features of the spreaders
了解哪些个体可以更有效地在确定的环境中传播病原体是疾病控制中的一个基本问题。事实上，在过去的几年里，流行病的传播及其与相关系统拓扑结构的关系一直是复杂网络理论中反复出现的话题，同时考虑到网络模型和现实世界的数据。在本文中，我们探讨了传染病的异质性传播由易感染-感染-恢复（SIR）模型，和起源顶点的几个属性之间的可能的相关性，考虑Erdös-Rényi（ER），Barabási-Albert（BA）和随机几何图（RGG），以及一个真实的研究案例，美国航空运输网络，包括美国500个最繁忙的机场以及相互连接。最初，考虑到RGG网络，在其中，我们解析推导出的传播率的分布在已建立的联系人之间的表达式，通过假设这样的速率呈指数衰减的距离，分开的个人的异质性的传播实现。这样的分布也被认为是ER和BA模型，我们观察到拓扑效应的相关性。在机场网络的情况下，扩展率是根据经验定义的，假设与座位可用性成正比。在所考虑的理论网络和真实网络中，我们观察到总流行率与流行源的程度、强度和可及性之间存在高度相关性。然而，对于诸如介数中心性和$k$壳指数之类的属性，相关性取决于所考虑的拓扑。
2012-06-15 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
Impact of density-dependent migration flows on epidemic outbreaks in heterogeneous metapopulations
Universitat de Girona（赫罗纳大学）
研究迁移模式对复杂网络中流行病传播的影响，提出非线性扩散模型，揭示人口密度影响流行病传播的机制。
2015-07-29 q-bio.PE
Extreme outbreaks in non-Markovian epidemics on complex networks
Racah Institute of Physics, The Hebrew University（拉卡物理学研究所，希伯来大学）
研究复杂网络非马尔可夫流行病极端爆发风险，通过映射非马尔可夫SIR动力学为有效马尔可夫描述来确定爆发规模分布，能纳入任意感染和恢复时间统计，为网络级极端爆发风险定量预测提供途径。
2026-07-28 cond-mat.stat-mech physics.comp-ph physics.soc-ph
WKB calculation of an epidemic outbreak distribution
我们计算的指数和前因子的贡献，在WKB近似的主方程的随机SIR模型具有高度振荡的动态。在确定模型基本参数的基础上，研究了爆发分布随种群规模的变化规律。我们发现，这种分布迅速变得高度非高斯，获得大的尾巴，表明存在罕见的，但大的爆发，因为人口变小。的分析结果被发现是在很好的协议与模拟，直到系统变得如此之小，动力学是由疾病的淡出为主。
2011-12-08 q-bio.PE
A Novel Methodology for Epidemic Risk Assessment of COVID-19 outbreak
我们提出了一个新的数据驱动的框架，用于评估一个地理区域的先验流行病风险，并确定一个国家内的高风险地区。我们的风险指数被评估为三个不同组成部分的功能：疾病的危害，该地区的暴露和其居民的脆弱性。作为应用，我们讨论了意大利爆发的COVID-19疫情。我们使用现有的历史数据，空气污染，人类流动，冬季温度，住房集中，医疗保健密度，人口规模和年龄的20个意大利地区的特点。我们发现，与意大利中部和南部相比，北部一些地区的流行病风险更高。相应的风险指数显示了与感染者人数、重症监护患者和死亡患者人数的现有官方数据的相关性，并有助于解释为什么伦巴第、艾米利亚-罗马涅、皮埃蒙特和威尼托等地区比该国其他地区遭受的痛苦要多得多。尽管2019冠状病毒病疫情几乎同时在意大利北部（伦巴第大区）和中部（拉齐奥大区）爆发，但当首批病例于2020年初被正式认证时，该疾病在疫情风险较高的地区传播更快，后果更严重。我们的框架可以扩展并在其他流行病数据上进行测试，例如季节性流感，并应用于其他国家。我们还提出了一个政策模型与我们的方法，这可能有助于政策制定者采取明智的决定。
2021-01-22 physics.soc-ph q-bio.PE
Outbreak dynamics and population vulnerability in stochastic epidemic models on networks
Georgia Institute of Technology（佐治亚理工学院）；University of Oxford（牛津大学）；Lancaster University（兰卡斯特大学）
研究网络流行病模型中爆发动力学与人口脆弱性，发现随机分布的先前免疫力在某些情况下比同质群体更具保护作用，且爆发结束不等于群体免疫。
2026-10-14 q-bio.PE
Predictability: Can the turning point and end of an expanding epidemic be precisely forecast?
不，他们不能。流行病传播的特点是呈指数增长的动态，这是内在不可预测的。在实际达到转折点之前，感染人数增长停止和开始下降的时间无法确定地计算;在转折点之后，这一流行病的结束也无法确定。限制SIR模型（SCIR）说明了封锁措施如何仅在我们计算的阈值以上抑制感染传播。该阈值的存在对可预测性有重大影响：对西班牙COVID-19大流行的贝叶斯拟合表明，在扩张阶段，新感染个体数量的减缓既不能推断最大值的精确位置，也不能推断所采取的措施是否会使传播进入抑制状态。可靠预测的时间跨度很短，随之而来的是可能轨迹的分散，这种分散增长非常快。无法在中期进行预测并不是因为数据错误或不完整，因为它存在于无错误的综合数据集中，并且不一定通过使用更大的数据集来改善。我们的研究警告说，对精确的预测流行病的演变的基础上平均场，有效的或现象学模型，并支持，只有不同的结果的概率可以自信地给出。
2020-07-24 physics.soc-ph q-bio.PE
From lab to outbreak: experimental mosquito extrinsic incubation period distributions shape dengue epidemic dynamics
Oniris, INRAE, BIOEPAR（Oniris，法国国家农业食品与环境研究院，生物流行病学与动物健康实验室）
研究通过比较指数分布与实验所得分布，发现实验分布可延迟并平缓登革热疫情峰值，延长危机持续时间，降低峰值强度，但不影响爆发概率。
2026-04-28 q-bio.PE
Epidemic spreading dynamics with drug-resistant and heterogeneous contacts
在复杂系统中，耐药性和强接触实际上在流行病传播中起着至关重要的作用。然而，无论是理论模型还是方法论都没有提出来解决这个问题。因此，我们考虑一个基于边的传染病传播模型，考虑两个关键成分，其中的接触分为两类：强接触和正常的。接下来，我们提出了一个统一的基于边缘的分区方法的传播动力学的Erdös-Rényi（ER）网络，并验证其结果通过广泛的数值模拟。在这种情况下，流行病是完全耐药的，我们在数字上和理论上都显示了一个缓慢的爆发（连续过渡）的流行病时，强接触的数量是不够的出现零阈值。如果疫情具有部分抵抗性，我们将观察到明显的快速增长的爆发（不连续的转变）和更大的最终流行规模，而不是随着强接触的增加而出现零阈值。同时也证实了感染阈值的抑制作用、强接触的积极作用以及强接触的强度对暴发的促进作用。在本文中，我们可以通过分析方法驱动精确的预测，与数值模拟显示出良好的一致性。
2017-09-12 physics.soc-ph q-bio.PE
How many outbreaks before an epidemic?
本文研究了Reed-Frost模型中流行病规模的双峰分布特性，并通过几何分布理论解释了小规模和大规模爆发的概率，验证了该模型在新冠爆发中的适用性。
2025-11-18 math.PR math.ST q-bio.PE
Spatial extent of an outbreak in animal epidemics
在爆发阶段确定流行病的空间范围是控制疾病演变的关键。在疫情爆发时，感染个体的数量通常很小，因此围绕其平均值的波动是重要的：然后，通常假设可恢复-感染-恢复（SIR）机制可以由Galton-Watson类型的随机出生-死亡过程来描述。受感染个体的位移可以通过诉诸布朗运动来建模，当可以安全地忽略长距离移动和复杂的网络相互作用时，这是适用的，例如在动物流行病的情况下。在这种情况下，可以通过计算在给定时间包围感染个体的凸包来评估流行病的空间范围。我们推导出精确的演化方程的平均周长和平均面积的凸包，并比较它们与Monte Carlo模拟。
2013-03-18 cond-mat.stat-mech q-bio.PE
The effect of host population heterogeneity on epidemic outbreaks
本文回顾宿主种群异质性对传染病暴发影响的研究，并提出接触模式如何随宿主种群规模与组成变化的建模问题，给出若干准机制性子模型以推动新研究。
2024-01-16 math.DS q-bio.PE
Social stress drives the multi-wave dynamics of COVID-19 outbreaks
流行病的动态取决于人们在爆发期间的行为变化。在疫情发生之初，人们对病毒并不了解，然后，疫情爆发并报警后，他们开始遵守限制措施，疫情的传播可能会下降。随着时间的推移，有些人会对这些限制感到厌倦/沮丧，并停止遵循它们（疲惫），特别是如果新病例的数量下降。休息一段时间后，他们可以再次遵循限制。但在这一停顿期间，第二波浪潮可能会到来，并变得比第一波更强大。基于SIR模型的研究不能预测观察到的第一波流行病的快速退出。应考虑社会动态。第二次浪潮的出现也取决于社会因素。SIR模型的许多推广都考虑了免疫力随时间的减弱、病毒的进化、疫苗接种和其他医学和生物学细节。然而，这些更复杂的模型并不能解释具有不同内在社会文化特征的国家之间暴发概况的明显差异。在我们的工作中，提出了一个COVID-19大流行的模型系统，将社会压力的动态与经典流行病模型相结合。社会压力是用社会物理学的工具来描述的。将动态SIR型模型与一般适应综合征的三个阶段（警报-抵抗-耗竭）相结合，就有可能高精度地描述13个国家的现有统计数据。找到了模型与数据最佳拟合所对应的动力学常数集，它们表征了社会动员防治流行病的努力并在一段时间内保持这种集中的能力，并可进一步帮助制定针对特定社会的战略。
2021-10-19 physics.soc-ph q-bio.PE
Outbreak size distributions in epidemics with multiple stages
研究了传染病传播模型中的多类型分支过程。在这些随机过程中，疾病在最终消失之前会经历多个阶段。我们主要集中在关键的多阶段易感-感染-感染（SIR）的感染过程。在无穷大的人口限制，我们计算的爆发规模分布，并表明渐近结果适用于更一般的多类型的临界分支过程。最后，我们利用启发式的论证和模拟，建立了有限总体中多级SIR模型的标度律。
2012-07-20 cond-mat.stat-mech math.PR q-bio.PE
Importance of suppression and mitigation measures in managing COVID-19 outbreaks
我使用一个简单的流行病过程数学模型来评估四个基本量：繁殖数（R）、敏感个体（S）和传染性个体（I）的数量以及总社区规模（N）如何影响控制COVID-19的策略。数值模拟表明，在流行病开始时采取严格的抑制措施可以产生低传染性数字，此后可以通过更长时间的缓解措施来管理，以使流行病曲线变平。抑制措施越强，就能越快地实现有利于后续管理的低感染率。我们讨论了这种分析的预测，以及它如何适应长期的措施序列，包括使用群体免疫概念来利用获得性免疫。
2020-05-07 physics.soc-ph q-bio.PE
Simulated epidemics in an empirical spatiotemporal network of 50,185 sexual contacts
我们研究巴西护送和性购买者之间的动态和空间接触结构的影响性传播感染（STI）的传播。尽管有高度偏态的度分布，但在这种接触结构中传播的疾病具有相当明确的流行阈值。即使假设传播概率为100%，时间效应也会造成爆发规模的广泛分布。与随机接触结构相比，时间相关性加快了爆发，特别是在早期阶段。另一方面，时间顺序和网络拓扑减缓了流行病的传播。研究房室模型，我们表明，接触结构可能不支持艾滋病毒的传播，即使个人在急性感染期间性活跃。我们调查了假设的方法，遏制疫情，并发现旅行限制是有效的最高程度的顶点删除。总的来说，我们研究的商业性行为类型似乎不是性传播感染流行的主要因素。
2010-06-14 physics.soc-ph q-bio.PE
Risk-mediated dynamic regulation of effective contacts de-synchronizes outbreaks in metapopulation epidemic models
该研究构建风险反馈调节接触率的ODE集合种群模型，结合德国COVID-19流动数据，揭示区域与国家信息在缓解和抑制两种机制下对疫情去同步化及医疗资源挤兑的不同作用。
2025-02-20 physics.soc-ph q-bio.PE
Heterogeneity can markedly increase final outbreak size in the SIR model of epidemics
该研究针对异质网络上的流行病SIR模型，发现存在临界基本再生数$R_0^c$，低于该值时有限网络异质性会增大最终暴发规模，且种群异质性可增强该效应，为现实场景下SIR模型的暴发规模预测提供了关键参考。
2023-06-15 cond-mat.stat-mech q-bio.PE
Contact switching as a control strategy for epidemic outbreaks
我们研究了转换社会接触作为控制流行病爆发的策略的影响。易感者和感染者之间的联系可以被任何一个人打破，然后重新连接到随机选择的人群中。假设重新连接的个人先前没有关于新接触者的流行病学状况的信息。我们表明，通过地方病状态和无感染状态之间的连续和不连续转变，重新连接可以完全抑制疾病。对于无症状阶段的疾病，我们分析了抑制疾病的条件，并表明，即使这些条件不满足，地方性感染水平的增加通常是相当小的。我们的结论是，在一些简单的流行病学模型，接触开关是一个相当强大和有效的控制策略。这表明，在更复杂的情况下，它也可能是一种有效的方法。
2008-06-11 q-bio.PE
Initial growth rates of malware epidemics fail to predict their reach
实证研究表明，基于流行病初始传播率的流行病模型往往无法预测该流行病的真实规模。大多数流行病在早期迅速上升，在影响到相当大一部分人口之前就已经消亡，而有些流行病的早期速度相当缓慢。最近的模型表明，这可能是由于目标人群的易感性的异质性。我们研究了一个计算机恶意软件生态系统，展示了类似于生物系统的传播机制，同时提供了人类流行病无法提供的细节。我们没有比较模型，而是直接从一个平行领域的新的、更完整的数据中估计影响范围，这些数据提供了关于生物爆发的更好的细节和见解。我们发现一个高度异质性的分布的计算机兼容性，几乎所有的爆发最初过度影响分布的尾部，然后迅速崩溃，一旦这条尾巴被耗尽。这一机制限制了流行病的初始增长率与其总影响范围之间的相关性，从而防止了大多数流行病，包括最初快速增长的爆发，影响到人口的宏观比例。少数几个普遍存在的恶意软件通过以下关键特征在早期区分自己：它们避免感染尾部，同时优先针对不受典型恶意软件影响的计算机。
2021-05-04 physics.soc-ph q-bio.PE
Complexity and anisotropy in host morphology make populations safer against epidemic outbreaks
流行病学的挑战之一是，当感染在相邻宿主之间传播时，要考虑宿主的复杂形态结构，如植物根、农田、农场、细胞、动物栖息地和社交网络。形态的复杂性带来了一个固有的异质性种群，并影响在这样的系统中的病原体传播的动态。我们分析了现实中复杂的主机形态的影响阈值的入侵和流行病爆发的SIR（易感-感染-恢复）流行病学模型。我们发现，在宿主形态和各向异性中表达的无序降低了流行病爆发的概率，从而使系统更能抵抗流行病爆发。我们获得一般的分析估计最低限度的安全界限的入侵阈值，然后说明其有效性，考虑一个例子的主机数据分支主机（蝾螈视网膜神经节细胞）。几个空间安排的主机具有不同程度的异质性已被认为是为了分别分析形状复杂性和各向异性的主机人口的作用。入侵阈值的估计与宿主的形态特征有关，可用于确定实际应用中的入侵阈值。
2010-03-22 physics.bio-ph q-bio.PE
Beyond ranking nodes: Predicting epidemic outbreak sizes by network centralities
识别疾病传播的重要节点是网络流行病学的中心议题。我们调查如何以及一个节点的位置，其特征在于标准的网络措施，可以预测其流行病学的重要性，在任何图形中的一个给定的节点数量。这是在其他研究中，处理更容易预测的问题，排名节点的流行病的重要性，在给定的图形。作为流行病重要性的基准，我们计算给定节点作为源的确切预期爆发规模。我们详尽地研究了给定大小的所有图，所以不要将自己局限于某些图的生成模型，也不要局限于图数据集。由于大量的可能的非同构图的一个固定的大小，我们被限制为10节点图。我们发现，两个或多个中心的组合是预测（$R^2$得分为0.91或更高），即使是最困难的参数值的流行模拟。通常，这些成功的组合包括一个归一化的谱中心性（如PageRank或Katz中心性）和一个对图中边的数量敏感的度量。
2020-02-11 q-bio.PE
Outbreak statistics and scaling laws for externally driven epidemics
幂律标度在经历连续相变的物理现象中是普遍存在的。经典的传染病易感-传染-传染（SIR）模型就是一个这样的例子，其中临界点附近的标度行为已被广泛研究。在该系统中，当系统大小$N$变为无穷大时，爆发大小的分布在临界点处按$P(n) \sim n^{-3/2}$缩放。爆发规模和持续时间的有限规模标度律也得到了很好的理解和表征。在这项工作中，我们报告的比例律模型SIR结构加上一个恒定的感染力每易感，类似于一个“水库强迫”。我们发现，在这个系统中的爆发的统计是根本不同的，比那些在一个简单的SIR模型。而不是固定的指数，所有的标度律表现出可调的指数参数化的无量纲率的外部强迫。当外部驱动率接近临界值时，平均爆发规模收敛于最大爆发规模，在临界点以上，标度律分叉为两个区域.简单的SIR过程只能显示$\mathcal{O}(N^{1/3})$和$\mathcal{O}(N)$大小的爆发，这取决于系统是否处于或高于流行病阈值，而驱动SIR过程可以显示更丰富的爆发大小谱，其扩展为$O(N^ξ)$，其中$ξ\in (0,1] \backslash \{2/3\}$和$\mathcal{O}((N/\log N)^{2/3})$处于多临界点。
2013-12-31 physics.data-an q-bio.PE
Spatiotemporal Determinants of Vector-Borne Disease Outbreaks
本文通过枢纽—叶节点约化方法推导流行病脆弱性方程，揭示人类与媒介种群比例及流动性参数如何共同决定媒介传播疾病暴发的时空条件，并发现均衡流动可最小化风险，为扩展流行病学模型提供理论基础。
2025-08-27 physics.soc-ph q-bio.PE
Calibration of a SEIR-SEI epidemic model to describe the Zika virus outbreak in Brazil
在过去的二十年里，世界各地报告了多起寨卡病毒疫情，使相关疾病成为国际关注的问题。在这种情况下，流行病数学模型的使用是非常重要的，因为它们是有用的工具，研究潜在的爆发数字，并允许一个测试的有效性，不同的战略，用于打击相关的疾病。这项工作涉及流行病模型的开发和校准，以描述2016年巴西寨卡病毒的爆发。一个系统的8个微分方程，8个参数的模型通过两个种群的感染的演变。从文献中估计模型参数的标称值。反问题的制定和解决，通过比较系统的响应，从爆发的真实数据。校准后的结果给出了现实的参数，并返回了合理的描述，曲线形状与疫情演变相似，峰值接近2016年期间的最高感染人数。对某些初始条件下的响应行为进行了分析，并根据初始条件的取值变化，对初始条件下的响应行为进行了分析。
2021-05-13 cs.NA math.DS math.NA
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
Unlinking super-linkers: the topology of epidemic response (Covid-19)
传染病传播的一个关键特征是它们能够在接触图中使用有效的传播路径。这使得病原体能够最大限度地提高感染率并在目标人群中传播。在这项工作中，我们设计的技术，以本地化的感染和降低感染率的基础上，人类接触网络（邻近图）内的疾病传播路径的原则性分析。疾病传播的实验结果表明，在低能见度下，接触者追踪减缓了疾病的传播。然而，为了阻止疾病传播，接触者追踪需要接近度图的显著可见性（至少60%）和将一半人口隔离的能力。我们发现，主动隔离超级链接-关键的邻近遭遇-具有显着的好处：基于对邻近图的35%可见性，有针对性地隔离四分之一的人口，可以防止流行病爆发。事实证明，隔离超级传播者比追踪和测试接触者更有效，但不如锁定超级链接有效。我们强调的重要作用，拓扑结构的流行病爆发。我们认为，通过禁用超级链接和超级传播者对人群进行主动接种，可能与接触者追踪和检测一起发挥重要的补充作用，作为应对流行病爆发的复杂公共卫生应对措施的一部分。
2020-06-10 cs.CR cs.SI physics.soc-ph
Modeling the Epidemic Outbreak and Dynamics of COVID-19 in Croatia
该文件涉及在克罗地亚共和国的封闭领土上由2019年冠状病毒病（COVID-19）引起的持续流行病的建模。利用官方公布的确诊感染者、康复者和死亡者的数量，建立了改进的SEIR房室模型来描述流行病的基本动态。拟合的修正SEIR模型提供了对近期疾病进展的预测，考虑到克罗地亚卫生部在2月25日COVID-19传播开始时对感染者和高危人群采取的社交距离和隔离等严格控制干预措施。假设所提供的数据的准确性和令人满意的代表性的模型使用，基本再生数的推导。所取得的成果说明了潜在的积极发展，并证明卫生部采取的严格预防措施是合理的。
2020-05-04 q-bio.PE
Improving epidemic testing and containment strategies using machine learning
University of Gothenburg（哥德堡大学）；CNR-IPCF, Istituto per i Processi Chimico-Fisici（意大利国家研究委员会化学物理过程研究所）
控制流行病的爆发需要付出巨大的社会和经济代价。具有成本效益的遏制战略依赖于有效识别受感染者，尽可能充分利用现有的检测资源。因此，快速确定最佳测试策略至关重要。在这里，我们证明了机器学习可用于识别哪些个体最有利于测试，自动和动态地调整测试策略以适应疾病爆发的特征。具体来说，我们使用原型易感染-传染-恢复（SIR）模型模拟疫情，并使用第一批确诊病例的数据来训练一个神经网络，该网络学习对其余人群进行预测。利用这些预测，我们能够比标准方法更有效、更迅速地控制疫情。此外，我们还演示了如何使用这种方法时，也有可能再感染（SIRS模型），以有效地消除地方病。
2020-11-23 cs.LG physics.soc-ph q-bio.PE
Impact of temporal scales and recurrent mobility patterns on the unfolding of epidemics
人类流动在将地方性疾病暴发转变为全球性大流行方面发挥着关键作用。因此，将人口流动纳入流行病模型已成为理解当前流行病发作和设计有效预防政策的强制性要求。在这一挑战之后，我们在这里开发了一个马尔可夫框架，该框架能够解决在不同时间尺度上经常性流动模式对流行病发作的影响。这种形式主义是通过比较他们的预测与机械模拟的结果进行验证。理论和模拟之间的公平协议，使得到一个解析表达式的流行阈值捕捉的临界条件触发流行病爆发。最后，通过对这一流行阈值进行详尽的分析，我们发现，调整人类流动对疾病出现的影响受到流行病学和流动过程相关的时间尺度的强烈影响。
2019-09-27 physics.soc-ph q-bio.PE
Epidemic response to physical distancing policies and their impact on the outbreak risk
我们引入一个理论框架，突出物理距离变量，如人类流动和物理接近流行病的演变，至关重要的是，对繁殖数量的影响。特别是，为应对冠状病毒病（CoViD-19）大流行，各国已引入不同程度的“封锁”，以减少新感染人数。具体来说，我们使用碰撞的方法来描述的更新方程的时间齐次演化的流行病的感染年龄结构模型。因此，我们展示了封锁政策的各种贡献，即物理接近和人类流动，如何减少SARS-CoV-2的影响，并减轻疾病复发的风险。我们检查我们的理论框架，使用现实世界的数据与两个不同的数据存储库的物理距离，获得一致的结果。最后，我们提出了一个方程的有效再生数，考虑到类型的人之间的相互作用，这可能有助于政策制定者改善远程工作的组织结构。
2020-07-31 econ.GN physics.soc-ph q-bio.PE
Fair Insurance Premium Level in Connected SIR Model under Epidemic Outbreak
本文研究了具有人口迁移和接种疫苗的确定性和随机SIR模型中的最优医疗保险费水平。所研究的模型认为，两个标准的SIR中心连接通过链接和连续的迁移流量。保险费是根据基本等值原则计算的。即使在这种简单的设置中，也有非直观的结果表明，溢价如何取决于移民率、疾病的严重性以及健康和感染者在中心的初始分布。我们调查如何疫苗接种计划的影响，保险费用的比较节省的利益与疫苗接种的费用。我们比较了确定性和随机模型的结果。
2019-10-10 q-bio.PE
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
Why can we observe a plateau even in an out of control epidemic outbreak? A SEIR model with the interaction of $n$ distinct populations for Covid-19 in Brazil
本文提出了一个$n$不同人群相互作用结构的SEIR模型来描述COVID-19大流行性疾病的传播。所提出的模型具有灵活性，包括地理上分离的社区，以及考虑到人口老龄化群体及其相互作用。我们表明，不同的假设所提出的模型的动态导致感染人口的高原状曲线，反映了从大国，如巴西收集的数据。这些观察结果旨在提出以下猜想：“正如拟议模型所反映的那样，新冠肺炎从首都向巴西内地的扩散是该国报告病例呈高原状的原因”。我们提出了一些方案的数值模拟和比较与上述结论相印证的报告数据从巴西。
2020-08-03 math.DS physics.soc-ph q-bio.PE
A model for mosquito-borne epidemic outbreaks with information-dependent protective behaviour
University of Trento（特伦托大学）
本文研究了考虑人类根据过去和当前疾病流行情况调整防护行为的蚊媒流行病模型，通过几何奇异摄动理论将两组模型简化为同质宿主群体模型，分析信息诱导行为变化对流行病瞬态动力学的影响。
2026-05-07 math.DS q-bio.PE
Network-Based Analysis of a Small Ebola Outbreak
本文提出了一种基于网络的随机传染病模型中传染病参数的估计方法，当传染病总数被假定为很小时。我们通过重新分析Maganga等人（2014）描述的2014年刚果民主共和国（DRC）埃博拉疫情的数据来说明该方法。
2015-11-07 math.PR q-bio.PE stat.AP
Epidemic "momentum" and a conservation law for infectious disease dynamics
McMaster University（麦克马斯特大学）；Sorbonne Université（索邦大学）
本文提出'传染病动量'概念，揭示传染病动力学中的守恒定律，通过分析流行率与潜在感染能力的关系，区分传播力与免疫力，为理解传染病爆发提供新视角。
2026-09-09 q-bio.PE
