Spatial Spread of Epidemic Diseases in Geographical Settings: Seasonal Influenza Epidemics in Puerto Rico
建立了流行病在地理环境中的空间传播的确定性模型。这些模型的重点是从少数受感染的主机输入到地理环境的子区域所产生的爆发。目的是了解空间异质性如何影响易感人群和感染人群的传播动态。该模型包括系统的偏微分方程与扩散项描述的基本微生物传染性病原体的空间传播。该模型与波多黎各季节性流感流行的真实数据进行了比较。
2018-01-05 math.DS q-bio.PE
Inferring and Predicting Clade-Level Relative Transmission Fitness in Seasonal Influenza A Using Differential Population Growth Rate and Deep Learning
Old Dominion University（老道明大学）；North Carolina A&T State University（北卡罗来纳农业与州立大学）
本文应用差异种群增长率框架和卷积神经网络，基于全球流感监测数据估计H3N2和H1N1支系的相对传播适应性，并实现从全基因组序列预测适应性，揭示了新兴支系K的适应性优势及基因组贡献位点。
2026-06-23 q-bio.PE
Simulating the Spread of Influenza Pandemic of 2009 Considering International Traffic
流行病有可能对社区和社会造成巨大的破坏和损害。在本文中，我们对2009年的流感大流行进行了建模。我们提出了一个混合模型来确定大流行如何在世界范围内传播。该模型既考虑了基于SEIR的局部区域模型，又考虑了参考国际旅行者数据的国家之间全球连接的网络模型。我们的兴趣是利用大流行早期的数据重现情况，并通过延长模拟周期来预测未来的转变。在不考虑季节性流感趋势的情况下，模拟并没有预测到现实世界中大流行的第二个高峰。然而，考虑到季节性趋势，模拟结果预测下一个峰值在冬季。因此，我们认为季节性趋势是疫情蔓延的重要因素。
2010-05-11 physics.soc-ph q-bio.PE
Influenza Evolution and H3N2 Vaccine Effectiveness, with Application to the 2014/2015 Season
甲型流感是一种严重的疾病，可导致显著的发病率和死亡率，针对季节性流感疾病的疫苗具有不同的有效性。在本文中，我们讨论了使用的$p_{\rm epitope}$方法来预测的优势流感毒株和预期的疫苗有效性，在未来的流感季节。我们说明了如何通过肽位估计2014/2015 A/Texas/50/2012 [进化枝3C.1]疫苗对人群中出现的A/California/02/2014 [进化枝3C.3a]菌株的有效性。此外，我们通过对2014年收集的数据进行多维尺度分析，发现了一个新的A/新墨西哥/11/2014样簇[进化枝3C.2a]，它在免疫学上与A/加利福尼亚/02/2014样株不同。
2016-03-18 q-bio.PE
SEIR models with host heterogeneity: theoretical aspects and applications to seasonal influenza dynamics
University of Trento（特伦托大学）；National Laboratory for Health Security, University of Szeged, Bolyai Institute（塞格德大学博莱伊研究所国家健康安全实验室）
本文研究了具有宿主异质性的SEIR模型，通过分析易感性分布对流行病最终规模的影响，提出了一种更实用的模型用于拟合流行病数据。
2026-01-23 math.DS q-bio.PE
Canalization of the evolutionary trajectory of the human influenza virus
自1968年出现以来，甲型H3N2流感在基因型和抗原表型方面发生了广泛的演变。抗原进化发生在二维“抗原图谱”的背景下，而遗传进化显示出特征性的梯形谱系树。在这里，我们使用一个大规模的基于个体的模型，以表明在欧几里得抗原空间的进化提供了一个显着的对应关系模型的行为和流行病学，抗原，系谱和地理模式中观察到的流感病毒。我们发现，从现有的人类免疫力的进化导致流感病毒的快速人口更替，这种人口更替主要发生在一个单一的抗原轴。因此，选择性动力学诱导了一个渠道化的进化轨迹，其中流感种群的进化命运是惊人的可重复性，因此在理论上是可预测的。
2011-11-19 q-bio.PE
Forecasting influenza hospital admissions within English sub-regions using hierarchical generalised additive models
背景资料：季节性流感在冬季给医疗保健服务造成了巨大负担，而这些系统已经处于压力之下。2019冠状病毒病大流行期间的政策抑制了季节性流感的传播，使得潜在疫情复苏的时间和规模难以预测。研究方法：我们开发了一个分层广义加性模型（GAM），用于短期预测英格兰次区域流感病毒检测呈阳性的住院人数。该模型采用了多级结构的时空样条，每周的季节性和空间相关性。使用多个性能指标，包括区间分数，覆盖率，偏差和绝对误差中位数，评估2022/23季节波的预测性能。业绩是衡量对自回归综合移动平均（ARIMA）时间序列模型。结果如下：GAM方法在高和低级别地理区域的评分规则以及包括转折点在内的疫情波不同阶段的表现优于ARIMA模型。GAM的性能与14天的预测范围是类似的误差ARIMA在7天。GAM的性能被发现是最敏感的平滑函数，衡量国家流行趋势的灵活性。释义：本研究介绍了一种新的方法，短期预测住院与流感使用层次，空间和时间的组成部分。该模型是数据驱动的，可使用预测时实际可用的信息进行部署，解决了流行病预测方法的关键局限性。该模型在整个冬季被英国卫生安全局和英格兰国家卫生服务局用于医疗保健运营规划。
2023-02-23 q-bio.PE stat.AP
Patterns of Influenza Vaccination Coverage in the United States from 2009 to 2015
背景：在全球范围内，流感是发病、住院和死亡的主要原因。流感疫苗在美国已显示出显著的保护效果。我们调查了2009/10年至2014/15年美国总人口，特别是儿童和老年人中季节性和大流行性流感疫苗接种覆盖率的州一级模式，以及与生态因子〈动〉<动>。方法和发现：我们从国家调查中获得了州一级的流感疫苗接种覆盖率，并从各种来源获得了州一级的社会人口和健康数据。我们采用了回顾性生态研究设计，并使用混合模型回归来确定国家一级疫苗接种率与这些因素的生态关联水平，包括有和没有区域作为三个人群的因素。我们发现，在所有人群和模型中，卫生保健的获得与平均流感疫苗接种覆盖率呈正相关。我们还发现，成人哮喘的患病率与老年人群的平均流感疫苗接种率呈负相关。结论：在不同人群中，卫生保健可及性与州一级疫苗接种率存在强有力的正相关。这突出表明，扩大保健服务的可及性在人口一级具有潜在的优势。
2017-03-13 q-bio.PE
Seasonal transmission potential and activity peaks of the new influenza A(H1N1): a Monte Carlo likelihood analysis based on human mobility
6月11日，世界卫生组织正式将大流行病警戒级别（针对新的H1N1流感毒株）提高到6级。我们使用一个全球结构化集合种群模型，整合了全球范围内的流动性和运输数据，以估计传播潜力和相关的模型参数，我们使用的是2009年新型甲型流感（H1N1）的年表数据。该方法是基于最大似然分析的到达时间分布模型在12个国家播种墨西哥使用1 M计算模拟流行病。一个扩展的年表，包括全球93个国家在6月18日之前播种，用于确定季节性影响。我们发现基本生殖数的最佳估计值R 0 = 1.75（95%CI 1.64至1.88）。相关性分析允许根据观察到的模式选择最可能的季节性行为，从而确定未来大流行演变的合理情景，并估计不同半球的大流行活动高峰。我们提供了下一波的住院人数和发病率的估计，以及对疾病参数值的广泛敏感性分析。我们还研究了抗病毒药物的系统治疗使用对流行时间轴的影响。分析显示，北半球可能在10月/11月出现早期流行高峰，可能在大规模疫苗接种运动之前。我们认为，计划额外的缓解政策，如系统的抗病毒治疗可能是延迟活动高峰的关键，以恢复疫苗接种计划的有效性。
2009-09-14 cond-mat.stat-mech physics.soc-ph q-bio.PE
Predicting evolution from the shape of genealogical trees
如果有一个无性种群的基因组序列样本，我们能预测它的进化未来吗？在这里，我们证明了重建的系谱树的分支模式包含有关采样序列的相对适应度的信息，并且该信息可以用于预测成功的菌株。我们的方法是基于这样的假设，即进化过程中积累的小效应突变，不需要物种特异性的输入，并可以应用于任何无性种群下持续的选择压力。我们使用季节性流感A/H3 N2病毒的历史数据证明了它的性能。我们预测了即将到来的流感季节的祖先谱系，在30%的病例中表现接近最佳，并在19年中的16年中做出了有价值的预测。除了提供预测工具之外，我们做出信息性预测的能力意味着在流行的A/H3 N2流感病毒之间存在持续的适应性变化。
2014-09-30 q-bio.PE
A Novel Sequence-Based Antigenic Distance Measure for H1N1, with Application to Vaccine Effectiveness and the Selection of Vaccine Strains
H1N1流感导致大量季节性疾病，是2009年流感大流行的亚型。精确测量疫苗和流行病毒株之间的抗原距离有助于研究人员设计具有高疫苗有效性的流感疫苗。我们在这里介绍一种基于序列的方法来预测疫苗在人类中的有效性。历史流行病学数据显示，这种基于序列的方法与雪貂动物模型研究的血凝抑制（HI）试验数据一样可预测疫苗有效性。有趣的是，预期的疫苗对H1N1的有效性大于对H3N2的有效性，这表明对H1N1的免疫应答比对H3N2的免疫应答更强。H1N1中血凝素的进化速率也显示出大于H3N2中的血凝素的进化速率，推测是由于更大的免疫选择压力。
2012-04-27 q-bio.PE
Immunity-induced criticality of the genotype network of influenza A (H3N2) hemagglutinin
季节性流感每年造成数十万人死亡，在任何特定时间都有多种不断变化的毒株在流通。高突变率使流感病毒能够逃避人类免疫系统的识别，包括通过过去的感染和疫苗接种获得的免疫力。在这里，我们捕捉流感病毒株的遗传相似性和它们的演化动力学与基因型网络。我们发现，流感病毒A（H3N2）血凝素的基因型网络的特点是重尾分布的模块大小和连接，这表明临界行为。我们认为：（i）基因型网络由突变和宿主免疫驱动，以探索结构可预测的网络子空间，（ii）基因型网络提供了捕获多菌株流行病模型丰富动态所必需的底层结构。特别是，包括应变超越免疫流行病模型是依赖于一个潜在的基因型网络的结构。这种相互作用表明了一种自组织临界性，其中流感的流行动力学位于其基因型网络的临界区域。我们的结论是，疾病动态和网络结构之间的相互作用可能是未来的网络分析的病原体进化和现实的多菌株流行病模型的关键。
2021-09-25 nlin.AO q-bio.PE
Flexible Modeling of Epidemics with an Empirical Bayes Framework
季节性流感流行每年在经济负担、发病率和死亡率方面造成持续的、相当大的、广泛的损失。有了对当前或即将到来的流感流行行为的准确和可靠的预测，政策制定者可以设计和实施更有效的对策。我们使用半参数经验贝叶斯框架开发了一个流行病季节预测框架，并将其应用于预测流感样疾病的每周门诊医生就诊百分比，以及季节发作，持续时间，高峰时间和高峰高度，有和没有来自Google流感趋势的额外数据，作为CDC 2013- 2014年“预测流感季节挑战”的一部分。以前流行病建模的工作集中在发展疾病行为的机制模型和应用时间序列工具来解释历史数据。然而，这些模型可能无法准确地捕捉我们未来可能看到的可能行为的范围。相反，我们的方法使用前几个季节的数据的修改版本为感兴趣的季节的流行曲线产生了可能性，允许季节性流行病的时间，速度和强度的合理变化，以及观察中的噪声。由于该框架没有做出严格的特定领域假设，因此它也可以很容易地应用于其他疾病。该方法的另一个重要优点是，它为任何期望的预测目标产生完整的后验分布，而不仅仅是点预测。我们报告了对2013- 2014年美国流感季节的前瞻性流感样疾病预测，并将该框架对历史数据的交叉验证预测误差与各种简单基线预测因子的预测误差进行了比较。
2014-10-27 q-bio.PE stat.AP
Detecting Robust Patterns in the Spread of Epidemics: A Case Study of Influenza in the United States and France
在本文中，作者开发了一种方法，检测在不同地区的流行病模式之间的相关性，是由于人类的运动，并引入一个空模型，其中旅行引起的相关性被取消。他们将这种方法应用于美国和法国有充分记录的季节性流感暴发病例。在美国（使用1972-2002年的数据），作者观察到几个州与其近邻之间存在强烈的短程相关性，以及由国内大量空中交通流量造成的强大的长程传播模式。这些结果随时间的稳定性使作者能够得出关于旅行限制对流行病传播可能影响的结论。作者还将这种方法应用于法国（1984-2004）的案例，发现在区域范围内，没有明显主导疾病传播的交通方式。这种方法的简单性和鲁棒性表明，它可能是一个有用的工具，检测传播渠道的流行病的传播。
2008-06-22 physics.soc-ph q-bio.PE
Urbanization affects peak timing, prevalence, and bimodality of influenza pandemics in Australia: results of a census-calibrated model
我们研究了澳大利亚这个迅速城市化的国家流感大流行的显著趋势。为此，我们在大规模随机计算机模拟中实施了最先进的流感传播和进展模型，该模型使用2006年，2011年和2016年的全面澳大利亚人口普查数据集生成。我们的研究结果提供了一个基于模拟的调查，在多个历史时间点的人口对流行病的敏感性，并强调了多年来流行病模式的三个重要趋势：增加的高峰患病率，更快的传播速度和减少时空双峰。我们将这些大流行趋势归因于两个关键数量的增加，这两个数量是城市化的标志：居住在大城市的人口比例和国际航空交通。此外，我们还确定了大流行病地理传播的特征，我们将其归因于通勤流动网络的变化。我们的模型的通用性和世界各地普遍存在的城市化趋势，使我们的结果可能适用于其他快速城市化的国家。
2019-03-26 physics.soc-ph q-bio.PE
On the use of multiple compartment epidemiological models to describe the dynamics of influenza in Europe
我们建立了一个多室易感-感染-传播（SIR）模型来分析几种传染病在不同地理区域的传播。此外，我们还提出了一个数据质量敏感的优化框架，用于将该模型拟合到观察到的数据。我们将该模型与欧洲$7$流感季节中六种流感毒株之一感染人数的时间曲线拟合。除了描述流感的时间和空间传播外，该模型还提供了对每个季节每种毒株的国家间和国家内感染率和恢复率的估计。我们发现，疾病参数保持相对稳定，相关性大于$0.5$的季节和污渍。通过推断的疾病参数对流感毒株进行聚类与基因组亚型一致。令人惊讶的是，我们的分析表明，国家间的人员流动在欧洲流感传播中的作用可以忽略不计。最后，我们表明，该模型可以估计疾病负荷的国家与贫困或不存在的数据，在邻近国家的疾病负荷。我们的研究结果揭示了流感传播机制和疾病参数的信息。这些可用于协助疾病监测和控制流感以及异源环境中的其他传染性病原体。
2019-06-18 physics.soc-ph q-bio.PE stat.AP
Cellular reproduction number, generation time and growth rate differ between human- and avian-adapted influenza strains
在分析体外数据时，流感病毒株的生长动力学通常通过计算其生长速率来进行比较，有时将其用作适应性的代理。然而，类似于机械流行病模型，增长率可以定义为两个参数的函数：基本繁殖数（每个感染细胞感染的平均细胞数）和平均世代时间（复制周期的平均长度）。使用一个机制模型，先前发表的来自人类肺细胞实验的数据和新生成的数据，我们比较了六种甲型流感病毒株的所有三个参数的估计值。利用先前发表的数据，我们发现两种人类适应的毒株（2009年前的季节性H1N1和大流行性H1N1）比两种禽类适应的毒株（H5N1和H7N9）具有更低的基本繁殖数，更短的平均世代时间和更慢的生长速率。然后在新实验的数据中观察到这些相同的差异，其中两种菌株被改造为具有不同的内部蛋白（大流行性H1N1和H5N1），但具有相同的表面蛋白（PR8），这证实了我们的初步发现，并暗示菌株之间的差异是由内部基因驱动的。此外，该模型预测，在病毒载量达到峰值时，适应人类的毒株比适应禽类的毒株经历了更多的复制周期，可能更快地积累突变。这些结果表明，在体外繁殖的数量，世代时间和生长速率之间的人类适应和禽流感病毒株不同，因此可以用来评估宿主适应的内部蛋白质，以告知大流行的风险评估。
2019-03-19 q-bio.CB q-bio.PE
Modeling the interplay between seasonal flu outcomes and individual vaccination decisions
季节性流感对公共卫生构成持续挑战。流感病毒的快速演变需要每年的疫苗接种活动，但在特定年份是否接种疫苗的决定在很大程度上是自愿的，至少在美国是这样，许多人决定不接种疫苗。在早期尝试模拟这些年度流感疫苗决定时，人们通常假设个人行为理性，而且是在完全信息的情况下这样做的--这些假设允许古典经济学和博弈论的技术得到应用。然而，通常的假设是矛盾的新兴的经验证据有关人类决策行为在这种情况下。我们开发了一个简单的模型，耦合疾病传播和疫苗接种动态，而不是从社会心理学的实验观察模型年度疫苗决策更现实。我们调查这些新的决策假设的群体水平的影响，目的是了解人口是否可以自组织进入群体免疫状态，如果可以，在什么条件下。我们的模型与已有的结果一致，同时也揭示了更微妙的群体水平行为，包括群体免疫阈值的两年一次的振荡。
2021-01-20 math.DS 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
Modeling influenza-like illnesses through composite compartmental models
病原体在人群中传播的流行病学模型通常只能描述单一病原体。这使得它们在具有相似症状的多种病原体在同一人群中同时传播的情况下的应用变得不现实。在这里，我们描述了一种方法，它使得在最小条件下应用多个单应变模型成为可能。因此，我们的方法提供了流行病学理论模型和数据驱动方法之间的桥梁，用于流感和其他类似病毒的建模。我们的模型将易感-感染-感染模型扩展到更高的维度，允许对被多种病毒感染的人群进行建模。我们还提供了一种方法，基于SIR解决方案的可行实现的过完备字典，将代表人口中感染人数的时间序列盲目地划分为各个组成部分，每个组成部分代表单个病原体的影响。我们证明了我们所提出的方法对五年季节性流感样疾病（ILI）率的适用性，根据Twitter数据估计。我们证明，我们的方法描述，平均而言，44%的ILI时间序列的方差。从我们的模型中获得的单个感染性成分与人群中已知的病毒谱相匹配，我们证明了这些病毒谱与独立收集的流行病学数据相匹配。我们进一步表明，基本的生殖数（$R0$）的匹配组件是在已知的范围内，这些病原体。我们的研究结果表明，所提出的方法可以适用于其他病原体和地理，提供了一个简单的方法来估计人口中的流行病的参数。
2017-06-07 cs.SI physics.soc-ph q-bio.PE
Concepts and methods for predicting viral evolution
针对季节性人流感病毒快速进化问题，提出整合序列、流行病学、抗原特征及病毒表型数据的预测流程，可估计毒株相对适应性、预测分支频率并评估候选疫苗株保护力，相关预测可通过指定网站获取。
2024-11-27 q-bio.PE
Emergenet: A Digital Twin of Sequence Evolution for Scalable Emergence Risk Assessment of Animal Influenza A Strains
University of Chicago（芝加哥大学）；Pritzker School of Molecular Engineering, University of Chicago（芝加哥大学普利兹克分子工程学院）；Committee on Immunology, University of Chicago（芝加哥大学免疫学委员会）；Committee on Quantitative Methods in Social, Behavioral, and Health Sciences, University of Chicago（芝加哥大学社会、行为与健康科学定量方法委员会）
本研究针对动物甲型流感病毒株出现潜力评估能力有限的问题，提出Emergenet工具，通过序列进化数字孪生预测变异株出现路径，其性能优于现有方法且速度大幅提升，为大流行预防提供新途径。
2024-11-26 cs.LG q-bio.PE stat.ML
