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
Effects of Reactive Social Distancing on the 1918 Influenza Pandemic
1918年流感大流行的特点是多波流行。我们调查了反应性社交距离，一种行为反应形式，以及它对英国多重流感浪潮的影响。在以前的研究中使用了两种形式的反应性社会距离：幂函数，这是最近流感死亡率在人群中的比例的函数，希尔函数，这是最近流感死亡率的实际数量的函数。使用一个简单的流行病模型与幂函数和一组共同的参数，我们提供了一个很好的模型适合在伦敦自治市，伯明翰和利物浦观察到的多个流行病波。我们的方法不同于以往的研究，其中单独的模型适合每个城市。然后，我们将这些模型参数应用于英格兰和威尔士的所有334个行政单位，包括各个行政单位的人口规模。我们计算了皮尔森的相关性之间的观察和模拟数据为每个行政单位。我们实现了0.636的中位数相关性，表明我们的模型预测表现相当不错。我们的建模方法需要减少参数的数量，从而在不过度拟合模型的情况下提高了计算效率。我们的工作具有科学和公共卫生意义。
2017-03-13 q-bio.PE
Quantifying the transmission potential of pandemic influenza
本文综述了估计大流行性流感基本繁殖数的定量方法，这是一个关键的阈值数量，有助于确定控制该疾病所需的干预措施的强度。虽然很难评估未来可能发生的大流行的传播潜力，但历史流行病学数据很容易从以前的大流行中获得，作为未来大流行规划的参考量，对历史数据进行数学和统计分析至关重要。特别是，由于许多历史记录往往只记录病例或死亡的时间分布（即流行曲线），我们的审查重点是最大限度地利用时间演变数据的方法，并澄清流感传播的详细机制。首先，我们强调结构化的流行病模型及其参数估计方法，可以量化详细的疾病动态，包括我们不能直接观察到的。持续时间结构的流行病系统随后提出，提供坚实的理解的基本和有效的再生产数的定义。当研究流行病的初始增长阶段时，生成时间的分布是使用内在增长率适当估计传播潜力的关键统计信息。随机过程的应用也强调使用类似的数据来估计传输潜力。随后总结了流感数据的关键重要特征，然后是我们的结论，以建议未来可能的方法改进。
2007-12-17 q-bio.PE
Bayesian Analysis of Epidemics - Zombies, Influenza, and other Diseases
流行动力学的数学模型为预测和控制传染病提供了重要的见解。疾病模型的动力学通常遵循易感、感染和恢复（SIR）模型，并进行一些标准修改。在本文中，我们将Munz et.al（2009）关于疾病动力学应用的工作扩展到所谓的“僵尸启示录”，然后将相同的方法应用于流感动力学。与Munz et.al（2009）不同，我们包括从流行文化电影中僵尸的特定片段中获取的数据，并将马尔可夫链蒙特卡罗（MCMC）方法应用于系统的改进动态表示。为了证明这种方法的有用性，除了有趣的例子之外，我们还将相同的方法应用于谷歌流感趋势数据，以确定感染率和恢复率。最后，我们讨论了使用的方法来探讨假设的干预政策，疾病暴发。
2013-11-27 q-bio.PE stat.AP
Influenza Hospitalisations in England during the 2022/23 Season: do different data sources drive divergence in modelled waves? A comparison of surveillance and administrative data
本研究比较了英格兰2022/23冬季流感浪潮中四种监测与管理数据源，发现数据选择在国家以下层面的分析中显著影响关键流行病学特征的估计，多源数据结合能更好评估流感影响。
2023-10-16 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
Early pathogen replacement in a model of Influenza and Respiratory Syncytial Virus with partial vaccination. A computational study
在本文中，我们进行了一个计算研究，使用谱分解的波动的两个病原体的流行病模型周围的确定性吸引子，即，稳态或极限循环，以检查流感和呼吸道合胞病毒季节性流行期间部分疫苗接种和宿主间病原体相互作用对早期病原体替换的作用。
2017-10-31 physics.bio-ph q-bio.PE
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
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
On a family of stochastic SVIR influenza epidemic models and maximum likelihood estimation
本研究提出了一个封闭人群中流感动态的随机模型。我们考虑以接种疫苗的形式治疗疾病，并将疫苗的有效期和人群中个体的传染性结合起来。我们的模型是一个SVIR模型，具有三项转移概率，其中所有从疾病中恢复的个体获得对疾病菌株的永久天然免疫力。基于在任意时刻获得感染和接种疫苗的概率的结构，给出了家庭中特殊的SVIR模型。最大似然法和期望最大化的方法推导出的参数链。此外，一些流行病学评估参数，如基本再生数的估计计算。给出了模型的数值模拟实例。
2019-01-15 q-bio.PE stat.ME
Dynamical correlations in the escape strategy of Influenza A virus
人类甲型流感病毒的演化动力学提出了一个具有挑战性的理论问题。极高的突变率使病毒在每个流行季节都能逃脱先前感染引起的宿主免疫保护。同时，在每个特定的流行季节，观察到一个单一的准种，即一组密切相关的菌株。基因（即，在序列水平）和抗原性（即，与宿主免疫反应有关）距离可以揭示这个难题。在本文中，我们介绍了一个模型，在该模型中，根据实验观察，一个简单的相互作用规则的基础上点突变之间的空间相关性动态定义的免疫空间中的序列。我们调查这个空间的静态和动态结构，并讨论它如何影响病毒-宿主相互作用的动态。有趣的是，我们在病毒进化中观察到交错的时间结构，就像在真正的流感演化动力学中一样。
2013-05-15 q-bio.PE
Individual vaccination as Nash equilibrium in a SIR model with application to the 2009-10 Influenza A(H1N1) epidemic in France
本文在SIR模型中运用平均场博弈理论证明个体自利疫苗接种策略存在纳什均衡，并与社会最优策略比较，进而应用于2009-2010年法国甲型H1N1流感疫苗接种运动，揭示部分个体因对疫苗风险的悲观感知而停止接种。
2024-10-04 math.OC 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
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
Generative diffusion models for spatiotemporal influenza forecasting
Department of Epidemiology, Gillings School of Global Public Health, University of North Carolina at Chapel Hill（流行病学系，全球公共卫生学院，北卡罗来纳大学查佩尔希尔分校）；Department of Epidemiology, Johns Hopkins Bloomberg School of Public Health, Baltimore, MD 21205, USA（流行病学系，约翰·霍普金斯伯恩斯坦公共卫生学院，巴尔的摩，MD 21205, USA）；Carolina Population Center, University of North Carolina at Chapel Hill（卡罗来纳人口中心，北卡罗来纳大学查佩尔希尔分校）
本文提出Influpaint模型，利用扩散模型对流感流行病进行时空预测，通过将流感季节编码为时空图像，学习疾病动态的丰富分布，并在回顾评估中实现了与领先集成方法相当的预测精度。
2026-09-15 cs.LG q-bio.PE
The Impact of Response Measures on COVID-19-Related Hospitalization and Death Rates in Germany and Switzerland
我们评估德国及瑞士实施的COVID-19应对措施对COVID-19相关住院及死亡率的影响。我们的分析利用了这样一个事实，即当某些封锁措施生效时，某些地区的疫情比其他地区更严重，这是基于测量与特定地区疫情开始相关的健康结果，并比较不同地区的结果，以及更早和更晚的开始日期。在估计措施相对时间的影响时，我们通过线性回归（德国和瑞士）、双重稳健估计（德国）或合成控制（瑞士）来控制区域特征和初始流行趋势。我们发现，对这两个国家来说，较晚接触这些措施意味着在疫情爆发后的特定区域天数内累积住院率和死亡率较高，这表明较早实施措施比较晚实施措施更有效。对于德国，我们还评估宵禁（在一个国家的子集）的基础上跨区域的变化。我们没有发现任何影响宵禁的联邦强加的接触限制，禁止团体超过2个人。最后，对瑞士流动模式的分析表明，封锁在减少流动方面产生了直接的行为影响。
2020-06-19 q-bio.PE stat.AP
Age-specific contacts and travel patterns in the spatial spread of 2009 H1N1 influenza pandemic
在2009年H1N1 pdm的早期阶段，各国的确诊病例显示，在输入病例和本地传播病例之间存在年龄转移，成年人主要负责在未受影响的地区播种，儿童最常导致社区暴发。我们引入了一个多主机随机集合种群模型，两个年龄段的分析解决的作用，异质混合人口及其相关的非同质旅行行为的风险的重大流行病。我们告知模型的统计数据，人口，混合和旅行行为的欧洲和墨西哥，并校准到2009年H1N1 pdm早期爆发。我们改变了模型参数，以探索不同情况下的入侵条件。我们推导出该流行病的全球入侵潜力的表达式，该表达式取决于疾病传播率、交通网络和流动性特征、人口特征和混合模式。高度分离的混合有利于对流行病的空间遏制，这一效果与成人与儿童的社会活动增加形成对比。移动网络拓扑结构和交通流量的异质性强烈有利于疾病的侵袭，因为儿童旅行的比例也很大。各国人口结构和混合习惯的差异导致不同的疫情。结果与观察到的H1N1空间传播一致。这项工作说明了年龄依赖性的混合配置文件和流动性的特点，在研究的新出现的流感大流行的空间入侵的条件的重要性。其结果使得能够在获得数据后立即评估特定情况下发生重大流行病的风险，并评估针对特定年龄组、其相互作用和流动行为的公共卫生干预措施的有效性。
2013-04-02 physics.soc-ph q-bio.PE
An epidemic model for an evolving pathogen with strain-dependent immunity
在两次大流行之间，流感病毒通过一种称为抗原漂移的过程表现出渐进进化的时期。这一过程产生了一系列病原体菌株，这些菌株不断被更新的菌株所取代，从而阻止了宿主群体中免疫力的建立。在本文中，一个吝啬的流行病模型的定义，试图捕捉动态的不断变化的菌株在一个主机人口。“进化毒株”流行病模型具有许多介于易感-感染-易感和易感-感染-消除流行病模型之间的性质，因为个体只能被每种毒株感染一次，但仍然容易被新出现的毒株再次感染。耦合结果用于识别关键属性，如灭绝时间。一系列的繁殖数进行了探讨，以表征该模型，包括一个新的准稳态繁殖数，可用于描述重新出现的病原体进入人口的“平均”水平的应变免疫力，类似于冬季流感高峰的开始。最后，通过模拟探讨了演化应变模型的准平稳分布。
2020-08-17 q-bio.PE stat.AP
Modelling the strategies for age specific vaccination scheduling during influenza pandemic outbreaks
寻找最佳政策以降低目前流行病的发病率和死亡率是公共卫生的首要任务。使用房室模型与年龄结构和疫苗接种状态，我们研究了在流感大流行爆发期间，当疫苗接种运动和大流行的动态之间存在竞争时，特定年龄的疫苗接种时间表的影响。我们的研究结果与最近的一些研究一致，即年龄特异性对疫苗接种计划至关重要。然而，人们对这些控制措施在疫情期间实施的有效性知之甚少。比较五种可能的策略，我们发现，年龄特定的时间安排可以对流行病的结果产生巨大影响。对于最佳方案，攻击率比其他策略低10%。我们证明了尽早开始接种疫苗运动的重要性，因为延迟10天可能会增加高达6%的发病率。考虑到产生免疫力和接种疫苗之间的延迟是评估疫苗接种运动影响的一个关键因素。我们提供了一个总体框架，这对下一波大流行也将是有用的。
2012-02-28 q-bio.PE
Nowcasting Influenza Incidence with CDC Web Traffic Data: A Demonstration Using a Novel Data Set
流感流行在全球范围内造成公共卫生和经济负担。传统的监测技术依赖于医生的访问，提供数据的延迟时间为1-2周。需要一种获得实时数据和预测未来疫情的手段，以更及时地应对流感流行。在这项工作中，我们提出了一个新的数据集的第一个实现，通过展示它的能力，以补充传统的疾病监测在多个空间分辨率。我们使用来自疾病控制和预防中心（CDC）网站的互联网流量数据来确定此数据源的潜在可用性。我们测试了美国8个州和9个人口普查部门的10个流感相关页面产生的流量，并将其与临床监测数据进行比较。在最成功的情况下，我们的结果产生$r^2$ = 0.955，对于某些情况下有希望的结果，对于其他情况下不成功的结果。这些结果表明，在某些情况下，互联网数据可能能够补充传统的流感监测，但在其他情况下则不然。具体来说，我们的研究结果表明，CDC网站流量可能会通知国家和部门级模型，但不是每个州的模型。此外，我们的研究结果显示，当数据按季节分解而不是按几年汇总时，它们之间的一致性更好。为了提高科学透明度，以进一步了解互联网数据流何时是适当的补充数据源，我们还包括负面结果（即，不成功的模式）。我们预计，这项工作将导致更复杂的临近预报和预测模型使用此数据流。
2019-04-09 cs.SI q-bio.PE
An analysis of the interaction between influenza and respiratory syncytial virus based on acute respiratory infection records
假设流感和呼吸道合胞病毒（RSV）是急性呼吸道感染（ARI）的两个主要原因，本文采用标准的双病原体流行病模型作为回归变量，以年度为基础，用接触率和数学模型的初始条件解释ARI高发季节的数据。基本原理是ARI旺季是噪声系统的瞬态状态，例如，由于湿度、温度、病毒突变和人类行为等变量的波动，该系统每年都会偏离平衡状态。使用替换数的值作为与适应性相关的表型性状，我们提供了流感和RSV通过重叠感染在整个ARI高发季节共存的证据。
2013-11-30 q-bio.PE stat.AP
Kuramoto Phase Synchronization in Regional Epidemic Dynamics: Two Test Cases from European COVID-19 and Influenza Surveillance
Universidad de Guanajuato（瓜纳华托大学）
本研究用德国和欧洲的流行病数据验证Kuramoto模型，发现区域同步由长程共模场和短程扩散耦合构成，并识别出爆炸性同步特征及局部驱动因素。
2026-09-09 nlin.AO physics.soc-ph 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
The roles of direct and environmental transmission in stochastic avian flu epidemic recurrence
我们提出了一个分析禽流感模型，产生洞察不同的传播途径在禽流感疫情复发的作用。最近在野生鸟类种群中进行的禽流感建模工作考虑到了人口统计学的随机性，并强调了环境传播在确定爆发周期性方面的重要性，但仅限于宿主间传播率较低的情况。我们确定了环境和直接传播途径对暴发强度的相对贡献。我们使用近似方法来模拟噪声持续振荡的随机禽流感模型的环境和直接传播途径。我们看到，振荡由旋转和缓慢变化的标准Ornstein-Uhlenbeck过程（即，均值回复过程）。阻尼确定性版本的系统的固有频率预测的爆发的主导时期。我们发现，使用固有频率和理论功率谱密度的分析计算，爆发的周期性可以解释在任何一种或两种类型的传输。当两种类型的传输都很强时，爆发的幅度往往很高。
2017-03-15 math.DS math.PR q-bio.PE
Bayesian Best-Arm Identification for Selecting Influenza Mitigation Strategies
Vrije Universiteit Brussel（布鲁塞尔自由大学）；KU Leuven – University of Leuven（鲁汶大学）
大流行性流感有可能造成数百万人死亡。虽然存在各种预防措施（即，疫苗接种和学校关闭），但决定最有效和最高效地利用这些资源的战略仍然具有挑战性。为此，基于个人的流行病学模型对于协助决策者确定遏制流行病蔓延的最佳战略至关重要。然而，基于个体的模型是计算密集型的，因此，使用最少量的模型评估来确定最优策略是至关重要的。此外，由于需要规划流行病学建模实验，因此需要事先指定计算预算。因此，我们提出了一种新的抽样技术，使用固定预算的最佳臂识别算法来优化预防策略的评估。我们使用流行病学建模理论来获得关于奖励分布的知识，我们使用贝叶斯最佳臂识别算法（即，前两个Thompson抽样和BayesGap）。我们评估这些算法在一个现实的实验设置，并证明，它是可能的，以确定最佳策略，只使用有限数量的模型评估，即，与文献中用于流行病学决策的主要技术均匀抽样方法相比，速度快2至3倍。最后，我们贡献和评估前两个汤普森抽样的统计信息，告知决策者关于手臂建议的信心。
2018-06-15 cs.AI cs.LG q-bio.PE
Distinguishing Infections on Different Graph Topologies
在传染病和流行病的历史上，有许多著名的例子表明，理解、控制和最终治疗疫情始于理解其传播模式。流感、艾滋病毒和大多数计算机病毒通过接触网络在人与人之间、设备与设备之间传播;另一方面，霍乱、癌症和季节性过敏则不会。在本文中，我们研究了检测的两个基本问题：第一，给定一个（可能是微不足道的）感染者比例的快照视图，在什么条件下流行病通过接触传播（例如，流感），区别于独立于任何接触网络的“随机疾病”（例如，季节性过敏）;第二，如果我们确实有一种流行病，在什么条件下有可能确定哪一种相互作用网络是传播的主要原因-致病网络-而除了一个极小的受感染节点子样本的身份之外，对流行病没有任何了解？因此，本文的核心是了解网络信息的诊断能力。我们推导出网络必须满足这些问题是可识别的充分条件，并产生有效的，高度可扩展的算法来解决这些问题。我们表明，我们给出的可识别性条件是相当温和的，特别是，满足两个常见的图形拓扑结构：网格，和Erdos-Renyi图。
2013-09-25 cs.SI q-bio.PE
Early warning indicators of spatial epidemics from gauge mediated contagion: a statistical mechanics approach applied to COVID19 in Germany
Physics Engineering Department, Universidad de Guanajuato（瓜纳华托大学物理工程系）；Physics Department, Universidad de Guanajuato（瓜纳华托大学物理系）
本文提出一个受量子电动力学启发的流行病模型，通过 gauge 介导的相互作用解释非局部流行病动态，并利用 1-loop 扰动计算推导出超扩散特性。
2026-08-18 physics.bio-ph physics.data-an physics.med-ph
Forecasting the 2013--2014 Influenza Season using Wikipedia
传染病是世界各地发病率和死亡率的主要原因之一;因此，预测其影响对于规划有效的应对战略至关重要。根据疾病控制和预防中心（CDC）的数据，季节性流感影响了5%至20%的美国人口，并因住院和缺勤而造成重大经济影响。了解流感动态并预测其影响对于制定预防和缓解战略至关重要。我们将现代数据同化方法与维基百科访问日志和CDC流感样疾病（ILI）报告相结合，以创建季节性流感的每周预测。这些方法适用于2013- 2014年流感季节，但根据发病率或病例计数数据，这些方法足够通用，可以预测任何疾病的爆发。我们调整疾病模型的初始化和参数化，并表明这使我们能够确定系统模型的偏差。此外，我们提供了一种方法来确定模型偏离观测和评估预测精度。维基百科的文章访问日志被证明与历史ILI记录高度相关，并允许在ILI数据可用前几周准确预测ILI数据。结果表明，在流感季节高峰之前，我们的预测方法以很高的概率预测了实际结果。然而，由于我们的模型没有考虑再感染或多种流感病毒株，在流感季节高峰过后，流行病的尾部并不能很好地预测。
2014-11-03 q-bio.PE stat.AP
An Epidemic Model SIPHERD and its application for prediction of the spread of COVID-19 infection for India and USA
Vellore Institute of Technology（维洛尔理工学院）；Visvesvaraya National Institute of Technology（维斯瓦萨瓦亚国家理工学院）
本研究提出考虑三类感染携带者、传播率与封控社交疏离相关、检测率与日检测量相关的SIPHERD流行病模型，经德韩疫情验证后用于预测印美不同封控检测条件下的新冠传播。
2020-05-11 q-bio.PE
Phylogenetic analysis accounting for age-dependent death and sampling with applications to epidemics
通过将流行病学模型拟合到系统发育树中，基于从流行病中连续采样的病毒基因序列数据重建系统发育树，提供了对过去传播动态的估计。据我们所知，目前在遗传学中使用的流行病学模型都不能解释恢复率和采样率取决于传播后的时间。在这里，我们介绍了一个流行病模型，感染者离开流行病，无论是通过恢复或采样，经过一段随机时间，可能遵循任意分布。我们推导出一个表达式的可能性的系统发育树的采样感染下，我们的一般流行病学模型。在本文中开发的分析概念将有助于推断过去的流行病学动态，并提供了一个分析框架，进行非常有效的模拟系统发育树在我们的模型。我们分析研究的主要思想是，非马尔可夫流行病模型产生的系统发育树随着时间的推移垂直增长，可以表示为一个马尔可夫“聚结点过程”的水平增长的聚结和采样时间对顺序添加。作为例子，我们讨论我们的一般模型的两个特殊情况，即应用到流感和应用到艾滋病毒。虽然用流行病学术语表述，但我们的框架也可以用于例如将宏观进化模型拟合到现存和灭绝物种的遗传学中，解释一般物种的寿命分布。
2013-06-14 math.PR q-bio.PE
Metapopulation epidemic models with heterogeneous mixing and travel behaviour
人口空间流动和非均匀混合模式之间复杂的相互作用，迄今为止阻碍了通过一般理论框架对空间入侵条件的基本理解。为了解决这个问题，我们提出了一个分析建模方法，考虑到这种相互作用的流动性和相互作用的一般条件下，在简化假设的两个人口类。我们通过一个多宿主随机流行集合种群模型描述了一个具有非齐次混合和旅行行为的空间结构种群。不同的人口分区，混合模式和流动性结构被认为是，随着2009年H1N1流感大流行的早期传播的年龄划分的作用的研究的具体应用。我们提供了一个完整的数学公式的模型，并推导出一个半解析表达式的阈值条件的全球入侵的一种新兴的传染病的集合种群系统。一个丰富的解决方案的空间，取决于社会分区的人口，跨群体的接触模式和他们的相对社会活动，每个类的旅行态度，以及移动网络的拓扑和交通功能。在不太活跃的群体构成旅行者的大多数的情况下，减少不太活跃的群体的活动和减少跨群体的混合预计是控制大流行潜力的最有效的策略。相反，如果旅行是由更多的社会阶层主导，我们的模型预测存在一个最佳的跨群体混合，最大限度地提高疾病的流行潜力，而每个群体的活动变化的影响是不太重要的。
2014-01-20 physics.soc-ph q-bio.PE
A multi-season epidemic model with random genetic drift and transmissibility
该研究提出一个多季节流感模型，考虑病毒遗传漂移和传播力变化，证明免疫状态为遍历马尔可夫链，并利用有效繁殖数条件分布预测疫情最终规模。
2025-05-23 math.PR q-bio.PE
A Framework for Evaluating Epidemic Forecasts
背景：在过去的几十年里，在流行病预测领域已经提出了许多预测方法。这些方法可以分为不同的类别，如确定性与概率，比较方法与生成方法，等等。在一些比较流行的比较方法中，研究人员将从爆发早期阶段观察到的流行病学数据与拟议模型的输出进行比较，以预测大流行的未来趋势和流行程度。在这方面的一个重要问题是缺乏标准的定义良好的评估措施，以选择最好的算法之间的不同，以及为一个特定的算法选择最佳的可能配置。结果如下：在本文中，我们提出了一个评估框架，它允许结合不同的功能，错误的措施，和排名模式来评估预测。我们描述了各种流行特征（Epi特征），包括预测方法的输出特性，并提供了合适的误差测量，可用于评估这些Epi特征的方法的准确性。我们专注于长期预测，而不是短期预测，并通过评估预测美国流感的六种预测方法来证明该框架的实用性。我们的研究结果表明，不同的错误措施导致不同的排名，即使是一个单一的Epi功能。此外，我们的实验分析表明，没有一种方法在预测所有Epi特征时占主导地位，当在误差测量中进行评估时。作为一种替代方案，我们提供了各种共识排名模式，总结个人排名，从而占不同的错误措施。我们相信，一个全面的评估框架，在本文中提出的，将增加价值的计算流行病学社区。
2017-03-28 cs.SI physics.soc-ph q-bio.PE
Renormalisation Group approach to pandemics as a time-dependent SIR model
我们推广的流行病Renormalisation集团框架，同时将其连接到一个SIR模型与时间相关的系数。然后，我们将模型与丹麦、德国、意大利和法国的COVID-19进行比较，并表明该方法在再现数据方面效果相当好。我们还表明，更好地了解的时间依赖性的恢复率将需要扩展模型，以考虑到死亡人数时，这些都超过15%的感染病例总数。
2020-07-22 physics.soc-ph q-bio.PE
