Dynamic communicability and epidemic spread: a case study on an empirical dynamic contact network
我们分析了最近提出的时间中心性措施,适用于一个经验网络的基础上,人与人之间的接触,在一个繁忙的城市医院的急诊科。我们发现,时间中心性识别一组不同的顶部传播者比中心性的基础上的时间聚集的二进制化的接触矩阵,使一起,捕捉顶部传播者的准确性显着提高。然而,在预测流行病结果方面,时间措施不一定优于不太复杂的措施。我们的研究结果还表明,其他时间标记,如观察到的持续时间和网络中首次出现的时间,可以用于一个简单的预测模型,以生成预测,捕捉观察到的数据的趋势非常好。
2016-03-13 cs.SI physics.soc-ph
Epidemic Spreading and Digital Contact Tracing: Effects of Heterogeneous Mixing and Quarantine Failures
通过安装在移动电话上的数字跟踪应用程序进行接触者追踪是控制传染病传播的重要工具。它的有效性可以通过修改用于分析接触网络的渗流和连通性的标准方法来量化。我们将此框架应用于具有不同程度分布,应用程序用户数量和隔离失败概率的网络。此外,我们还研究了同质性和异质性的结构化群体以及学位目标应用分布的可能性。我们的研究结果是基于显式模拟和平均场分析相结合。他们指出,可以有重大差异的流行病的规模和流行病的概率,这是等价的正常SIR过程。此外,程度的异质性被认为是特别重要的流行阈值,但没有那么多的流行规模。跟踪导致中断的概率不如应用程序采用率重要。最后,在应用程序采用方面,强烈的同质性和特别是异质性都是有害的。总的来说,流行动力学对我们测试的所有参数值都非常敏感,这使得估计数字接触者追踪效果的问题成为一个固有的多维问题。
2022-04-19 cond-mat.dis-nn cond-mat.stat-mech cs.SI
Social inequalities that matter for contact patterns, vaccination, and the spread of epidemics
该研究利用匈牙利新冠疫情数据识别接触模式和疫苗接种态度的社会不平等维度,发现优势群体接触更多且接种率更高,并提出纳入行为差异的数据驱动流行病学模型,用于分析匈牙利第四波疫情,为公共卫生策略提供依据。
2023-07-10 cs.SI physics.soc-ph stat.AP
Epidemic spread: limiting contacts to regular circles is not necessarily the safest option
Instituto de Investigaciones Fisicoquímicas Teóricas y Aplicadas (INIFTA), CONICET and Facultad de Ciencias Exactas, Universidad Nacional de La Plata(理论物理化学与应用研究所(INIFTA),CONICET和拉普拉塔国立大学理学院);CCT CONICET La Plata, Consejo Nacional de Investigaciones Científicas y Técnicas(CONICET拉普拉塔科学研究中心,国家科学研究委员会)
研究探讨了在移动限制下频繁与偶发接触对传染病传播的影响,发现频繁接触会增加疫情峰值、传播速度和最终受影响人数,且在确定性恢复情况下更为显著。
2026-09-29 cs.SI physics.soc-ph q-bio.PE
Contact Graph Epidemic Modelling of COVID-19 for Transmission and Intervention Strategies
2019冠状病毒病(COVID-19)大流行已迅速成为近年来未见的全球公共卫生危机。众所周知,人类接触网络的结构在传染病的传播中起着重要作用。在这项工作中,我们研究了COVID-19 CGEM的结构感知模型。如果我们假设接触网络是一个Erdos-Renyi(ER)图,即每个人都以相同的概率与其他人接触,那么这个模型就变得类似于流行病学中经典的基于分区的模型。相比之下,CGEM更具表现力,并允许插入实际的接触网络,或更现实的代理。此外,CGEM能够更精确地建模执行和释放不同的非药物干预(NPI)策略。通过一组广泛的实验,我们证明了假设不同的基础结构时,流行曲线之间的显着差异。更具体地说,我们证明了基于隔室的模型高估了感染的传播系数为3,并且在对依从性因子的一些现实假设下,低估了一些NPI的有效性,错误地描述了其他NPI(例如预测稍后的高峰),并低估了重新开放后第二个高峰的规模。
2020-10-06 cs.SI physics.soc-ph
DeepTrace: Learning to Optimize Contact Tracing in Epidemic Networks with Graph Neural Networks
本文将数字接触者追踪建模为在线图探索与最大似然估计问题,提出结合 BFS/DFS、合成网络预训练和高质量数据微调的 GNN 算法 DeepTrace,并在 COVID-19 变异株数据上验证其更优的超级传播者识别能力。
2025-01-10 cs.SI physics.soc-ph
Epidemic Source Detection in Contact Tracing Networks: Epidemic Centrality in Graphs and Message-Passing Algorithms
我们研究了接触追踪网络中的传染源检测问题,该问题利用流行病学中的传染病模型建模为图约束的最大似然估计问题。基于对感染子图的快照观察,我们首先分别研究了有限度正则图和带圈正则图,从而建立了有限无圈图和有圈图在极大似然比上的数学等价性.特别是,我们证明了最大似然估计量的最优解可以基于一种新颖的统计距离中心性(该中心性捕获了非凸问题的最优性)细化为图上的距离。然后,提出了一个有效的接触跟踪算法来解决一般情况下的有限度正则图的多圈。我们在各种图表上的性能评估表明,我们的算法通过正确识别新加坡和台湾一些最大的超级传播感染集群上的超级传播者,优于使用2003年SARS-CoV和COVID-19大流行病的接触者追踪数据的现有最先进的诊断学。
2022-02-25 cs.DM cs.SI
Contact Tracing: Computational Bounds, Limitations and Implications
近年来,接触者追踪从不同角度进行了广泛的研究。然而,目前还没有明确的迹象表明,为什么这种干预措施在某些流行病(SARS)中被证明是有效的,而在其他一些流行病(COVID-19)中则大多无效。在这里,我们对新型超级传播随机网络的随机测试和接触者追踪进行了详尽的评估,试图确定哪些流行病更容易被这些措施所控制。我们还探讨了阳性率作为人口实际感染状况的代理的适用性。此外,我们提出了新的理想策略,以探索测试和跟踪策略的潜在限制。我们的研究建议谨慎,无论是在假设流行病控制和推断实际的流行病进展,目前的测试或跟踪策略。然而,它也为未来带来了一线光明,有望实现巨大有效性的新型测试策略的潜力。
2021-02-26 cs.SI physics.soc-ph
Bifurcation analysis of the Microscopic Markov Chain Approach to contact-based epidemic spreading in networks
许多传染病在单一宿主种群中传播的流行病房室模型的动力学都存在二阶相变。这种转变发生作为一个函数的传染性参数,从没有感染的个人到地方病的状态。在这里,我们从动力系统的角度研究了离散时间房室流行病模型的这种转变,称为微观马尔可夫链方法,其适用性预测未来的传染病传播的情况已被证明在COVID-19大流行期间非常有用。我们表明,有一个地方病的状态,这是稳定的,是一个全球吸引子,它的存在是一个跨临界分岔的后果。这一数学分析为实际应用中的模型结果提供了依据。
2022-10-31 cond-mat.stat-mech cs.SI math.DS
Competing spreading processes and immunization in multiplex networks
物理接触网络上的传染病传播自然会引入虚拟接触网络上的人类意识信息扩散,而意识扩散又反过来抑制传染病传播,从而形成多重网络中传染病与意识的竞争传播过程。在本文中,我们研究的竞争动力学的流行病和意识,这两者都遵循SIR过程,在一个两层网络的基础上微观马尔可夫链方法和数值模拟。我们发现,较强的意识传播和自我保护能力的个人可能会导致更高的流行阈值和更小的爆发规模。但个体的自我意识对疫情阈值和爆发规模没有明显影响。此外,本文还研究了在传染病和意识传播相互作用下,身体接触网络的免疫问题。结果表明,目标免疫的免疫效果明显优于随机免疫,且意识扩散可以显著降低随机免疫和目标免疫的免疫阈值。
2016-08-03 cs.SI physics.soc-ph
Epidemic risk from friendship network data: an equivalence with a non-uniform sampling of contact networks
人与人之间的接触在决定传染病如何传播方面起着重要作用。从调查到可穿戴传感器,收集此类接触数据的各种方法并存。然而,在同一背景下通过不同方法获得的数据的比较是稀缺的,特别是在它们在数据驱动的扩散过程模型中的使用方面。在这里,我们使用一个组合的数据集,描述在同一人群中的传感器和友谊关系注册的联系人,以解决这个问题的案例研究。我们调查,如果使用的友谊网络是等效的传感器接触网络上进行的采样过程中的传播过程的模拟结果:这样的等价性确实可能会提示如何补偿从调查中推导出的接触数据的不完整性。我们表明,这确实是这些数据的情况下,一个专门设计的抽样程序,受访者报告他们的邻居的概率取决于他们的接触时间。我们研究了这种特定的抽样程序对几个数据集的影响,讨论了我们的方法的局限性及其在数据驱动的流行病过程模拟中使用各种来源的数据集的可能应用。
2016-04-15 cs.SI physics.soc-ph q-bio.PE
Modularity promotes epidemic recurrence
传染病过程的长期演变在很大程度上取决于接触网络的结构。经验证据表明,人类群体表现出强大的社区组织,我们在这里调查如何影响这种介观配置的流行病复发的可能性。通过对真实社交网络的数值模拟和使用谱方法的理论论证,我们证明了高度传染性的疾病,否则会迅速消失,可以无限期地持续接触网络中的模块化的最佳范围。
2016-11-08 cs.SI physics.soc-ph q-bio.PE
Effect of Coupling on the Epidemic Threshold in Interconnected Complex Networks: A Spectral Analysis
在流行病建模中,术语感染强度表示感染率和治愈率的比率。如果感染强度高于某个阈值--我们定义为流行阈值--那么流行病就会在人群中传播并长期持续。对于一个单一的通用图表示的接触网络的人口正在考虑中,传染病的阈值原来是等于的谱半径的接触图的倒数。然而,在现实世界中,不可能完全隔离一个种群:总有一些与另一个网络的互连,该网络与接触网络部分重叠。互联网络中流行病阈值的结果仅限于均匀混合种群和度分布参数。在本文中,我们采用了频谱的方法。我们展示了在一个给定的网络中,由于与另一个具有固定感染强度的网络相结合,流行病阈值如何变化。在我们的模型中,接触网络和互连是通用的。利用分支理论和代数图论,严格推导了互联网络中的传染病阈值。这些结果对流行病建模和控制的广泛领域具有影响。我们的分析结果支持数值模拟。
2012-12-17 cs.SI math.DS physics.bio-ph
Adaptive Test Allocation for Outbreak Detection and Tracking in Social Contact Networks
我们提出了一个通用的框架,在社会接触网络中的病毒测试的自适应分配。我们提出并解决了几个互补的问题。首先,我们考虑设计一个社会传感系统,其目标是早期发现一种新的流行病爆发。特别是,我们提出了一种算法来选择一个子集的个人进行测试,以检测到的流行病爆发的开始尽可能快。我们把这个问题作为一个命中时间概率最大化问题,并使用子模块优化技术来获得明确的质量保证所提出的解决方案。第二,一旦检测到疫情爆发,我们考虑随着时间的推移自适应分布病毒测试的问题,以最大限度地提高所获得的有关疫情当前状态的信息。我们正式这个问题的信息熵和互信息,并提出了一个自适应分配策略的质量保证。对于这些问题,我们推导出任何随机房室传染病模型与马尔可夫动力学的解析解,以及有效的基于蒙特卡罗算法的非马尔可夫动力学。最后,我们在数值实验中说明了所提出的框架的性能,该实验涉及将Covid-19模型应用于真实的人类接触网络。
2020-11-03 cs.SI physics.soc-ph
Scaling of contact networks for epidemic spreading in urban transit systems
流动性的改善不仅有助于更密集的人类活动,而且也促进了传染病的传播,从而对数十亿城市通勤者构成重大威胁。在这项研究中,我们提出了一个多城市的调查,传染病传播的地铁乘客。我们使用中国三个特大城市的智能卡数据来构建个人层面的接触网络,并在此基础上对疾病的传播进行建模和研究。我们观察到,虽然在城市形态,网络布局和移动模式的不同,三个城市的地铁系统有相似的接触网络结构。这促使我们开发一个通用的生成模型,捕捉接触的数量分布,以及个人旅行者之间的接触持续时间。该模型解释了地铁接触网的结构特性如何与传染病的风险水平相关联。我们的研究结果强调了疾病爆发期间城市公共交通系统的脆弱性,并提出了减轻传染病风险的重要规划和运营策略。
2020-02-10 cs.SI physics.data-an physics.soc-ph
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
Information content of contact-pattern representations and predictability of epidemic outbreaks
了解人群的接触模式--谁与谁接触,以及接触发生的时间--对于传染病爆发的建模至关重要。传统的理论流行病学假设,任何人都可以以相等的概率遇到任何人。一种更现代的方法,网络流行病学,假设人们连接到一个静态的网络,疾病通过这个网络传播。较新的时间网络流行病学,包括接触表示中的时间。在本文中,我们研究的效果,这些连续的包含更多的信息。使用经验接近数据,我们研究了未知来源的爆发规模,并从已知状态的持续爆发。在第一种情况下,从完全混合模拟到网络,以及从网络到时间网络,存在很大的差异。在第二种情况下,差异较小。我们解释这些意见的时间网络结构的数据集。例如,节点和链接的快速翻转似乎使时间信息更加重要。
2015-03-23 cs.SI physics.soc-ph q-bio.PE
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
Sideward contact tracing and the control of epidemics in large gatherings
有效的接触者追踪对于在不干扰社会活动的情况下遏制传染病传播至关重要,特别是在目前与大流行病爆发共存的时期。大型聚会起着关键作用,可能有利于超级传播事件。然而,迄今尚未充分评估大规模群体追查的影响。我们发现,除了向前追溯,重建疾病传播的人,向后追溯,寻找疾病传播的人,第三个“侧向”跟踪总是存在的,当跟踪聚会。这是一种间接追踪,可以检测到感染的无症状个体,即使他们既没有被指示病例直接感染,也没有将感染直接传播给指示病例。我们分析了这种影响的传染病传播的SARS冠状病毒-2的模型,在单纯的活动驱动的时间网络的框架内。我们确定的贡献的三个跟踪机制的抑制传染病传播,表明侧向跟踪诱导的跟踪效率的非单调行为,作为一个函数的大小的聚会。根据我们的研究结果,我们建议一个最佳的选择,以跟踪的集会的大小,我们测试的策略在大学校园集会的经验数据集。
2022-05-17 cs.SI physics.soc-ph q-bio.PE
A message-passing approach to epidemic tracing and mitigation with apps
随着新的大流行威胁的打击,需要科学框架来了解这一流行病的发展。为了控制新的感染病例并遏制进一步传播,使用能够追踪接触者的移动应用程序至关重要。在这里,我们提出了一个理论方法,同时使用渗透和消息传递技术,接触追踪的作用,在减轻流行病的浪潮。我们展示了应用采用水平的增加如何提高流行阈值的值,当优先针对高度节点时,该值最终最大化。分析结果进行了比较,广泛的蒙特卡罗模拟表现出良好的协议,均质和异构网络。这些结果对于量化接触追踪应用程序有效缓解流行病所需的采用水平非常重要。
2021-02-12 cond-mat.dis-nn cond-mat.stat-mech cs.SI
Predicting epidemic risk from past temporal contact data
了解流行病如何在系统中传播是预防和控制疫情的关键一步,对系统的功能,健康和相关成本具有广泛的影响。这可以通过确定感染风险较高的因素和实施有针对性的监测和控制措施来实现。需要考虑的一个重要因素是各要素之间的疾病传播接触模式,但缺乏数据或在提供最新记录方面的延误可能会妨碍其使用,特别是对于时变模式。在这里,我们探讨在没有更新数据的情况下,在多大程度上可以使用系统接触模式的过去时间数据来预测新出现的疫情期间其元素的感染风险。我们专注于两个现实世界的时间系统;牲畜之间的动物控股流离失所贸易网络,和高端卖淫的性接触网络。我们将节点的忠诚度定义为其随时间推移与相同元素保持联系的趋势的局部度量,并揭示了与节点流行病风险的重要非平凡相关性。我们表明,风险评估分析,结合这些知识,并根据过去的结构和时间模式属性提供了准确的预测这两个系统。通过引入一个理论模型来生成合成时间网络,测试了它的推广性。我们的预测的高准确性在不同的设置中恢复,而可能的预测量是系统特定的。所提出的方法可以为有针对性的干预策略的设置提供关键信息。
2015-03-13 cs.SI physics.soc-ph
The Effects of Diffusion of Information on Epidemic Spread -- A Multilayer Approach
在这项工作中,目的是研究传染病的传播和多层次社会系统的信息。其主要思想是找到一个标准,根据该标准,采用传播信息阻止或抑制流行病的传播。两层网络是模型的基础。第一层描述了直接接触的互动,而第二层是信息传播层。这两个层由相同的节点组成。这个社会由五种不同类别的人组成:易感者、感染者、康复者、接种疫苗者和感染者。最初,只有一个受感染的个体开始传播感染。直接接触相互作用将感染传播给易感者。信息通过第二层传播。SIR模型用于描述感染传播,而Bass方程用于描述信息的采纳。信息传播与疾病传播竞争的控制参数是网络的拓扑结构和连通性密度。信息层的拓扑结构是一个无标度网络,其边缘密度不断增加。在接触层中,每个节点具有相同平均度的规则和无标度网络可以互换使用。观察结果是,接触网络的日益复杂性降低了个体意识的作用。如果接触层由具有有限范围连接的网络组成,或者边缘比信息网络稀疏,则信息的传播在控制流行病方面起着重要作用。
2021-03-13 cs.SI physics.soc-ph
Evolving nature of human contact networks with its impact on epidemic processes
人类的接触网络是由众多的个体和他们之间的成对接触构成的。然而,动态的性质,产生人类接触网络的演变,接触模式是未知的。在这里,我们分析了三个经验数据集,并确定了两个关键机制的时间人类接触网络的演变,即活动状态的过渡法律,为一个人是社会积极的,和积极的个人采取的接触建立机制。我们考虑这两种机制,提出了一个时间网络模型,命名为记忆驱动(MD)模型,人类接触网络。然后,我们研究了人类经验接触网络和四个相应的时间网络模型上的传染病传播过程,并比较了不同传染率下网络上传染病传播过程的完全流行时间。MD模型中SI过程的完全流行时间与现实世界中的人类接触网络中的SI过程的完全流行时间相同。此外,我们还发现,个体活动状态的转换促进了传播过程,而活动个体的接触建立则抑制了传播过程。除此之外,我们观察到,即使是一小部分人探索新的社会关系,也能够引起网络上的爆炸性传播。该框架有助于进一步研究人类时间接触网络中的动态过程,并为预测和控制网络中的扩散过程提供新的思路。
2019-05-21 cs.SI physics.soc-ph q-bio.PE
Competing control scenarios in probabilistic SIR epidemics on social-contact networks
现实社会接触网络上流行病演变的概率方法允许受试者之间的特征差异,包括社会接触的个体数量和结构,以及根据年龄或医疗先决条件的感染和恢复率的异质性。在我们的概率易感性传染性删除(SIR)模型的社会接触网络,我们评估的“感染负荷”或“激活利润”的各种控制方案,通过限制,通过接种疫苗,以及它们的组合。我们比较了适用竞争或合作控制策略的亚群的流行病负担。随机社会接触图,旨在表现出现实的人与人的接触特性,并遵循近“同质”或“块本地化”亚群传播的模拟实验进行。标量化方法用于多目标优化问题,其中感染负荷最小化和每个子群体的控制策略偏好排序的坚持程度最大化。我们得到的复合支付矩阵的两个子群施加对比的控制策略,每个根据其适当的排名控制策略的偏好。讨论了根据每个亚群的复合目标并根据其适当的排名强度的纳什均衡。最后,讨论了控制策略的相互作用效果,并与两个亚群的传播类型有关。
2022-02-10 cs.SI q-bio.PE
GEMFsim: A Stochastic Simulator for the Generalized Epidemic Modeling Framework
最近提出的广义流行病建模框架(GEMF)\cite{sahneh2013generalized}为系统地构建复杂网络上的广谱随机传播过程奠定了基础。本文建立了一个精确的,连续时间的数值模拟基于GEMF的过程的算法。此外,该算法的实现,GEMFsim,可在流行的科学编程平台,如MATLAB,R,Python和C; GEMFsim有助于模拟适合GEMF框架的随机传播模型。使用这些模拟可以检查的准确性,通常用于分析研究复杂网络上的传播过程的平均场型近似。
2016-04-07 cs.SI math.DS physics.soc-ph
Dynamical interplay between awareness and epidemic spreading in multiplex networks
我们提出了两个过程之间的相互关系的分析占流行病的传播,并防止其感染的信息意识,在多重网络的顶部。这种情况是一个流行病的过程中传播的持久的真实接触的网络,和一个循环的信息意识过程中传播的虚拟社会接触网络之间的相同的个人。拓扑结构对应于一个多重网络,其中两个扩散过程相互作用,相互影响。使用微观马尔可夫链方法(MMCA)的分析揭示了流行病的发病率的相图,并允许捕获的流行阈值的演变取决于多路复用的拓扑结构和与意识过程的相互关系。有趣的是,流行病爆发的临界点有一个由意识动态和虚拟网络拓扑定义的临界值(亚临界点),从该临界点开始,爆发时间增加,流行病发生率降低。
2013-09-19 cond-mat.stat-mech cs.SI physics.soc-ph
A Machine Learning Framework for Constructing Heterogeneous Contact Networks: Implications for Epidemic Modelling
University of Warwick(华威大学)
本文提出基于机器学习的框架,生成保留年龄结构混合和接触异质性的大规模接触网络,用于模拟传染病传播并评估公共卫生干预效果。
2026-03-14 cs.SI stat.AP
Temporal Heterogeneities Increase the Prevalence of Epidemics on Evolving Networks
实证研究表明,接触模式遵循异质的事件间时间,这意味着高活动的间隔之后是不活动的时期。结合个人的出生和死亡,这些时间限制以非平凡的方式影响感染的传播,并取决于特定的接触动态。我们提出了一个随机模型来生成时间网络,其中顶点在异构事件间时间之后进行瞬时接触,并以固定的速率离开和进入系统。我们研究这些时间属性如何影响感染的流行,并估计R0,继发感染的数量,通过模拟感染(SIR,SI和SIS)与网络结构的共同发展。我们发现,异质接触模式导致更早和更大的流行病的SIR模型相比,同质的情况。在SI和SIS的情况下,流行病在早期阶段更快(高达90%的患病率),然后在异质模式的情况下,渐近极限减慢。在存在出生和死亡的情况下,与平均事件间隔时间相同的同质假设相比,异质模式总是导致更高的流行率。我们的研究结果表明,R0可能被低估,如果时间异质性不考虑在流行病的建模。
2012-06-26 cs.SI physics.med-ph physics.soc-ph
Delocalized Epidemics on Graphs: A Maximum Entropy Approach
复杂网络上的易感-感染-易感(SIS)流行病过程具有亚稳定性,类似于地方病平衡点。在一般情况下,亚稳态可能涉及网络的大部分,或者它可以局限于接触网络的小子图上。局部感染并不令人感兴趣,因为真正的爆发涉及接触图的网络范围内的入侵,而不是接触网络内某些站点的局部感染。现有的方法本地化现象遭受的一个主要缺点:他们完全依赖于平均场近似模型的稳态解在其相变点附近,他们的近似精度是最差的,统计物理告诉我们。我们提出了一个分散熵的措施,量化的感染在一个通用的接触图的本地化。通过对一个最大熵问题的描述,我们找到了精确SIS过程中可能的亚稳态的色散熵的一个上界。因此,我们找到了足够的条件,使得网络上的任何初始感染要么消失,要么达到局部亚稳态。与现有的研究依赖于平均场近似模型的解决方案,我们的调查流行病本地化的基础上,精确的SIS方程的特点。我们所提出的方法提供了一个新的范式在复杂网络上研究传播过程。
2016-05-01 cs.SI math.DS physics.soc-ph
A Bayesian generative neural network framework for epidemic inference problems
Politecnico di Torino(都灵理工大学)
传染病在接触网络上传播的缺失信息的重建在预防和遏制策略中是必不可少的。识别和警告有传染性但无症状的个体(即,接触者追踪)、众所周知的零病人问题或结构化群体中传染性值的推断是重要的流行病推断问题的例子。由于可能的流行级联的数量随着所涉及的个体数量呈指数级增长,并且其中只有几乎可以忽略的子集与观察结果相符(例如,医学测试),接触网络中的流行病推断提出了令人难以置信的计算挑战。我们提出了一个新的生成神经网络框架,学习生成最可能的感染级联与观察兼容。所提出的方法实现了更好的(在某些情况下,显着更好)或现有的方法在所有的问题,考虑在合成和真实的接触网络的结果。鉴于其通用性,明确的贝叶斯和变分性质,所提出的框架铺平了道路,以解决基本的推理流行病问题,在小型和中型的真实情况下,如在工作场所和医院的感染传播的高精度。
2022-11-18 cond-mat.stat-mech cs.AI cs.LG
Higher-order Interaction Matters: Dynamic Hypergraph Neural Networks for Epidemic Modeling
针对传统流行病模型忽略高阶交互的问题,提出动态超图神经网络框架 EpiDHGNN,通过超图建模位置与个体层面的复杂关系,在源头检测与预测等任务上优于基线,为公共卫生决策提供可靠见解。
2025-04-01 cs.SI
Critical behavior of the contact process in a multiscale network
受登革热和黄热病流行的启发,我们研究了多尺度网络中的接触过程(CP),该网络由通过Barabási-Albert无标度网络连接的一维链构成。除了链内的CP动力学之外,连接的链之间的个体交换(旅行)以恒定的速率发生。发现了一个有限的流行阈值和一个在亚临界阶段呈指数发散的流行平均寿命,伴随着爆发持续时间的幂律发散,提出了一个包含规则和SF分量的广义标度函数用于准平稳分析,并确定了相关的临界指数,证明了这个混合网络上的CP和非零旅行率建立了一个新的普适类。
2011-01-06 cond-mat.stat-mech cs.SI physics.soc-ph
Epidemics in a Synthetic Urban Population with Multiple Levels of Mixing
Institute for Applied Computing, CNR(应用计算研究所,意大利国家研究委员会);Institute for Complex Systems, CNR(复杂系统研究所,意大利国家研究委员会);Department of Physics, Sapienza University(罗马大学物理系)
本文研究了在具有多级混合的合成城市人口中的流行病传播,通过构建基于人口普查和调查数据的地理参考和年龄分层的合成城市人口,考虑了日常接触和其他频繁接触的不同类型互动,并允许个体之间有偶然的稀有互动。研究通过模拟典型中等大小意大利城市中的流行病扩散,分析了流行病爆发速度、普及程度和可预测性,发现年龄结构化的接触模式导致更快和更广泛的爆发,而交互频率随距离衰减的影响微乎其微。初步证据显示城市地区存在分层空间扩散模式,低密度和高密度地区存在两种流行病传播模式。
2026-05-18 cs.CE cs.SI
Boundary Degree as a Node-level Feature for Epidemic Scenario Identification in Agent-based Cascade Simulations
Biocomplexity Institute(生物复杂性研究所)
提出边界度作为节点级级联特征,通过消融实验证明其单独提升场景识别准确率19%,并理论证明无边界或边信息时某些场景不可区分。
2026-07-07 cs.LG cs.SI
A statistical network analysis of the HIV/AIDS epidemics in Cuba
1986年建立的古巴接触者追踪检测系统使人们得以重建和分析这一流行病背后的性网络(5 389个顶点和4 073条边,由2 386个节点和3 168条边组成的巨大组成部分),从而揭示了艾滋病毒的传播和接触者追踪的作用。基于模块化优化的聚类提供了更好的可视化和对网络的理解,并结合协变量的研究。该图具有全局低但不均匀的密度,具有高内部连通性但低互连性的集群。虽然描述性的,我们的研究结果铺平了道路,将结构时,研究随机SIR流行病传播的社交网络。
2015-05-22 cs.SI stat.AP
A stochastic geospatial epidemic model and simulation using an event modulated Gillespie algorithm
我们开发了一个模型和一个软件包,用于COVID-19和其他类似传染病传播的随机模拟,该模型和软件包考虑了接触网络结构和人口密度的地理分布,详细到个人位置的水平。我们的分析框架包括一个代理模型优化过程,用于将模型参数快速拟合到观察到的病例、住院和死亡的流行曲线。这套工具(模型、模拟代码和优化器)是政策制定者和流行病应对团队的有用工具,他们可以用它来预测当地环境(从城镇到大国)的流行病发展情景,并设计最佳应对策略。模拟代码还包括一个地理空间可视化子系统,直接在人口密度图上呈现流行病场景的详细视图。我们使用开发的框架来预测COVID-19在瑞士日内瓦州的传播。
2021-05-18 cs.SI q-bio.PE