Connectivity disruption sparks explosive epidemic spreading
我们调查的传染病或级联性质的其他故障时,系统组件可以恢复,只有当它仍然可以从一个功能的中央组件的传播。我们考虑了网络上典型的数学流行病学中的易感-感染-易感模型。感染从受感染的节点传播到健康的节点,另外,受感染的节点只有在通过仅包含健康节点的路径保持连接到预定义的中心节点时才能恢复。在这个系统中,被感染节点的集群将吸收它们未被感染的内部,因为中心节点和封装节点之间不存在路径。这导致多个节点同时感染。有趣的是,系统只会收敛到两个稳定状态中的一个:要么整个种群都是健康的,要么完全被感染。这种同时发生的集群感染可能会导致故障节点数量出现不同大小的不连续跳跃。感染率越低,跳跃越大。网络拓扑结构的过渡的性质有一个重要的影响:我们观察到的滞后与占主导地位的本地相互作用的网络。我们的模型显示了当局部传播在更大的空间尺度上破坏连通性时,它是如何突然变得不可控制的。
2016-04-26 physics.soc-ph
Infection patterns in simple and complex contagion processes on networks
本文对比网络上多种简单与复杂传染模型,揭示简单传染的感染模式高度稳健,而复杂及阈值传染会随参数和互动机制产生显著差异。
2024-06-04 physics.soc-ph
Spreading of infections on random graphs: A percolation-type model for COVID-19
利用渗流理论中的概念,我们引入了一个网络上的传染病传播模型。该模型的动机是讨论标准的SIR模型,扩展到描述人口内的封锁的影响。的基本思想和行为的晶格模型,实现使用相同的锁定方案的SIR计划,详细讨论和说明了广泛的模拟。就美国COVID-19数据的情况提供了两种模型之间的比较。这两个拟合的经验数据是非常好的,但两种方法之间出现了一些差异,这表明有一个替代的方法,广泛的SIR模型的有用性。
2020-06-01 physics.soc-ph q-bio.PE
Infection percolation: A dynamic network model of disease spreading
疾病传播模型对于预测人群中的感染增长和评估公共卫生政策至关重要。然而,标准模型通常使用宏观参数来表示个体之间的疾病传播的动态,这些宏观参数不能准确地表示人与人之间的变异性。为了解决这个问题,我们提出了一个动态网络模型,提供了一个简单的方法,将疾病传播动态在个人规模以及在人口规模的完整时空感染史。我们发现,疾病通过社会网络传播是一种感染的行波,随后是康复的行波,传播的开始和动力取决于疾病传播和康复之间的相互作用。我们利用这些见解来开发一种预测不同疾病和人群感染动态的标度理论。此外,我们展示了感染易感性的空间异质性如何加剧或平息疾病的传播,这取决于其传染性。最终,我们的动态网络方法提供了一种简单的方法来模拟疾病传播,统一了以前的研究结果,并可以推广到不同的疾病,遏制策略,季节性条件和社区结构。
2021-03-17 cond-mat.stat-mech cs.SI nlin.AO
The Accuracy of Mean-Field Approximation for Susceptible-Infected-Susceptible Epidemic Spreading
传染病传播已经被研究了很多年,通过应用平均场方法,在均匀的情况下,每个节点可能被感染的邻居以相同的速率感染,和异质的情况下,不同对节点之间的感染率是不同的。研究者们讨论了平均场方法是否能准确地描述同质情况下的传染病传播,而不能描述异质情况。在本文中,我们将探讨在什么条件下的平均场方法可以表现得很好,当感染率是异质的。特别是,我们采用易感-感染-易感(SIS)模型和比较的平均分数感染节点的亚稳态通过连续时间模拟和平均场近似。我们专注于一个基于个人的平均场近似称为N-交织平均场近似(NIMFA),这是一个先进的方法,认为底层的网络拓扑结构。此外,我们不仅考虑独立同分布(i.i.d.)感染率也与两个末端节点的程度相关。我们的结论是,NIMFA通常是更准确的流行病的患病率较高。给定相同的有效感染率,当i.i.d.\感染率或感染率与淋巴结转移程度之间的相关性导致患病率较低。此外,考虑到相同的实际患病率,NIMFA在以下情况下表现得更好:1)当i.i.d.感染率越小(平均值不变); 2)感染率与淋巴结转移程度呈正相关。
2016-09-05 physics.soc-ph q-bio.PE
On the Universality of Jordan Centers for Estimating Infection Sources in Tree Networks
当我们只知道网络拓扑和受感染节点而不知道感染率时,在网络中找到感染源是一个具有挑战性的组合问题,在实践中甚至更加困难,因为底层感染传播模型通常是先验未知的。在本文中,我们有兴趣找到一个源估计,适用于各种传播模型,包括易感-感染(SI),易感-感染-传播(SIR),易感-感染-传播-感染(SIRI)和易感-感染-易感(SIS)模型。我们表明,在SI,SIR和SIRI传播模型和温和的技术假设下,约旦中心是与最可能的感染路径在一个单一的感染源树网络的感染源。这一结论适用于广泛的传播参数,而它持有的SIS模型下均匀的感染率和恢复率的规则树。由于Jordan中心不依赖于感染率、恢复率和再感染率,因此可将其视为一个普适源估计量。我们还考虑了有k>1个传染源的情况,将Jordan中心定义推广到k-Jordan中心集,并证明了这是SI模型树网络中的最优传染源集估计。各种一般的合成网络和现实世界的网络上的模拟结果表明,约旦中心为基础的估计始终优于介数,贴近度,距离,度,特征向量,和pagerank中心为基础的算法,即使网络不是一棵树。
2016-10-27 cs.SI physics.soc-ph
Spreading dynamics of infectious diseases on structured society with daily cycles
我们面临着一个共同的严重问题,传染病,并试图抑制感染的蔓延。我们需要减少相互接触以减少感染的机会,但这也意味着经济活动的损失。在我们的社会中,这种权衡是不可避免的,因为到目前为止,我们仍然需要直接的沟通和通勤。我们论文的重点是社会结构,我们与之有直接联系。我们用人工社会模型研究传播过程,每个代理人都有一个日周期,每天都去办公室和回家。同时,传染病也是沿着SIR模型传播的。我们表明,慢感染和短通勤可以实现一些结构,反之亦然。这些特征的最有效因素是社会的模块化。在高度模块化的社会中,代理人生活在指定的办公室周围,但代理人通勤很长的路到他们的办公室,并且可以在非模块化社会中快速感染。第一个感染点是功能的另一个因素。如果第一次感染发生在办公室周围,感染传播较慢。相反,如果第一个发生在远离办公室的地方,感染可能很快。我们展示了一个设计原则,高模块化和稀疏分布的办公室,为良好的社会和讨论可能的解决方案,在现实社会中,我们生活在。
2020-05-13 cond-mat.dis-nn cs.SI physics.soc-ph
Behavior of susceptible-vaccinated--infected--recovered epidemics with diversity in the infection rate of the individuals
研究了一个具有多样性感染率的免疫接种-感染-恢复(SVIR)模型。通过分析论证和大量的计算机模拟,我们证明了感染率的异质性可以阻碍或加速传染病传播,这取决于引入人群中的接种个体的数量以及个体之间的接触模式。值得注意的是,只要具有不同能力的个体以不等的频率相互作用,总存在一个交叉点的接种率,低于该交叉点的感染率的多样性阻碍传染病传播和以上加速它的整体结果是鲁棒的SVIR动力学定义在不同的人口模型,可能的应用结果进行了讨论。
2013-12-04 physics.soc-ph q-bio.PE
Epidemic spreading and control strategies in spatial modular network
网络上的流行病传播是网络科学中研究最多的动力学之一,在真实的流行病场景中具有重要意义。然而,真正流行病的动态以及它如何受到感染渠道的底层结构的影响,仍然没有得到充分的了解。在这里,我们应用SIR模型和研究分析和数值的流行病传播最近开发的空间模块化模型,模仿在一个国家的城市结构。该模型假设在一个城市内部,传染渠道连接许多不同的位置,而城市之间的传染渠道较少,通常只直接连接在一个二维平面上的几个最近的邻居城市。我们发现该模型经历了两次传染病转移。第一个较低的阈值表示在一个城市内但未蔓延到整个国家的局部流行病,第二个较高的阈值表示在整个国家的全球流行病。基于我们的解析解,我们提出了几种控制策略,以及如何优化它们。我们还表明,虽然控制策略可以成功地控制疾病,但早期行动是防止疾病全球传播的关键。
2020-09-06 physics.soc-ph
Efficient allocation of heterogeneous response times in information spreading process
近年来,人类活动的时空异质性对传播动力学的影响引起了广泛的关注。为了研究异质响应时间对信息传播的影响,本文基于不相关无标度网络,研究响应时间分布服从可调幂律分布的易感染传播动力学.我们发现,在早期和中期,响应时间的异质性越强,信息传播的速度越快。在一定的异质性条件下,降低个体反应时间和反应程度之间的相关性,也可以加速传播的早中期动态。而在反应后期,反应时间和反应时间-程度相关性的异质性分别导致完全流行时间存在最优值。最佳现象源于异构响应时间的有效分配。
2014-01-22 physics.soc-ph
Competing spreading dynamics in simplicial complex
生物学和社会系统中的相互作用并不局限于成对的,而是可以采取任意大小。大量的研究表明,任意大小的相互作用显着影响网络系统的传播动力学。竞争传播动态,即,几种流行病同时传播并相互竞争的现象在现实世界中已被广泛观察到,但任意大小的相互作用如何影响竞争传播动力学仍然缺乏系统的研究。本文提出了一个由单纯复形表示的高阶系统上的两个竞争单纯易感传染病模型,并分析了该模型的临界现象。在所提出的模型中,易感节点只能被两种流行病中的一种感染,并且感染向邻居的传播可以通过成对(即,边缘)和高阶(例如,2-单形)相互作用。通过平均场(MF)理论分析和数值模拟,我们表明,该模型显示出丰富的动力学行为依赖于2-单纯形感染强度。当2-单纯形感染强度较弱时,模型的相图与简单图一致,由三个区域组成:每个流行病的绝对优势区域和无寄生虫区域。随着2-单纯形感染强度的增加,出现了一个新的相位区,称为交替优势区。在这一区域,一种流行病的存活取决于初始条件。我们的理论分析可以合理地预测时间演变和稳态爆发规模在每个区域。此外,我们还进一步探讨了2-单纯形感染强度对称和非对称时模型的相图。结果表明,2-单纯形感染强度对体系相图有显著影响。
2021-05-18 nlin.CD physics.soc-ph
Spreading of Persistent Infections in Heterogeneous Populations
到目前为止,已经研究了具有异质接触网络的影响,主要是针对在时间上不持久的疾病,即,对于与个体的一生相比,传染期可以被认为非常短的疾病。此外,所有这些先前的结果都是在封闭种群中获得的,其中个体数量在整个流行期间都没有变化。在这里,我们更进一步,从分析和数字两方面分析了一种完全不同的疾病:那些持续性的疾病,可以持续一个人的一生。更具体地说,我们具体到结核病(TB)感染动力学的情况下,感染在出现并传播给其他个体之前会潜伏一段时间。我们引入了一个流行病学模型结核样持续感染考虑到固有的异质性的人口结构。这种动态引入了我们能够解决的新的分析和数值挑战。我们的研究结果表明,对于持续性疾病的流行阈值取决于度分布的前两个时刻的比率,使其在一类无标度网络中当系统接近热力学极限时趋于零。
2010-03-19 cond-mat.stat-mech physics.soc-ph q-bio.PE
Simulating the Spread of Infection in Networks with Quantum Computers
本研究提出用量子计算机模拟网络感染传播,通过类比自旋晶格构型、构建参数化哈密顿量的量子热力学模型模拟经典SI马尔可夫过程,给出参数确定方法,并以小世界网络中奥密克戎传播为例完成验证。
2023-06-14 cond-mat.stat-mech physics.soc-ph quant-ph
Epidemic Spreading with External Agents
我们研究流行病在大型网络中的传播过程,当传播是由少量的外部代理人协助:传染源有界的传播能力,但其运动是不受限制的相对于底层的网络拓扑结构。对于网络的“空间限制”,我们表明,感染的传播可以显着加快,甚至由几个这样的外部代理随机感染。此外,对于一般的网络,我们推导出上界的顺序的传播时间实现某些简单的(随机/贪婪)的外部传播政策。相反,对于某些常见的网络类,如线图,网格和随机几何图形,我们还推导出所有(潜在的网络状态感知和对抗)外部传播策略的传播时间的顺序上的下限;这些对抗的下限匹配(对数因子)的传播时间实现的外部代理与随机传播策略。这表明,由外部代理进行的随机的、状态无关的感染传播实际上是在这种空间受限网络中传播的顺序最优。
2014-04-13 cs.IT cs.NI cs.SI
Epidemic spreading on evolving signed networks
大多数关于疾病传播的研究都认为潜在的社会网络是在没有传染的情况下获得的,尽管流行病会影响人们与他人接触的意愿:一个“友好”的接触可能会变成“不友好”以避免感染。研究了带符号网络上的可感染疾病传播模型,其中每条边都与一个正或负符号相关联,该符号表示其端节点之间的友好或不友好关系.根据Heider的理论,在符号网络中,边符号会进化,最终达到结构平衡的状态,对应于物理学术语中的无挫折。然而,感染的危险影响了其边缘体征的演变。为了描述符号演化和疾病传播的耦合问题,我们通过考虑节点的状态来推广结构平衡的概念。我们引入了一个能量函数,并进行蒙特卡罗模拟完整的网络来测试的能量景观,在那里我们找到本地最小值对应于所谓的堵塞状态。我们研究了初始友好连接与不友好连接的比例对疾病传播的影响。稳定状态可以是平衡状态或拥塞状态,使得系统中的易感节点和受感染节点之间出现共存。
2017-03-09 physics.soc-ph
Worldwide spreading of economic crisis
我们通过构建一个全球经济网络,并应用易感-感染-传播(SIR)传染病模型与可变的感染概率的危机蔓延。感染的可能性取决于两国之间经济关系的强度,以及目标国家的实力。据估计,起源于美国等大国的危机有可能像最近的危机一样蔓延到全球。令人惊讶的是,我们发现,比利时等国内生产总值低得多的国家也能够引发全球危机。使用{ \it k}-壳分解方法来量化(节点的)传播力,我们获得了作为经济网络中每个国家的传播者的“中心性”的度量。因此,我们根据它们所属的外壳对不同的国家进行排名,并找到12个最中心的国家。这些国家最有可能将危机扩散到全球。在这12个国家中,只有6个是大型经济体,其他6个是中小型经济体,这是无法预料的结果。此外,我们使用我们的模型来预测属于不同壳的国家的危机蔓延潜力,根据危机的严重程度。
2010-08-23 physics.soc-ph
How to Identify an Infection Source with Limited Observations
在社交网络中传播的谣言或在社区中传播的疾病可以被建模为在网络中传播的感染。找到感染源是一个具有挑战性的问题,在许多应用程序中,我们只能访问有限的一组观察结果,这使得问题更加困难。我们考虑的问题,估计一个易感感染模型的感染源,其中不是所有的感染节点都可以观察到。当网络是一棵树时,我们证明了与产生有限观测的最可能感染路径相关联的源节点的估计量由Jordan中心给出,即,与观察到的感染节点的集合具有最小距离的节点。我们还提出了一般网络的近似源估计。在各种合成网络和真实网络上的仿真结果表明,我们的估计性能优于基于距离、接近度和介数中心性的算法。
2014-04-02 cs.SI physics.soc-ph
Identifying influential spreaders and efficiently estimating infection numbers in epidemic models: a walk counting approach
我们引入了一种新的方法,有效地近似的感染数量从一个给定的初始感染节点在网络中的易感个体。我们的方法是基于计算网络中每个其他节点的各种长度的可能感染步行的数量。我们分析研究了我们的方法的属性,特别是展示了SIS和SIR疾病传播的不同形式(例如,在SIR模型下,我们的方法计算了自我回避的行走)。与现有的方法来推断网络中不同节点的传播效率(基于度,k壳分解分析和不同的中心性度量)相比,我们的方法直接考虑了传播过程,因此,在提供实际感染数量的估计方面是独一无二的。至关重要的是,在模拟感染在各种现实世界的网络与SIR模型,我们表明,我们的步行为基础的方法提高了推断的有效性节点在广泛的感染率相比,现有的方法。我们还分析了估计精度和计算成本之间的权衡,表明这里仍然可以获得更好的精度在一个可比的计算成本,其他方法。
2012-10-24 cs.SI physics.bio-ph physics.soc-ph
Traffic-driven SIR epidemic model on networks
提出了一个新的SIR传染病模型,该模型由网络中的感染包传输驱动。具体地说,感染节点产生并传递感染包,导致疫情的传播,而恢复节点阻止感染包的传递,这抑制了传染病传播。在分组传输中使用由控制参数$α$管理的高效路由协议。通过仿真得到了感染节点的最大瞬时种群、感染节点的最大种群以及相应的最优$α$。我们发现,一般更平衡的负载分布会导致更激烈和广泛的传播网络中的流行病。增加节点的平均度或度分布的均匀性都有利于传染病传播。当数据包生成率$ρ$较小时,增加$ρ$有利于传染病传播。然而,当$ρ$足够大时,出现抑制传染病传播的交通堵塞。
2015-02-18 cs.SI physics.soc-ph
Particle modeling of the spreading of Coronavirus Disease (COVID-19)
截至二零二零年七月底,COVID-19疫情已感染超过一千七百万人,并已蔓延至全球几乎所有国家。对此,世界各地许多国家都采用了不同的方法来降低感染率,例如包括病例隔离、关闭学校和大学、禁止公共活动,以及大多数强制社交距离,包括地方和国家封锁。在我们的工作中,我们使用基于蒙特卡罗(MC)的算法来预测不同人口密度下的病毒感染率。我们使用三种不同的封锁模型和八种不同的约束组合来测试冠状病毒的传播,这使我们能够检查每个模型和约束的效率。在本文中,我们测试了三种不同的时间周期模式的无限制/锁定模式。该模型的主要预测是,每个时间周期包含至少10天锁定的无限制/锁定的循环时间表可以帮助控制病毒感染。特别是,这种模式在伴随着社交距离和对有症状的患者的完全隔离时降低了感染率。
2020-08-03 physics.soc-ph q-bio.PE
Critical paths in a metapopulation model of H1N1: Efficiently delaying influenza spreading through flight cancellation
近年来,通过人类旅行网络传播的疾病一直是人们非常感兴趣的话题,正如在甲型H1N1流感或SARS大流行爆发期间所目睹的那样。阻止航空公司网络传播的一种方法是根据机场的乘客总数对主要机场或网络枢纽实施旅行限制。在这里,我们测试了使用边缘去除的替代策略,取消有针对性的航班连接,而不是限制网络枢纽的流量,以控制航空公司网络的传播。我们采用了一个SEIR集合种群模型,该模型考虑了城市人口,模拟了城市内和500强机场网络中的感染,并测试了不同的航班取消方法来限制感染过程。通过随机全球传播模型模拟的全球传播感染所需的时间用于对候选控制策略进行排名。该模型包括在人口水平上的本地传播动态和从真实的全球航空旅行数据中获得的远程连接。在这个网络中的模拟传播表明,在取消了四分之一的城市之间的航班连接后,传播感染的人数减少了37%,这是由介数中心性选择的。关闭整个机场的替代策略导致相同数量的航班取消,只减少了18%的感染。总之,与关闭整个机场相比,选择城市之间排名高的单一航班取消更有效,从而减少感染流感的人数。这也是一种更有效的战略,在减少感染的同时,影响到更少的乘客。在我们网站http://www.biological-networks.org上的资源链接下可以找到500强机场之间的连接网络。
2012-05-15 cs.SI physics.soc-ph q-bio.PE
Equivalence between non-Markovian and Markovian dynamics in epidemic spreading processes
一个一般的形式主义,允许网络上的非马尔可夫过程的稳态减少到等价的马尔可夫过程在相同的基板。传染病传播过程的例子被认为是详细的,所有的非马尔可夫方面被捕获在一个单一的参数,有效的感染率。值得注意的是,这一结果与底层网络的拓扑结构无关,正如二维晶格和各种类型的随机网络的数值模拟所证明的那样。此外,引入了有效感染率的解析近似,这使得非马尔可夫动力学的临界点和临界指数的计算成为可能。
2017-01-10 cond-mat.stat-mech physics.soc-ph
Epidemic spreading under game-based self-quarantine behaviors: The different effects of local and global information
本研究构建博弈-流行病模型,探究局部与全局信息对自我隔离行为及疾病传播的影响,发现局部信息能有效控制疫情,而全局信息导致下降期感染曲线震荡,且异质网络中疾病更难传播。
2024-07-17 physics.soc-ph
Infection-induced Cascading Failures -- Impact and Mitigation
本文研究单向依赖网络中感染引发级联失效的双层传播问题,提出基于动态消息传递的推断算法和结合最优控制的优化算法,以系统评估影响并有效缓解网络故障。
2024-05-05 cond-mat.dis-nn math.OC physics.soc-ph
Epidemic spreading in evolving networks
在无标度稳态网络的情况下,建立了一个传染病传播模型,并对该模型进行了分析。结果发现,与人们天真的预期相反,重新布线的过程通常倾向于抑制传染病传播。特别是它被发现,在静态网络中,重新布线网络的度分布指数$γ>3$表现出一个阈值的感染率低于该流行病在稳定状态下消亡。然而,在重新布线的情况下,阈值更高。对于$2<γ\leq 3$,不存在这样的阈值,但是对于小的感染率,感染节点的稳态密度(流行率)对于重新布线网络是较小的。
2010-01-22 cond-mat.stat-mech physics.soc-ph q-bio.OT
Optimal Allocation of Resources for Suppressing Epidemic Spreading on Networks
有效配置有限的医疗资源是控制网络流行病传播的关键。基于易感-感染-易感模型,在每个节点的治愈率与其医疗资源正相关的条件下,解决了如何最好地分配有限的资源以使患病率最小的优化问题.利用猝灭平均场理论和异质平均场(HMF)理论,证明了当每个节点的治愈率与其度成正比时,传染病的爆发将得到最大程度的抑制,在此条件下,有效感染率$λ$存在一个最大阈值$λ_c^{opt}=1/\left\langle k \right\rangle$,其中$\left\langle k \right\rangle$为底层网络的平均度.对于弱感染区域($λ\gtrsimλ_c^{opt}$),本文将摄动理论与拉格朗日乘子法(LMM)相结合,导出了治愈率最优分配的解析表达式,并得到了相应的最小患病率。对于一般感染域($λ>λ_c^{opt}$),利用HMF理论和LMM将高维优化问题转化为低维非线性方程组的数值求解。与直觉相反,在强感染区域,低度节点应比高度节点分配更多的医疗资源,以最大限度地降低患病率。最后,我们使用模拟退火来验证理论结果。
2017-02-26 physics.soc-ph q-bio.PE
Epidemic spreading driven by biased random walks
随机游走是在许多网络应用中发现的基本机制之一。研究了复杂网络上由有偏随机游动驱动的传染病传播动力学。在我们的传染病模型中,每次被感染的节点不断地通过有偏随机游走将一些被感染的数据包传播到它们的邻居节点,导致接收数据包的易感节点被感染。被感染的节点以固定的概率从感染中恢复。对模型和真实网络的仿真分析结果表明,随着感染节点的传递能力、节点平均度、节点度分布均匀性的增加,传染病传播的强度和范围都增大。此外,还存在相应的最优参数,使得感染节点瞬时拥有最大种群,传染病传播过程覆盖网络的最大部分。
2014-08-01 cs.SI physics.data-an physics.soc-ph
Analytic solution of Markovian epidemics without re-infections on heterogeneous networks
本文针对无重复感染的异构网络马尔可夫流行病模型,给出了连续时间仓室过程的解析闭式解,将特征值与接触图割集关联,并解析求解了SI和SIR过程,同时指出该方法可扩展至非马尔可夫、时序网络及单纯形传染等更复杂情形。
2023-11-28 physics.soc-ph
Slow epidemic extinction in populations with heterogeneous infection rates
我们探讨了人与人之间互动强度的异质性如何影响传染病传播。为此,我们研究了复杂网络上的易感-感染-易感模型,其中连接个体$i$和$j$的链接被赋予与其接触$w_{ij}$的强度成比例的感染率$β_{ij} = λw_{ij}$,分布$P(w_{ij})$取自Cattuto $et\;al.$(PLoS ONE 5,e11596,2010)中分析的面对面实验。我们发现一个非常缓慢的衰减的感染个体的分数,控制参数$λ$的范围很广。使用的宽度$a$的分布,我们确定了两个大的区域中的$a-λ$空间与异常行为,这是让人想起罕见的区域效应(格里菲斯阶段)中发现的模型淬火无序。我们表明,缓慢的灭绝是由孤立的小群体高度互动的个人,这使流行病存活了很长一段时间。平均场近似和逾渗方法分别以非常高的准确度捕获了弱(小$a$)和强(大$a$)无序的吸收活性转变线。
2013-08-27 physics.soc-ph
Asymmetrically interacting dynamics with mutual confirmation from multi-source on multiplex networks
在流行病发生的初期,由于缺乏确切的信息,个体采取保护措施以降低自身感染风险、抑制疾病传播的决心很可能依赖于多个信息来源及其相互印证。本文将层间相互确认机制引入到多重网络上的信息-疾病相互作用动力学中。在我们的模型中,个体一旦从多个层次的邻居状态中确认消息的真实性和疾病的严重性,就会增加信息传递率和采取防护措施的意愿。利用微观马尔可夫链方法,解析计算了稳态下的流行阈值、感知度和感染密度,与仿真结果吻合较好。我们发现,在确定有意识的邻居时,传播阈值的增量在通信层比在接触层大。相反,从接触层确认邻居的感知和感染导致比通信层更低的最终感染密度和更高的感知密度。研究结果提示,个体对邻居,尤其是与邻居有真实接触的人,明确暴露自己的感染和知晓状况,有助于抑制传染病传播。
2021-01-05 physics.soc-ph
Universal nonlinear infection kernel from heterogeneous exposure on higher-order networks
不同环境中的个体共居是在社交网络上暴露于传染病的重要前提。标准的流行病模型未能捕捉到这种情况的潜在复杂性,因为(1)忽略了接触的高阶结构,这些接触通常发生在工作场所、餐馆和家庭等环境中;(2)假设接触受感染的接触者与感染风险之间存在线性关系。在这里,我们利用超图模型来拥抱环境的异质性和这些环境中的个体参与的异质性。我们发现,结合异质性暴露与最小感染剂量的概念,导致感染接触者和感染风险之间的普遍非线性关系。在非线性感染核函数下,传统的流行病理论随着不连续转变、超指数传播和滞后现象的出现而瓦解。
2021-07-27 nlin.AO physics.soc-ph
Effect of Mitigation Measures on the Spreading of COVID-19 in Hard-Hit States
州政府强制推行的社交距离措施有助减缓COVID-19疫情在美国的增长。目前COVID-19发展的预测模型,特别是在缓解措施之后,主要基于从其他国家推断的数据。由于大多数州在3月底执行了居家令,其影响应反映在4月底的死亡和感染人数中。使用截至4月25日的数据,我们调查了缓解措施导致的感染率变化,并预测了截至2020年9月的死亡和感染人数,其中包括一些受影响最严重的州:纽约州,新泽西州,密歇根州,马萨诸塞州,伊利诺伊州和路易斯安那州。我们发现,在目前的缓解努力下,这六个国家中有五个将其繁殖数量减少到小于1的值,阻止了大流行的指数增长。我们还预测了缓解措施放松后的不同情景。对其他州的分析可以在https://covid19projection.org/上找到。
2020-04-30 physics.soc-ph q-bio.PE
Parasite Spreading in Spatial Ecological Multiplex Networks
网络生态学是定量生物学的一个新兴领域,它将生态系统描述为复杂网络。一个合适的例子是寄生虫传播:几种寄生虫可能通过不同的机制在宿主之间传播,每一种寄生虫都产生一个相互作用的网络。同时模拟这些网络化的生态相互作用仍然是一个开放的挑战。我们提出了一种新的空间嵌入式多重网络框架,用于模拟通过多种传播途径传播的多宿主感染。我们的模型受到T. cruzi,一种通过营养和媒介机制传播的寄生虫。我们的生态网络模型是由一个多重节点代表物种种群相互作用,通过食物网和寄生虫污染层在同一时间。我们在两种不同的情况下模拟了SI动态:一个简单的理论食物网和一个经验。我们在这两种情况下的模拟表明,当营养和污染的相互作用被认为是以相等的速率时,感染是更广泛的。这表明,营养和污染的传输可能有实际生态系统中的累加效应。我们还发现,在社区中的媒介,主机的比例(i)至关重要的影响感染传播,(ii)调节寄生虫传播的速度和(iii)增加宿主的感染率的一个阶段性转变。通过免疫相同的分数的捕食者和猎物的人口,我们表明,多重拓扑结构是基本的概述的作用,每个宿主物种在寄生虫传播在一个给定的生态系统。我们还表明,多重模型提供了一个更丰富的现象学的寄生虫传播动力学相比,单层模型。我们的工作开启了新的挑战,并为网络系统中的多通道传播建模提供了新的定量工具。
2016-09-09 physics.bio-ph physics.soc-ph q-bio.PE
Scaling features in the spreading of COVID-19
自COVID-19爆发以来,已进行了许多数据分析。其中一些是基于经典的流行病学方法,假设指数增长,但一些研究报告说,幂律缩放可能会提供一个更好的适合目前可用的数据。因此,我们检查了中国的数据(01/20/2020- 02/24/2020),确实发现在相当长的时间段内,增长密切遵循幂律动力学。确诊感染、死亡和治愈病例数的指数分别为$2.48(20)$、$2.21(6)$和$4.26(12)$,表明大流行中存在潜在的小世界网络结构。虽然死亡人数和治愈人数尚未出现明显的幂律增长,但感染人数明显出现负偏差,特别是湖北以外地区。这表明由于巨大的遏制努力,病毒传播开始放缓。同时,我们发现,尽管湖北省和湖北以外地区的感染人数的增长动力学表现出显着的差异,但湖北省和湖北以外地区的感染人数增长动力学表现出很大的相似性。在此基础上,在双对数图中,我们对湖北以外地区的感染人数进行了重新标度,使其尽可能与中国的总感染人数重叠,由此近似外推得到2020年3月3日左右的大流行最大值,感染人数约为$83,000$。此外,通过分析双对数尺度下的死亡率动力学,我们粗略估计,在3月3日附近,湖北省的COVID-19死亡率约为$4.7\%\thicksim 5.0\%$,湖北以外地区约为$0.7\%\thicksim1.0\%$。我们强调,我们的预测在数量上可能是不可靠的,因为数据分析纯粹是经验性的,并且使用了各种假设…
2020-02-25 physics.data-an physics.soc-ph q-bio.PE
Infection propagator approach to compute epidemic thresholds on temporal networks: impact of immunity and of limited temporal resolution
一个传播过程的流行病阈值表明了发生广泛传播制度的条件,从而代表了网络对流行病的脆弱性的预测。这种阈值取决于疾病的自然史和网络的接触模式及其时间变化。基于(Valdano et al. PRX 2015)中引入的易感-感染-易感模型的理论框架,我们在这里制定了一种感染传播因子方法来计算流行病阈值,该方法考虑了关于每次接触的不同感染力,免疫力的存在以及时间网络的有限时间分辨率的更现实的影响。我们将这种方法应用到两个时间网络模型和一个经验数据集的学校接触。我们发现,永久或暂时的免疫不影响估计的流行阈值,通过感染传播者的方法。与数值计算结果的比较表明,分析预测的良好协议。聚集的时间网络迅速恶化的预测,除了缓慢的疾病,一旦异质性的链接被保留。权重拓扑相关性被认为是关键因素,以提高预测的准确性。
2015-10-27 physics.soc-ph q-bio.PE
Is it possible to suspend the spread of an epidemic infection? The dynamic Monte Carlo approach
本文用动态蒙特卡罗方法研究了在控制参数$β$取不同值时流行病感染传播的动力学。在我们的玩具模型中,感染是由于随机移动的个体的接触而传播的。我们发现,恢复的行为严重依赖于$β$值。对于亚临界值$β<β_{c}\sim 0.6$,感染病例的数量渐近收敛于零,使得对于中等风险因子,感染可以随时间消失。我们的模拟表明,随着时间的推移,这样的系统的性质渐近地变得接近临界过渡的二维渗流系统。我们还分析了一个扩展的系统,其中包括两个额外的参数:采取/关闭隔离状态的限制。研究发现,早期隔离确实会导致感染的不规则(具有正的李雅普诺夫指数)振荡动力学。如果隔离关闭的下限足够小,则恢复动力学获得具有多个阻尼峰的特征非单调形状。研究了具有免疫力的个体的感染传播动力学。
2020-05-28 physics.bio-ph physics.med-ph physics.soc-ph
Information spreading with aging in heterogeneous populations
研究了一类基于SIS传染病模型的信息传播模型的临界性质。扩散率随时间衰减,由两个参数$ε$和$l$决定,这两个参数可以是常数,也可以是在总体中随机分布的。传播动力学是建立在Erdös-Renyi网络之上的。我们提出了平均场的解析解的模型在其最简单的配方,和蒙特卡罗模拟进行更异质的情况下。结果表明,该体系经历了一个非平衡相变,其临界点取决于参数$ε$和$l$ .此外,我们得出结论,越异质的人口,更有利于信息在网络上传播。
2012-12-11 cond-mat.stat-mech cs.SI physics.soc-ph
Data analysis on Coronavirus spreading by macroscopic growth laws
为了评估遏制2019年新型冠状病毒疾病传染病传播的有效性,我们通过考虑众所周知的宏观增长定律,Gompertz定律和Logistic定律,对选定的一些不同国家的感染时间演变进行了分析。本文还提出了Gompertz定律的一个推广。我们的数据分析允许对感染个体的最大数量进行评估。必须将每日数据与获得的拟合进行比较,以验证扩散是否在控制之下。从我们的分析来看,由于国民政府的强有力的遏制政策,中国的传播似乎达到了饱和。在新加坡,最近观察到的一个大的增长率表明一个新的强劲蔓延的开始。相反,对于韩国和意大利来说,下一个关于新感染病例的数据对于了解感染人数是否会达到饱和至关重要。
2020-04-01 physics.data-an physics.soc-ph q-bio.PE
A re-entrant phase transition in the survival of secondary infections on networks
我们研究了网络上的二次感染的动态,在网络中,只有目前携带某种原发性感染的个体才容易受到二次感染。在大型稀疏网络的限制下,该模型被映射到一个随机时间敏感环境中的分支过程传播,该环境由底层原发感染的动力学决定。当这两种流行病遵循易感-感染-传播模型时,我们表明,为了生存,继发感染有必要在与其所依赖的原发感染密切匹配的时间尺度上演变。
2018-04-10 math.PR physics.soc-ph q-bio.PE
Unraveling implicit human behavioral effects on dynamic characteristics of Covid-19 daily infection rates in Taiwan
我们研究了新冠病毒传播动态,其基础是台湾最大的七个城市的84个地区在其原始激增期间的84条每日新冠病毒感染率曲线。我们的计算开发开始于从每个平滑的区域特定曲线中选择和提取18个特征。这一步的计算工作允许将非结构化数据转换为结构化数据,然后我们展示了所有相关曲线之间的非对称增长和下降动态。具体地说,基于条件熵和互信息的理论信息度量,我们计算了一阶和二阶的主要因素,这些因素对曲线的峰值和峰值处的曲率有显著影响,这是表征所有曲线的两个基本特征。此外,我们调查和展示的主要因素,确定的地理和社会经济引起的行为影响,编码这84个地区的两个二元特征:北与南和Unban与郊区。此外,基于这种数据驱动的知识在地区规模上,我们继续研究精细规模的行为对传染病传播的影响,通过相似性之间的96个年龄组的具体曲线的每日感染率在12个市区的台北市和12个郊区的新北市,这几乎占了四分之一的岛国的总人口。我们的结论是,人类的生活,旅行和工作行为确实深刻地影响了台湾各地COVID-19的传播动态。
2022-11-20 physics.soc-ph q-bio.PE stat.AP
Reconstructing propagation networks with temporal similarity metrics
节点相似性是驱动真实网络增长的重要属性。在本文中,基于观察到的传播结果,我们应用节点相似性度量来重建传播网络。我们发现,重建精度的相似性度量的传播过程的感染率的强烈影响。此外,有一个范围内的感染率,其中一些相似性度量的重建精度下降到接近零。为了改进基于相似性的重建方法,我们最后提出了一个时间相似性度量,考虑到时间信息的传播。新方法的重建效果得到了显著改善。
2014-09-30 cs.SI physics.soc-ph stat.AP
Impact of Heterogeneous Human Activities on Epidemic Spreading
最近的经验性观察表明,人类活动具有多样性。在总体水平上,事件间时间分布的重尾性已被广泛接受,但个体行为是否具有异质性仍存在争议。基于人类活动的时间异质性对传染病传播的影响,研究了完全混合种群上的可感染模型,其中每个个体的行为完全一致,但不同个体的平均活动不同.大量的模拟表明,在人口水平上的活动的异质性显着影响的传播速度,即使每个人的行为有规律。此外,与由重尾事件间时间分布的个体组成的模型相比,该模型的传播速度对系统异质性的变化更为敏感。这项工作完善了我们对异质性人类活动对传染病传播的影响的理解。
2011-06-17 cs.SI physics.data-an physics.soc-ph
Epidemic spreading and risk perception in multiplex networks: a self-organized percolation method
本文研究了多重网络上传染病传播与风险感知之间的相互作用。其基本思想是,有效感染概率受到对感染风险的感知的影响,我们假设这与受感染邻居的比例有关,如Bagnoli等人所介绍的,PRE 76:061904(2007)。我们重新推导出以前的结果,使用自组织的方法,自动给出的渗流阈值在一个模拟。考虑到人们在现实生活中被接触者感染,但经常从信息网络中收集信息,这可能与真实网络完全不同,我们将模型扩展到多路网络。真实网络和信息网络之间的相似性决定了在足够高的预防水平下阻止感染的可能性:如果网络差异太大,就没有办法避免流行病。
2014-05-21 nlin.AO physics.soc-ph q-bio.PE
Epidemic Spreading and Equilibrium Social Distancing in Heterogeneous Networks
我们研究了一个通过网络相互作用的异质种群之间的多类型SIR流行病过程。当我们的基础上的社会接触的随机图与给定的顶点度,我们给极限定理的感染的个人的分数。对于一个给定的社会距离的个人策略,我们建立了流行病的再现数$R_0$,它可以用来识别网络的脆弱性和通知疫苗接种政策。在本文的第二部分中,我们研究了社会距离博弈的均衡,其中个人根据预期的全球感染率选择他们的社会距离水平,然后必须等于他们选择后的实际感染率。给出了平衡点存在唯一的条件。对于随机规则图的情况下,我们表明,自愿的社会距离将始终是社会次优。
2021-11-01 cs.SI physics.soc-ph q-bio.PE
Investigating the Trade-off between Infections and Social Interactions Using a Compact Model of Endemic Infections on Networks
本文研究显式网络结构如何改变感染与互动权衡的最优解,通过开发逼近网络SIS流行病的低维动力系统,发现异质接触数量对最优接触数有显著影响。
2025-04-03 physics.soc-ph q-bio.PE
Discrete-time Markov chain approach to contact-based disease spreading in complex networks
网络中的许多传染病过程都是通过其连通点之间的随机接触传播的。在物理学文献中,有两种极限情况被广泛分析,即所谓的接触过程(CP),即传染病以一定的速度从一个感染的顶点扩展到一个邻居,以及反应过程(RP),其中感染的个体有效地接触所有邻居以扩大流行病。然而,一个更现实的情况是从这两种情况之间的插值,考虑到一定数量的随机接触每单位时间。在这里,我们提出了一个离散时间制定的问题的接触为基础的传染病传播。我们解决了一个家庭的模型,参数化的随机接触试验每单位时间的数量,范围从CP到RP。与常见的异质平均场方法相比,我们专注于单个节点的感染概率。利用这个公式,我们可以构造不同感染模型的整个相图,并确定它们的临界性质。
2010-01-23 physics.comp-ph physics.soc-ph
Traffic-driven Epidemic Spreading in Finite-size Scale-Free Networks
对复杂网络的研究有助于揭示复杂系统的结构与功能之间的关系。一个值得注意的结果是,在无限大的无标度网络中没有流行病阈值,这意味着任何感染都将永远传播,而不管传播速度如何。目前绝大多数的理论方法都假设感染是作为一个反应过程从节点传播到所有邻居。在这里,我们采用不同的视角,并表明,流行病的发病率是由交通流量条件。具体来说,我们考虑的情况下,流行病的路径被定义和驱动的流量。通过大量的数值模拟和理论预测,它表明,在无标度网络中的流行病阈值的值直接取决于流量条件,特别是在给定的路由协议的介数分布的第一和第二时刻。我们考虑的情况下,节点的交付能力是有界或无界的。在这两种情况下,阈值取决于流量,并随着流量的增加而减小。有限制的交付引发了拥堵的出现,减缓了疾病的传播,并为流行病的发病率设定了限制。我们的研究结果提供了一个一般的概念框架,以了解复杂网络上的传播过程。
2009-09-23 physics.bio-ph physics.soc-ph
Epidemic spread on one-way circular-coupled networks
真实的传染病传播网络往往是由几种网络相互连接而成的,这些相互连接的网络具有不同的拓扑结构和流行动力学。此外,大多数人类疾病都来自动物,人畜共患传染病总是在相互关联的网络上传播。本文考虑由三个相互连接的子网络组成的单向循环耦合网络上的传染病传播问题。引入非均匀平均场方法,建立了两个单向三层循环交互网络,得到了模型的基本再生数,证明了模型的无病平衡点和地方病平衡点的全局稳定性.通过数学分析和数值模拟,发现两个模型的基本再生数$R_0$依赖于感染率、感染周期、平均度和度比。在第一种模型中,内接触图案的网络结构对$R_0$的影响大于交叉接触图案的影响。在相同的接触模式下,内部感染率对$R_0$的影响大于交叉感染率。在第二个模型中,在异质网络中流行的疾病对$R_0$的影响要大于在同质网络中流行的疾病,并且三个子网络之间的传染在传播过程中都起着重要的作用。数值例子很好地验证和扩展了这些理论结果。
2017-06-20 math.DS physics.soc-ph
Network localization is unalterable by infections in bursts
为了揭示疾病局部化的现象,我们研究了一个突发的易感-感染-易感(SIS)模型,并在平均场近似下对该模型进行了分析。在突发SIS模型中,被感染节点周期性地感染所有邻居节点,并且近阈值稳态流行率是非常数的,最大化因子等于网络邻接矩阵的最大特征值$λ_1$.我们发现,最大近阈值流行率的突发SIS过程中的本地化网络趋于零,即使$λ_1$发散的热力学极限,这表明,爆发的感染不能把本地化的传播到一个离域的传播。我们的结果进行了评估合成和真实的网络。
2018-12-21 cs.SI physics.soc-ph
PeopleTraffic: a common framework for harmonizing privacy and epidemic risks
PeopleTraffic是一项拟议的倡议,旨在开发一个向公共机构、私营公司和民间社会开放的实时、开放数据人口密度绘图工具,为预防感染传播提供一个共同框架。该系统基于现有2G、3G和4G移动网络运营商的实时人员位置收集和映射系统,通过采用受量子信息去本地化过程启发的创新数据匿名算法来实施隐私设计。除了最初旨在帮助平衡COVID-19大流行病第二阶段期间的社交距离法规外,PeopleTraffic还将有利于任何感染传播预防事件,例如支持政策制定者进行战略决策。
2021-12-13 cs.CY physics.soc-ph
Impact of presymptomatic transmission on epidemic spreading in contact networks: A dynamic message-passing analysis
包含症状前传播的传染病很难监测、建模、预测和遏制。我们解决这个问题,通过研究一个随机的可验证的暴露的感染恢复模型的任意网络实例使用的分析框架的基础上的动态消息传递的方法的变体。该框架提供了一个很好的估计的概率演化的传播的静态和接触网络,提供了显着提高的精度相对于个人为基础的平均场方法,同时需要一个更低的计算成本相比,数值模拟。它有助于推导出流行病阈值,这是相边界分离的参数制度,感染可以有效地控制,从那些他们不能。这些通过拓扑(减少接触)和感染参数变化(例如,社交距离及戴口罩),与最近的COVID-19疫情有关。
2021-05-06 cond-mat.dis-nn physics.soc-ph q-bio.PE
Competing spreading processes on multiplex networks: awareness and epidemics
在多层互联的复杂网络之上,类似流行病的传播过程揭示了相互交织的竞争效应的丰富相图。作者最近的一项研究[Granell等人,Phys.Rev.Lett. 111,128701(2013)]分析了导致流行病传播的两个过程之间的相互关系,以及在多重网络之上传播信息意识以防止其感染。在这种情况下,提高认识意味着对疾病进行全面免疫,结果表明存在一个元临界点,在这个点上,流行病的关键开始取决于提高认识过程的实现。在这里,我们提出了一个全面的分析,这些关键的属性在更一般的情况下,意识的传播并不意味着完全免疫,感染并不意味着立即意识到它。我们发现这两个竞争过程之间的关键关系,代表它们之间的相互作用的参数范围很广。我们还分析了大规模广播的意识(大众媒体)的流行病发病率的最终结果的后果。更重要的是,大众媒体使元批评点消失了。结果表明,主要的发现,即存在一个元临界点,是植根于竞争的原则,并持有一个大的场景。
2014-05-18 cond-mat.stat-mech cs.SI physics.soc-ph
Continuous Models of Epidemic Spreading in Heterogeneous Dynamically Changing Random Networks
复杂随机网络中传播过程的建模在理解和预测流行病或谣言传播等许多真实现象中起着至关重要的作用。这种系统的动态可以通过图上的蒙特卡罗模拟或通过常微分方程(ODE)在算法上表示。尽管在网络建模领域取得了许多成果,但选择模型动态的最佳计算表示仍然是一个挑战。虽然封闭形式的描述通常是直接推导出来的,但它通常不能解析求解;因此,网络动力学需要常微分方程的数值解或直接对网络进行蒙特卡罗模拟。此外,Monte-Carlo模拟和ODE解是不等价的,因为ODE产生确定性解,而Monte-Carlo模拟本质上是随机的。尽管最近在蒙特卡洛模拟的一些优势,特别是在实施的灵活性,计算成本的ODE解决方案是低得多,并支持准确和详细的输出分析,如不确定性或灵敏度分析,参数识别等。在本文中,我们提出了一种新的方法来模拟复杂的随机异构网络中的传播过程,使用系统的非线性常微分方程。我们成功地应用这种方法来预测艾滋病毒/艾滋病在性网络中传播的动态,并将其与历史数据进行比较。
2012-11-19 cs.SI physics.soc-ph
Identifying highly influential travellers for spreading disease on a public transport system
最近爆发的新型冠状病毒及其快速传播强调了了解人类流动性的重要性。封闭的空间,如公共交通工具(如公共汽车和火车),为感染广泛和快速传播提供了合适的环境。因此,调查个人在公共交通系统上的移动模式和身体接触对于了解传染病爆发的驱动因素至关重要。例如,以前的工作探讨了人类流动固有的重复模式对疾病传播的影响,但没有考虑到旅行距离或相遇次数等其他方面。在这里,我们同时考虑多个流动性维度,以揭示设计有效干预策略的关键信息。我们使用一个月的全市范围内的灵巧卡旅行数据收集在澳大利亚悉尼巴士乘客沿三个维度,即探索程度,旅行的距离和遇到的数量进行分类。此外,我们还模拟了疾病在交通网络上的传播,并追踪了感染路径。我们详细调查了分类组之间的传输,而不同的感染概率和病原体的悬浮时间。我们的研究结果表明,沿着多个维度描述个体同时揭示了不同乘客群体之间复杂的感染相互作用,当只考虑单个维度时,这种相互作用仍然是隐藏的。我们还确定了比其他群体更有影响力的特定疾病特征,这可以指导遏制和疫苗接种工作。
2020-04-03 cs.SI physics.soc-ph q-bio.PE