The impact of network properties and mixing on control measures and disease-induced herd immunity in epidemic models: a mean-field model perspective
人群的接触结构在传染病传播中起着重要作用。许多“结构化模型”通过底层网络或混合矩阵来捕捉联系结构的各个方面。在这种模型中的一个重要观察结果是，一旦一部分$1-1/\mathcal{R}_0$被感染，剩余的易感群体就不能再维持流行病。最近对一些结构化模型的观察表明，这一阈值可以在一小部分感染者中跨越，因为这种疾病就像一种靶向疫苗，优先免疫在传播中发挥更大作用的高风险个体。因此，有限的“第一波”可能会留下剩余的人口，一旦取消干预措施，他们就无法支持第二波。在本文中，我们系统地分析了一些网络和其他结构化群体的平均场模型，以解决与COVID-19大流行相关的问题。特别是，我们考虑在几种情况下的抗扰度。我们证实，在高度异质性的网络中，第一波赋予免疫系统的感染率显着低于同等模型具有较低程度的异质性。然而，如果将干预建模为接触网络的变化，那么这种影响可能会变得更加微妙。事实上，修改结构可以保护高度连接的节点在第一波感染期间不被感染，并使第二波感染更加严重。我们证实了这一发现，通过使用一个年龄结构的房室模型参数化的真实数据和比较锁定期实施的混合矩阵或年龄特定的结构变化的全球缩放。我们发现，有关群体免疫水平的结果在很大程度上取决于模型，封锁的持续时间和如何实施封锁。
2020-07-14 physics.soc-ph q-bio.PE
Statistical implications of relaxing the homogeneous mixing assumption in time series Susceptible-Infectious-Removed models
传染病流行病学家通常将随机流行病模型拟合到时间序列数据中，以阐明传染病动态，评估干预措施，并预测流行病轨迹。为了提高计算的易处理性，已经提出了许多近似的随机模型。在本文中，我们专注于一类这样的近似--时间序列易感-传染-去除（TSIR）模型。传染病建模通常从均匀混合假设开始，假设疾病传播率与易感和传染个体数量的乘积成正比。一种流行的放松这一假设的方法是将易感和/或传染性个体的数量提高到某个正幂。我们表明，当这种技术被用于TSIR模型，它们不能被解释为近似SIR模型，这对基于TSIR的统计推断具有重要意义。我们的模拟研究表明，基于TSIR的估计的感染率和混合率是系统性的偏见，在存在非均匀混合，这表明需要谨慎解释TSIR模型参数估计时，这类模型放松均匀混合假设。
2021-12-06 q-bio.PE stat.ME
The signal is not flushed away: Inferring the effective reproduction number from wastewater data in small populations
针对小规模人群有效再生数估计的计算难题，提出基于EI模型的马尔可夫跳跃过程近似，利用中心极限定理实现可处理的贝叶斯推断，并在模拟废水数据及2022年大学校园SARS-CoV-2监测中验证优势。
2025-08-05 q-bio.PE stat.ME
How causal inference concepts can guide research into the effects of climate on infectious diseases
本文探讨如何利用因果推断概念指导气候变化对传染病影响的研究，通过案例说明其有助于优化研究设计、降低偏倚风险并解释气象变量对传播的多方面影响，强调跨学科因果框架对准确预测气候变化后果的重要性。
2024-02-19 q-bio.PE q-bio.QM
Spreading of infectious diseases on heterogeneous populations: multi-type network approach
我研究传染病在异质人群中的传播。我代表人口结构的接触图，其中顶点代表代理和边缘代表疾病的传播渠道。通过对智能体类型的划分和智能体之间的混合矩阵，考虑了种群的异质性。我介绍了一种类型的网络表示的混合矩阵，让一个直观的理解的混合模式和分析计算。使用迭代的方法，我得到的递归方程的概率分布的爆发大小作为时间的函数。我证明了预期的爆发规模和它在时间上的进展是由再生数矩阵的最大特征值和接触图上代理之间的特征距离决定的。最后，我讨论了干预策略对阻止流行病爆发的影响。这项工作提供了一个定性的理解和工具，以获得定量预测的异质种群的传播动力学。
2006-04-29 cond-mat.stat-mech physics.bio-ph q-bio.PE
From individual-based epidemic models to McKendrick-von Foerster PDEs: A guide to modeling and inferring COVID-19 dynamics
我们提出了一个统一的，易于处理的方法来研究病毒的传播，导致复杂的疾病，需要使用大量的类型（例如，感染阶段、临床状态、危险因素类别）。我们发现，记录每个感染者的感染年龄，即，感染后的时间有三个好处。首先，无论类型的数量如何，人口的年龄分布都可以通过一阶一维偏微分方程（PDE）来描述，称为McKendrick-von Foerster方程。类型$i$的频率简单地通过将在给定年龄处于状态$i$的概率相对于年龄分布进行积分来获得。这种表示归纳出一种简单的方法，基于泊松抽样的附加假设来推断和预测流行病。我们使用法国COVID-19疫情的数据来说明这种技术。其次，我们的方法推广和简化了标准的房室模型，使用高维系统的常微分方程（ODE），以考虑疾病的复杂性。我们表明，此类模型始终可以在我们的框架中重写，从而为这些复杂模型提供低维但等效的表示。第三，除了简单的方法，我们表明，我们的人口模型自然出现作为一个普遍的规模限制的一大类完全随机的个人为基础的流行病模型，其中PDE的初始条件出现的限制年龄结构的指数增长的人口从一个单一的个人。
2022-05-19 math.PR q-bio.PE
Population heterogeneity in vaccine coverage impacts epidemic thresholds and bifurcation dynamics
人群异质性，特别是个体接触网络的异质性，在传染病传播动力学中起着重要作用。对于疫苗可预防的疾病，疫苗犹豫和疫苗供应等突出问题进一步导致各群体之间的覆盖率不一致，更不用说疫苗的功效和各群体之间的混合模式了。随着持续的COVID-19大流行转变为地方性流行，了解上述人群异质性对流行病的出现和持续的影响具有重要意义。在这里，我们分析了流行阈值和分叉动力学的特点，占异质性所造成的群体依赖性的特点，包括疫苗接种率和有效性以及疾病的传播。我们的分析表明，群体之间疫苗接种覆盖率差异的增加可以使疾病负担的多重均衡存在，即使总体基本生殖比低于1（也称为后向分叉）。其他异质性因素的存在，如疫苗效力、传播、混合模式和群体大小的差异，都可能对分叉产生微妙的影响。我们发现，疫苗效力的异质性可能会破坏向后分叉的条件，而同质性往往会加剧疾病的流行。我们的研究结果具有实际意义，通过解决人口异质性在疾病传播和控制中的作用，改善公共卫生工作。
2022-12-28 physics.soc-ph q-bio.PE
Predicting the diversity of early epidemic spread on networks
生物、社会、结构和随机因素的相互作用使疾病预测变得异常复杂。流行病的过程表现出由病原体和种群特征决定的平均增长动态，但也具有反映疾病传播随机性的显著变异性。在这项工作中，我们重新构建了随机分支过程分析的概率生成函数，并将其与网络上的连续时间流行病模拟进行比较。在此过程中，我们预测了同质和异质网络上新出现的流行病课程的多样性。我们展示了如何推断流行病的早期过程的挑战落在疾病传播的随机性比接触模式的异质性。我们提供了一种分析，它有助于实时量化流行病超临界或相反，随机死亡的概率。如果基本繁殖数（R0）大于1，则这些概率通常分别假定为1和0，忽略了疾病传播固有的异质性和随机性。该框架可以通过对标准确定性模型进行加权，以概率预测为大流行准备提供信息，从而更深入地了解早期流行病传播。
2022-02-23 physics.soc-ph 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
Data-driven contact structures: from homogeneous mixing to multilayer networks
在过去的二十年左右，传染病传播的建模已经取得了重大进展。这是因为数据的激增以及收集、挖掘和分析数据的新方法的发展，网络科学等新学科的最新进展也发挥了关键作用。尽管如此，目前的模型仍然缺乏对所有可能的异质性和可以从数据中提取的特征的忠实表示。在这里，我们弥合了传染病数学建模中的当前差距，并开发了一个框架，可以同时考虑个体的连通性和人口的年龄结构。我们比较不同的情况下，即，i）同质混合设置，ii）一个只考虑社会混合，iii）一个只考虑个人的连接设置，最后，iv）一个多层表示，其中社会混合和接触的数量都包括在模型中。我们分析表明，这四种情况下获得的阈值是不同的。此外，我们进行了广泛的数值模拟，并得出结论，在接触网络的异质性是重要的一个适当的确定的流行阈值，而年龄结构发挥了更大的作用，超越了爆发的开始。总之，当涉及到评估干预措施，如疫苗接种，这两个来源的个体异质性是重要的，应该同时考虑。我们的研究结果还提供了一个指示的情况下，其中一个不能访问所有需要的信息，在人口的连接和年龄的错误。
2020-03-15 physics.soc-ph q-bio.PE
COVID-19 severity determinants inferred through ecological and epidemiological modeling
COVID-19临床严重程度的决定因素通常通过死亡人数的横向或纵向研究进行评估。然而，死亡人数取决于疾病的临床严重程度和传染性，因为感染人数越多，死亡人数也就越多。此外，死亡人数（以及病死率等相关指标）是动态量，因为它们出现在感染的延迟期，而不同的地理区域通常属于流行病曲线上的不同点。相反，我们使用流行病学建模提出了一个疾病严重程度的措施，占潜在的疾病动态。这一衡量标准对应于人口平均死亡率与恢复率的比率（m/r）。它独立于疾病传播动力学（即，基本再生数），并具有直接的机械解释。我们使用该方法来评估与疾病严重程度相关的人口统计学、医学、气象和环境因素。为此，我们采用了生态回归研究设计，并在第一次疾病爆发期间分析了美国不同的州。主成分分析，然后是基于机器学习技术的单变量和多变量分析，用于选择重要的预测因子。在不使用临床研究的先验知识的情况下，我们恢复了已知影响疾病严重程度的重要预测因素，特别是年龄，慢性疾病和种族因素。此外，我们确定长期的污染暴露和人口密度作为疾病严重程度的预测因子，并没有得到广泛的认可（尽管对于以前假设的污染）。整体而言，建议的措施可用于推断COVID-19及其他传染病的严重程度决定因素，所得结果可帮助更好地了解COVID-19风险。
2021-08-31 q-bio.PE
Mitigation of infectious disease at school: targeted class closure vs school closure
学校环境被认为在空气传播感染的社区传播中起着重要作用（例如，流感），因为学生混合率高。因此，关闭学校被提议作为有效的缓解战略，但社会和经济成本很高：替代性的、破坏性较小的干预措施是非常可取的。最近在学校环境中提供了高分辨率接触网络，这为设计微观干预措施和比较替代缓解措施的结果提供了机会。我们会根据现有的资料，例如每班有感染病征的儿童人数，考虑采取有针对性的停课措施。我们专注于一所小学的情况下，我们有高分辨率的数据，近距离互动的儿童和教师。我们模拟了流感样疾病在这一人群中的传播，通过使用SEIR模型与渐近和比较不同的缓解策略的结果。我们发现，有针对性的类关闭提供了强大的缓解效果：关闭一个类一段固定的时间-等于平均传染和潜伏期的总和-每当两个传染性个人在该类中检测到的攻击率降低了近70%，并大大降低了严重爆发的概率。关闭同一年级的所有班级几乎与关闭整个学校一样减轻了蔓延。根据现成的关于症状科目的信息和关于混合模式的有限信息，如学校的年级结构，有针对性地关闭班级的战略几乎与全校关闭一样有效，但成本要低得多。这可能为管理和缓解社区流感样暴发的公共卫生政策提供信息。
2014-08-29 physics.soc-ph q-bio.PE q-bio.QM
Incorporating social contact data in spatio-temporal models for infectious disease spread
对应报告的传染病进行常规公共卫生监测，每周对报告的病例进行计数-可能按区域和/或年龄组分层。我们研究了如何将年龄结构的社会接触矩阵纳入传染病计数的时空地方病流行模型。为了说明这种方法，我们使用POLYMOD研究的接触数据分析了2011-2015年柏林12个区6个年龄组的诺如病毒胃肠炎传播情况。所提出的年龄结构模型优于年龄组之间同质或无混合的替代方案。一个扩展的接触模型表明，权力转型的调查为基础的接触矩阵对更多的组内传输。
2016-11-17 physics.soc-ph 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
Inferring epidemiological dynamics with Bayesian coalescent inference: The merits of deterministic and stochastic models
从分子序列数据估计流行病学和人口参数已成为理解传染病动力学的核心。已经提出了各种模型来推断描述流行病进展的动态细节。这些包括从金曼的溯祖理论推导出的推理方法。在这里，我们使用最近描述的溯祖理论的流行动力学开发随机和确定性的聚结SIR树先验。我们实现这些贝叶斯系统发育推理框架，允许联合估计SIR流行病参数和样本系谱。我们评估了两个合并模型的性能，并将BDSIR，最近发表的出生-死亡-抽样流行病推断模型获得的结果并列。通过分析精确已知的流行病学参数下模拟的家谱集进行比较。此外，我们分析了在新西兰坎特伯雷地区采样的甲型H1N1流感病毒序列数据和从英国已知感染群获得的HIV-1序列数据。我们发现，这两个合并SIR模型是有效的估计流行病学参数的数据与大的基本再生数$R_0$和大的人口规模$S_0$。此外，我们发现，随机变量一般优于其确定性对应的误差，偏差，最高后验密度覆盖，特别是较小的$R_0$和$S_0$。然而，这些推理模型中的每一个都被证明在某些情况下具有不期望的特性，特别是对于$R_0$接近1或具有小的有效易感人群的流行病爆发。
2014-12-19 q-bio.PE
Game theoretic modelling of infectious disease dynamics and intervention methods: a mini-review
我们回顾了使用博弈论来模拟流行病期间个人决策的研究论文，试图对文献进行分类，并确定这一领域的新趋势。我们表明，文献可以根据（i）人口建模的类型（基于分区或网络），（ii）游戏的频率（非迭代或迭代），（iii）策略采用的类型（自我评价或模仿）进行分类。我们强调，模型的选择取决于许多因素，如疾病赋予的免疫力类型，疫苗赋予的免疫力类型，以及人口规模和其中的混合水平。我们发现，虽然早期的研究使用房室模型与自我评价为基础的战略采用，最近的趋势是使用基于网络的建模与模仿为基础的战略采用。我们的评论表明，博弈论仍然是一个有效的工具，模型干预（疫苗接种或社交距离）决策的个人。
2019-01-14 physics.soc-ph q-bio.PE
Inferring infectiousness: a joint model of the within-host viral kinetics of SARS-CoV-2
Cleveland Clinic（克利夫兰诊所）；Cleveland Clinic Lerner College of Medicine of Case Western Reserve University（凯斯西储大学克利夫兰诊所勒纳医学院）；University of Colorado Boulder（科罗拉多大学博尔德分校）；Colorado School of Public Health（科罗拉多公共卫生学院）；Imperial College London（伦敦帝国理工学院）；Stanford University（斯坦福大学）
本文提出了一种联合模型，通过分析多个病毒脱落间接指标的数据，推断SARS-CoV-2宿主内病毒动力学的传染性轨迹，从而为政策制定提供更准确的传染性评估。
2026-05-20 q-bio.PE q-bio.QM stat.AP
Connecting Mass-action Models and Network Models for Infectious Diseases
本文通过确定传播规则和提出映射方法，将任意网络上的传染病传播与质量作用模型相联系，并利用合成数据验证了方法优势，阐明了两种模型结果一致或不一致的成因。
2024-08-27 physics.soc-ph q-bio.PE stat.AP
Assessing the Interplay between travel patterns and SARS-CoV-2 outbreak in realistic urban setting
密集的社会接触网络和拥挤的城市地区的高度流动性助长了传染病的迅速传播。典型的机制流行病学模型要么基于均匀混合与ad-hoc接触过程，要么需要实时或存档的人口流动数据来模拟社交网络。然而，新型冠状病毒（SARS-CoV-2）的快速全球传播导致全球和区域范围内前所未有的封锁，使存档数据集的使用受到限制。虽然人们经常假设人口密度是疾病传播的重要驱动因素，但具有可比密度的不同城市所表现出的不同疾病轨迹和感染率需要对疾病及其驱动因素进行高分辨率的描述。在这项研究中，我们探讨了在城市内的旅行模式的遏制区的创建的影响。此外，我们使用一个动态的基于网络的传染病模型，以了解疾病传播的关键驱动因素，在亚公里尺度证明在艾哈迈达巴德，印度，已被列为SARS-CoV-2的热点城市。我们发现，除了接触网络和人口密度，道路连接模式和交通便利程度与疾病的传播率密切相关。鉴于在封锁期间对实时交通数据的访问有限，我们使用开源调查和政府报告中的开源图像和出行模式生成道路连通网络。在拟议的框架内，我们分析了社交距离、强制封锁以及加强检测和预防措施减轻疾病传播的相对优点。
2020-09-25 physics.soc-ph q-bio.PE
SIR model on a dynamical network and the endemic state of an infectious disease
在这项工作中，我们进行了数值研究的流行病模型，模仿百日咳在前疫苗时代的地方病状态。我们考虑了一个随机SIR模型的动态网络，涉及到本地和全球的个人之间的联系，并分析了网络的性质的影响的准定态的特征。我们计算的概率密度函数（PDF）的感染分数的个人，并发现他们很好地拟合伽马函数，除了尾部的分布是q-指数。我们还计算了不同网络下传染病时间序列的涨落功率谱。我们发现，网络效应可以通过重新调整模型的感染接触率来部分吸收。获得了疾病的有效传播率与易感个体与其感染性最近邻的相关性之间的显式关系。这种关系量化了在这些网络中观察到的感染性个体的已知筛查。最后，我们讨论了均匀混合和参数的SIR模型的优点和局限性，从流行病学数据来描述在网络研究中观察到的动态行为。
2015-06-07 cond-mat.stat-mech physics.soc-ph q-bio.PE
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
Possible counter-intuitive impact of local vaccine mandates for vaccine-preventable infectious diseases
本文通过随机SIR家庭模型研究地方性学校疫苗强制令对传染病暴发的影响，发现当疫苗覆盖率接近群体免疫水平时，强制令可能因未接种学生向无强制令学校聚集而反直觉地提高暴发概率和医学豁免学生的感染概率。
2024-03-21 math.PR physics.soc-ph q-bio.PE
SIR epidemics in dynamic contact networks
人群中的接触模式从根本上影响传染病的传播。目前流行病学网络预测的数学方法主要假设个人之间的接触是固定的，至少在疫情爆发期间是如此。事实上，接触模式可能相当不稳定，个人经常建立和破坏社交或性关系。在这里，我们开发了一种数学方法来预测动态网络上的疾病传播，其中每个人都有一个特征行为（典型的接触次数），但他们的接触者的身份会随着时间的推移而变化。我们发现，动态接触模式的形状流行病学动态的方式，不能充分捕捉静态网络模型或大规模行动模型。我们的新模型使用混合参数在静态网络模型和大规模行动模型之间平滑插值，从而在不同类别的流行病学模型之间提供了一个桥梁。从亚特兰大高中的流行病学和性接触数据，然后，我们证明了这种方法的实用性预测和控制性传播疾病的爆发。
2007-05-15 q-bio.PE q-bio.QM
Characterizing the reproduction number of epidemics with early sub-exponential growth dynamics
对新出现和重新出现的感染的传播潜力的早期估计越来越多地用于向公共卫生当局通报疫情造成的风险程度。估计繁殖数的现有方法通常假设在易感耗竭开始之前，在最初几个疾病世代中发病率呈指数增长。在现实中，爆发可以显示亚指数（即，由于接触模式的聚集、空间效应、不均匀混合、反应性行为变化或其他机制，在前几个疾病世代中会出现（多项式）增长。在这里，我们引入广义增长模型来描述疫情的早期增长曲线，并估计有效的繁殖数，而不需要明确的假设流行病的增长形状。我们证明了这种现象学的方法，使用分析结果和模拟从机械模型，并提供验证对一系列的经验性疾病数据集。我们的研究结果表明，在流行病的早期阶段，亚指数增长是规则，而不是例外。对于经验爆发，广义增长模型始终优于指数模型的各种直接和间接传播的疾病数据集与模型估计支持亚指数增长动态。分析结果预测的有效繁殖数在3-5个疾病世代内在真实和合成数据集中观察到的快速下降与流行病服从指数增长的不变繁殖数的预期形成对比。总的来说，我们的方法促进了对早期流行阶段的更可靠和数据驱动的表征，这对于准确估计繁殖数量和预测疾病影响非常重要。
2016-10-07 q-bio.PE q-bio.QM
Epidemic reproduction numbers in spatial networks
Aalto University（阿尔托大学）
本文提出基于网络的框架，比较具有和无空间结构的种群中繁殖数的差异，揭示网络结构对传染病传播的影响。
2026-03-23 physics.soc-ph q-bio.PE
Testing Modeling Assumptions in the West Africa Ebola Outbreak
西非的埃博拉病毒已感染近3万人，造成1.1万多人死亡。埃博拉病毒病（EVD）的最新模型经常对疾病如何传播做出假设，例如人口内的均匀传播和均匀混合。在本文中，我们测试这些假设是否一定是正确的，并提供简单的解决方案，可能会提高疾病模型的准确性。首先，我们使用西非移民的数据和模型来表明EVD不会均匀混合，而是以可预测的方式传播。接下来，我们估计了国家行政区划内EVD的初始增长率，发现它随人口密度显着下降。最后，我们通过一种新的统计检验来检验EVD菌株是否具有均匀的传播性，并发现某些菌株偶然出现的频率比预期的要高。
2016-10-12 q-bio.PE
An SIR Graph Growth Model for the Epidemics of Communicable Diseases
本文的主要目的是引入一个图值随机过程来模拟传染病的传播。我们推广的SIR模型的主要新颖之处在于这样一个事实，即流行病发生的社会网络不是事先指定的，而是随着时间的推移而演变的，说明了涉及感染个体的相互作用的时间演变。在不假设存在一个固定的基本网络模型，随机过程介绍了，在一个灵活的和现实的方式，流行病传播的非均匀混合和可能的异质人口。它示出了如何适合这样的（参数化）模型通过基于图值统计的近似贝叶斯计算方法。本文中描述的概念和统计方法，最后应用到一个真正的流行病数据集，有关艾滋病毒在古巴的传播存在的接触追踪系统，它允许一个部分重建的图形的演变1986年和2006年之间诊断为艾滋病毒阳性的性伴侣。
2014-02-05 q-bio.PE stat.AP stat.ML
Prediction of vaccination coverage level in the heterogeneous mixing population
本文结合流行病模型与博弈论分析异质混合人群的疫苗接种决策，揭示活动水平和接种成本异质性对 Nash 均衡数量及疫苗覆盖率预测的影响。
2024-02-29 q-bio.PE
Epidemic modelling requires knowledge of the social network
该研究指出流行病随机混合假设忽略网络结构，会高估群体免疫阈值与$R_0$，导致感染数预测偏高、无法预测多波感染，通过SIR模型模拟证明网络结构比疾病固有传播力更重要，强调需将网络信息纳入流行病模型。
2024-01-09 cs.SI nlin.AO physics.soc-ph
Integrating Household Dynamics in Stochastic Epidemic Modeling: An SDE Approach to the SIR Framework
Faculty of Business Administration and Economics, Bielefeld University（比勒费尔德大学商业管理与经济学院）
本文提出了一种基于随机微分方程的SIR模型，整合家庭动态以更准确地预测传染病传播，通过敏感性分析揭示影响因素，为公共卫生规划提供数学依据。
2026-01-16 q-bio.PE
SIS and SIR epidemic models under virtual dispersal
在本文中，我们开发了一个多组的流行病框架，通过虚拟扩散的感染风险是一个函数的停留时间和当地的环境风险。这种新的方法消除了需要定义和测量接触率，在传统的多组传染病模型与异质混合。我们将这种方法应用于一般的$n$ -斑块SIS模型，其基本再生数$\mathcal R_0 $被计算为斑块驻留时间矩阵$\mathbb P$的函数。我们的分析表明，$n$ -斑块SIS模型具有鲁棒动力学斑块强连接时：有一个全局稳定的地方病平衡时$\mathcal R_0>1 $，而无病平衡时是全局稳定的$\mathcal R_0\leq1 $。我们进一步的分析表明，传播行为所描述的居住时间矩阵$\mathbb P$有深刻的影响，在单个斑块水平的疾病动态的后果，适当的传播行为，随着当地的环境风险，可以促进或消除地方病在特定的补丁。我们的工作突出了停留时间矩阵的影响，如果补丁不是强连接。我们的框架可以推广到其他地方病和疾病爆发模型。作为一个例子，我们将我们的框架应用到两个补丁SIR单次爆发的流行病模型，其中疾病入侵的过程连接到最终的流行病规模关系。我们还探讨了疾病流行率驱动的决策的影响，使用现象学建模方法，以对比恒定与状态依赖$\mathbb P$对疾病动力学的作用。
2015-03-31 math.DS q-bio.PE
A computational framework for modelling infectious disease policy based on age and household structure with applications to the COVID-19 pandemic
在COVID-19大流行期间，非药物干预措施（NPI）的广泛使用（在许多国家前所未有）凸显了对数学模型的需求，该模型可以估计这些措施的影响，同时考虑COVID-19高度异质的风险状况。在传染病建模中，通常使用的模型是针对年龄结构或家庭结构的模型，这些模型需要明确地对许多NPI进行建模，但由于模型的高维性，将两种结构水平结合起来的模型存在大量的计算和数学挑战。在这里，我们提出了一个模型框架，包括明确的年龄结构和家庭结构的流行病的传播。我们的模型是用易处理的常微分方程系统来表示的，我们提供了一个开源的Python实现。这种易处理性导致模型校准，可能的参数值的详尽评估，结果的可解释性显着的好处。我们通过四个政策案例研究展示了我们模型的灵活性，在这些案例中，我们量化了英国在当前COVID-19大流行期间考虑或实施的以下措施的可能效益：通过NPI控制家庭内和家庭间的混合;在封锁期间形成支持泡沫;家庭外隔离（OOHI）;以及在假期期间暂时放松NPI。我们的常微分方程公式和相关的分析表明，风险分层和社会结构的多个维度可以被纳入传染病模型，而不会牺牲数学的易处理性。这一模型及其软件实施扩大了传染病政策分析人员可用的工具范围。
2022-09-01 q-bio.PE stat.OT
Deciphering dynamics of recent COVID-19 outbreak in India: An age-structured modeling
传染病传播动态对社会接触模式和人们为限制疾病传播而采取的预防措施特别敏感。这取决于社区的年龄分布。因此，了解$-$特定年龄的传染病患病率和发病率对于预测未来疾病负担和免疫接种等干预措施的有效性至关重要。本研究使用SEIR年龄$-$结构的多群体流行病模型来了解社会接触如何影响疾病控制。我们在社区中创建了位置$-$特定的社会接触矩阵，以了解社会混合如何影响疾病传播。我们估计了系统的基本再生数$(R_0)$，并用$R_0$绘出了系统的全局行为.定量地建立了问题的最优控制。还估计了印度从2020年9月1日到2020年12月31日的拟议模型的传输率。我们通过允许参与者分阶段返回工作岗位来复制非药物治疗的解除，并研究了其影响。我们的研究结果意味着，识别年龄为$20-49$的有症状的病人可以帮助降低学校关闭时的感染人数。当一些学校部分开放时，对有症状感染者的认识有助于减少病例。模拟结果还表明，限制在学校和其他聚会场所的接触可以显着降低这种情况的数量。使用最小二乘法，发现时间$-$依赖的传输速率比印度COVID $-19$的恒定传播速率更现实。为了减少COVID $-19$的负担，我们发现逐渐放松控制方法可以使其他峰值变平并降低。我们的研究结果可能有助于卫生政策制定者决定及时的基于年龄$-$的免疫接种分配策略，从而控制疾病。
2022-04-18 q-bio.PE
Statistical physics of vaccination
从历史上看，传染病对人类社会造成了巨大的破坏，今天仍然如此。为了帮助减少其影响，研究了疾病传播的数学模型，以帮助了解疾病动态并为预防策略提供信息。疫苗接种-现代最重要的预防措施之一-在理论和经验上都具有极大的意义。与传统方法相反，最近的研究越来越多地探索个体行为和人群中异质接触模式的关键影响。我们的报告回顾了理论流行病学的发展弧，重点是疫苗接种，因为它导致从经典模型假设均匀混合（平均场）的人口，忽略人类行为，最近的模型，占行为反馈和/或人口空间/社会结构。所使用的许多方法起源于统计物理学，例如晶格和网络模型及其相关的分析框架。同样，接种行为和疾病传播之间的反馈回路形成了一个耦合的非线性系统，具有物理学上的类似性。我们还回顾了数字流行病学的新范式，其中挖掘在线社交媒体等数字数据源，以获取流行病学相关个人行为的高分辨率信息。借助统计物理学的工具和概念，并进一步借助新的数字数据来源，捕捉行为和疾病动态之间非线性相互作用的模型提供了一种模拟现实世界现象的新方法，并有助于改善健康结果。我们通过讨论该领域的开放问题和未来研究的方向来结束审查。
2016-11-17 cond-mat.stat-mech cs.SI physics.soc-ph
Noise can lead to exponential epidemic spreading despite $R_0$ below one
分支过程被广泛用于模拟进化和种群动力学以及传染病的传播。为了表征其生长或扩散的动态，基本再生数$R_0$受到了相当大的关注。在传染病的背景下，它通常被定义为在完全易感人群中由传染病例产生的继发病例的预期数量。通常，$R_0>1$表示预计爆发将继续并呈指数级增长，而$R_0<1$通常表示预计爆发将在一段时间后终止。在这项工作中，我们表明，波动的动态在时间上可能会导致持续的爆发，即使从一个单一的情况下，预期的继发病例数低于$1$。这种波动通常被忽略的传染病模型的一组常微分方程，如经典的SIR模型。我们举三个例子：1）遵循Ornstein-Uhlenbeck过程的消光，2）在两个值之间随机切换的消光，以及3）具有不同$R_0$值的两个种群的混合。我们用计算机模拟证实了我们的分析结果。
2021-09-01 cond-mat.stat-mech physics.bio-ph q-bio.PE
