SIRNet: Understanding Social Distancing Measures with Hybrid Neural Network Model for COVID-19 Infectious Spread
SARS-CoV-2传染病爆发迅速蔓延到全球，并促成了不同的政策，以实现物理距离，以减轻其影响。在这项研究中，我们提出了一个新的混合机器学习模型SIRNet，用于预测与流行病学模型耦合的COVID-19大流行的传播。我们使用分类的时空明确的手机移动数据作为替代标记的物理距离，随着人口加权密度和其他本地数据点。我们证明了在不同的地理粒度，目前正在讨论的政策领导人之间的物理距离选项的频谱流行病学显着差异的后果，从病毒灭绝到接近完全的人口流行。目前的流动性拐点因地理区域而异。SIRNet的实验结果建立了这种局部流动性的初步界限，渐近诱导遏制。该模型可以支持研究非药物干预措施和方法，最大限度地减少社会附带损害和控制机制的一段时间。
2020-04-22 q-bio.PE
An Optimal Predictive Control Strategy for COVID-19 (SARS-CoV-2) Social Distancing Policies in Brazil
全球COVID-19大流行（SARS-CoV-2病毒）是本世纪定义性的健康危机。由于缺乏疫苗和药物，可以帮助打击它，世界解决方案，以控制传播一直是考虑公共社会距离的措施，避免饱和的卫生系统。在这种情况下，我们研究了模型预测控制（MPC）框架，以确定社交距离政策的时间和持续时间。我们使用2020年3月至5月期间的巴西数据。由于没有进行大规模检测以及存在相关的无症状感染者，关于感染人数和死亡人数的现有数据受到次级通报的影响。我们估计SIR模型的变化，使用不确定加权最小二乘准则，同时考虑名义和不一致的数据条件。此外，我们在SIR模型的版本中添加了一个额外的动态状态变量，以模拟人口对政府制定的影响COVID-19传播速度的社交距离政策的反应。我们的控制框架是在一个混合逻辑形式主义，因为决策变量是强制二元（存在或不存在的社会距离政策）。包括驻留时间约束以避免这两个状态之间的剧烈切换。最后，我们提出了模拟结果来说明这种最优控制策略将如何运作。这些结果指出，在2020年8月中旬之前，不应放宽社交距离。如果放松是必要的，他们不应该在这个日期开始之前进行，应该在小的时期，不超过25天。这种模式将大致持续到2021年1月。第二个感染高峰期预计在10月初，如果缩短非隔离天数，就可以减少。
2020-05-21 cs.SY eess.SY math.DS
Mobile phone location data reveal the effect and geographic variation of social distancing on the spread of the COVID-19 epidemic
SARS-CoV-2和冠状病毒传染病（COVID-19）的出现已成为一种流行病。社交（物理）距离是降低SARS-COV-2传播率的关键非药物控制措施，但需要高水平的依从性。利用笛卡尔实验室和SafeGraph提供的大规模匿名手机定位数据得出的每日出行距离和居家时间，我们量化了美国遵守社交距离规定的程度及其对COVID-19病例增长的影响。COVID-19增长率与出行距离衰减率和居家停留时间变化率的相关性分别为-0.586（95%CI：-0.742 ~ -0.370）和0.526（95%CI：0.293 ~ 0.700）。实施社会距离命令后，国家特异性病例总数倍增时间增加了1.04 ~ 6.86天，增加了3.66 ~ 30.29天，与流行病的机械预测模型一致。社交距离规定在得到遵守时可减少COVID-19的传播。
2020-04-23 cs.SI physics.soc-ph q-bio.PE
The challenges of containing SARS-CoV-2 via test-trace-and-isolate
在没有治愈方法、疫苗或经证实的针对SARS-CoV-2的长期免疫力的情况下，测试跟踪和隔离（TTI）策略是遏制其传播的有希望的工具。然而，对于任何TTI策略，缓解都面临着无症状传播前和无症状传播、避免TTI者和未被发现的传播者的挑战，这些传播者对隐藏的感染链有很大贡献。在这里，我们研究了一个半分析模型，并确定了受控和不受控传播之间的两个临界点：（1）隐藏链的行为驱动的复制数量变得太大，无法通过TTI功能进行补偿，以及（2）新感染的数量超过了跟踪能力。两者都引发了自我加速的蔓延。我们研究了这些临界点如何取决于有限的合作，缺乏联系和不完美的孤立等挑战。我们的模型结果表明，TTI本身不足以遏制SARS-CoV-2的传播，这意味着社交距离和改善卫生等补充措施仍然是必要的。
2020-11-10 q-bio.PE
Estimation of the actual disease occurrence based on official case numbers during a COVID outbreak in Germany 2020
自2020年3月初以来，德国每天都有新型冠状病毒SARS-CoV-2感染病例的累计报告。这些报告源自国家法律，根据这些法律，阳性检测结果必须通过当地卫生当局提交给联邦卫生当局罗伯特·科赫研究所。由于预计会有大量未报告的病例，因此无法根据这些行政报告回答该疾病在人口中的传播范围问题。然而，使用数学模型可以进行估计。这些估计数表明，在疫情爆发之初进行的少量诊断检测忽略了相当一部分感染。为了覆盖未来疾病浪潮的初始阶段，建议进行广泛而全面的测试。
2020-05-07 q-bio.PE
Discontinuous transitions of social distancing in SIR model
为了描述流行病期间社会距离的动态，我们遵循以前的努力，将基本的流行病学模型（如SIR -易感，感染，和感染）与博弈和经济理论工具相结合。我们提出了一个扩展的SIR模型，预测了一系列不连续的社会距离的过渡。每个转变类似于一个相变的第二阶（金-朗道不稳定性），因此，潜在的一个普遍现象。第一波COVID-19疫情导致全球范围内的社交距离：为阻止疫情而实施的严格封锁随后是一系列的解除封锁。对奥地利、以色列和德国第一波移民的数据分析证实了该模型的可靠性。此外，这项工作提出了分析工具来分析流行病波，这可能会被扩展到计算衍生物的巨型组件在网络渗透过渡，也可能是感兴趣的危机形成理论的背景下。
2020-11-25 physics.soc-ph q-bio.PE
Modeling and forecasting of the COVID-19 pandemic in India
背景：持续的COVID-19疫情在印度迅速蔓延。为了结束全球COVID-19大流行，印度采取了主要的行为、社交距离、接触者追踪和国家干预措施，以减少疫情的爆发，并避免冠状病毒在印度和世界各地的人类中持续存在。在没有任何疫苗或疗法的情况下，预测是卫生保健规划和控制COVID-19传播的重中之重。方法：我们提出了一个数学模型，解释了COVID-19在印度的传播动态。基于估计的数据，我们的模型预测流行病的演变和SARS-CoV-2的结束，并帮助评估不同政策的影响，以控制疾病的传播。研究结果：与感染者的真实数据，我们发现的基本生殖数$R_0$为17个国家的印度和整个印度。提供了一个完整的数字，以证明估计的大流行生活周期〈动〉<动>以及迄今为止的真实数据或历史。我们的研究表明，在印度实施的严格控制措施大大减轻了SARS-CoV-2的传播。重要的是，模型模拟预测，到2020年6月26日，印度的疫情将减少95%，到2020年7月26日，印度的疫情将减少99%。释义：我们的模型模拟表明，通过减少社会距离和采取必要的预防措施，在社区范围内消除SARS-CoV-2是可能的。可严格实施封锁，以防止COVID-19在人与人之间传播。基于模型和参数估计的流行病生活周期〈动〉<动>和结束日期，如果可以精确地完成，可以减少痛苦和过度乐观，并为我们所有人的爆发演变的下一阶段发展心态。
2020-05-13 q-bio.PE
Fever and mobility data indicate social distancing has reduced incidence of communicable disease in the United States
2020年3月，美国多个州政府鼓励或强制限制社交互动，以减缓COVID-19的传播，COVID-19是由新型冠状病毒SARS-CoV-2引起的疾病，已蔓延至近180个国家。评估这些社交距离策略的有效性具有挑战性，因为对COVID-19的监测有限，根据时间和地区不同的标准，通常会优先对高风险或住院病例进行检测。在这里，我们发现，在美国至少有100例COVID-19确诊病例的县，流动性的减少导致了发热发病率的减少，这是由智能温度计捕获的，平均滞后6.5天（$90\%$在3- 10天内），这与COVID-19的潜伏期一致。此外，流动性下降幅度较大的县随后实现了发烧的更大幅度下降（$p<0.01$），纽约市及其邻近地区是一个明显的例外。这些结果表明，社交距离减少了包括COVID-19在内的流感类疾病的传播，并支持社交距离作为减缓COVID-19传播的有效策略。
2020-04-21 physics.soc-ph q-bio.PE
Modelling SARS-CoV-2 epidemics via compartmental and cellular automaton SEIRS model with temporal immunity and vaccination
Yukhnovskii Institute for Condensed Matter Physics of the National Academy of Sciences of Ukraine（乌克兰国家科学院尤赫诺夫斯基凝聚态物理研究所）；Institute of Applied Mathematics and Fundamental Sciences, Lviv Polytechnic National University（利沃夫国立理工大学应用数学与基础科学研究所）
本文研究了具有时间免疫力和疫苗接种的 SEIRS 模型，分析了流行病动态控制方法，并探讨了社会距离对疫情发展的影响。
2026-03-30 q-bio.PE
A SEIR model with time-varying coefficients for analysing the SARS-CoV-2 epidemic
在这项研究中，我们提出了一个时间依赖的易感-暴露-隔离-隔离（SEIR）模型的分析在三个不同的国家，美国，意大利和冰岛的SARS-CoV-2疫情爆发使用的公共数据固有的数字的流行波。由于政府采取了几种类型和等级的行动，包括旅行限制，社交距离或限制移动，我们想研究这些措施如何影响传染人群的流行曲线。采用复合似然法估计SEIR模型的相关参数。此外，标准误差已被纠正的时间依赖性。限制性措施的采用使流行曲线变平，未来的演变表明病例数减少。
2021-11-04 q-bio.PE stat.AP stat.ME
Estimating required 'lockdown' cycles before immunity to SARS-CoV-2: Model-based analyses of susceptible population sizes, 'S0', in seven European countries including the UK and Ireland
我们使用贝叶斯模型反演，使用2020年1月下旬至2020年4月5日的数据，从7个国家的报告病例和死亡率中估计流行病参数。采用两种不同的生成模型类型：第一种是连续时间动态系统实现的敏感-暴露-不确定-隐藏（SEIR）模型，第二种是部分可观察的马尔可夫决策过程（MDP）或隐马尔可夫模型（HMM）实现的SEIR模型。这两个模型参数化的初始易感人群（S0）的大小，以及流行病参数。使用标准贝叶斯方案（变分拉普拉斯）进行参数估计（数据拟合），该方案旨在考虑潜在的不可观察状态和模型参数的不确定性。这两个模型都概括了由病例和死亡率给出的传播和疾病的动态。据预测，四个国家（意大利、西班牙、德国和瑞士）的海浪峰值将在过去的0.5 - 2周内出现在爱尔兰，1 - 3周内出现在英国。对于法国，一个模型估计了过去一周的峰值，另一个模型估计了未来两周的峰值。至关重要的是，在连续时间和HMM模型下，每个国家的最大后验（MAP）估计值S0表明有效种群大小低于（总种群大小的）20%。根据所有七个国家和两种模型的贝叶斯加权平均值，我们估计总人口的6.4%将获得免疫。根据这两个模型，有效人口的最大百分比估计为英国总人口的19.6%，爱尔兰16.7%，意大利11.4%，西班牙12.8%，法国18.8%，德国4.7%和瑞士12.9%。我们的研究结果表明，在目前的浪潮之后，总人口的很大一部分将仍然没有免疫力。
2020-04-09 q-bio.PE
Causal Estimation of Stay-at-Home Orders on SARS-CoV-2 Transmission
准确评估居家令（SHO）在减少社会接触和疾病传播方面的有效性对于缓解流行病至关重要。利用1000万部智能手机的个人位置数据，我们观察到，到4月30日，即十分之九的美国人处于SHO状态时，每日移动量比COVID前下降了70%。这一下降的四分之一归因于SHO，在遵守方面存在很大的人口差异，最明显的是政治派别。特朗普选民可能会在当地SHO后减少9%的运动，而克林顿投票的邻居则减少了21%，他们面临类似的暴露风险和相同的政府命令。通过将社交距离行为与流行病模型联系起来，我们估计，减少移动会使SARS-CoV-2传播率降低49%。
2020-05-11 cs.SI econ.GN physics.soc-ph
Statistical Physics of Epidemic on Network Predictions for SARS-CoV-2 Parameters
SARS-CoV-2大流行需要全世界的缓解努力。我们只使用第一例死亡后两周内报告的死亡人数来确定感染参数，以便预测隐藏变量，例如感染人数的时间依赖性。早期死亡是零星和离散的，因此使用流行病传播的网络模型势在必行，网络本身就是一个关键的随机变量。当试图用参数化模型拟合这些事件时，必须考虑特定地点的人口年龄分布和人口密度。这些特征使得朴素贝叶斯模型比较不切实际，因为网络必须足够大以避免有限大小的影响。我们重新制定了这个问题的统计物理的独立位置特定的“球”附加到每个模型在一个六维晶格的56448参数化模型的弹性弹簧，与模型特定的“弹簧常数”确定的随机性网络流行病模拟该模型。球的分布决定了所有的贝叶斯后验期望。传染的重要特征是可确定的：在美国，死亡的感染患者比例（$0.017\pm 0.009$）、感染者具有传染性的预期时间（$22 \pm 6$天）和首次感染与首次死亡之间的预期时间（$25 \pm 8$天）。感染个体数量的指数增长率为每天$0.18\pm 0.03$，对应于在100天内从单一初始感染的6500万感染个体，在第一次记录的死亡后两周，即使是不完美的社交距离也会下降到166000。对于改变累计感染人数来说，遵守社交距离的人的比例不如减少社交接触的人的比例重要。
2020-07-06 physics.soc-ph q-bio.PE q-bio.QM
Modeling, state estimation, and optimal control for the US COVID-19 outbreak
新型冠状病毒SARS-CoV-2和由此产生的COVID-19疾病已经史无前例地传播，并继续在全球范围内造成越来越多的死亡人数。虽然疫苗仍在开发中，但保持社交距离、广泛检测和对确诊感染者进行隔离仍然是遏制大流行的最有效措施。这些措施带来了巨大的社会经济成本。在这项工作中，我们介绍了一种新的基于优化的决策框架，用于管理美国的COVID-19疫情。这包括对受影响人群的动态进行建模，从数据中估计模型参数和隐藏状态，以及用于对社交距离和测试事件进行排序的最佳控制策略，以使感染数量最小化。对我们大量计算工作的分析表明，社交距离和隔离在早期实施时最有效，对确诊感染受试者的隔离具有更高的影响。此外，我们发现，在严格的社交距离和放松这些限制之间交替的“开关”政策可以有效地“拉平”曲线，同时可能最大限度地减少社会和经济成本。
2020-04-18 math.OC q-bio.PE
Balancing Fiscal and Mortality Impact of SARS-CoV-2 Mitigation Measurements
流行病会带来人力和财政代价。在输入性大流行病的情况下，第一个最好的解决办法是限制国界，以识别和隔离受感染的个人。然而，如果没有充分抓住这一机会，又没有预防性干预措施，就必须选择次佳的办法。在这篇文章中，我们开发了一个微分方程系统，模拟与不同的缓解措施相关的财政和人力成本。在模拟了几种情况后，我们得出结论，群体免疫（或释放流行病）是最糟糕的政策，无论是在人力和财政成本。我们发现，第二好的政策是在大流行后的前20天内制定严格的政策（例如大规模检测的物理距离），将感染概率降低80%。就美国而言，与群体免疫案例相比，这一严格的政策将挽救超过23.9万人的生命，并为纳税人节省近1708亿美元。
2021-03-06 physics.soc-ph q-bio.PE
Interplay between COVID-19 vaccines and social measures for ending the SARS-CoV-2 pandemic
COVID-19疫苗的开发和授权为消除社区传播提供了最清晰的途径，从而结束了持续的SARS-CoV-2大流行。然而，疫苗接种的有限速度引发了一个问题，即我们必须在多大程度上继续坚持戴口罩和保持社交距离等社会干预措施？为了解决这个问题，我们开发了一个新冠肺炎传播的数学模型，其中包括疫苗动力学和社会流行病学参数。我们使用该模型研究了疾病控制和根除的两个重要指标，有效生殖数$R_t$和重症监护病房（ICU）病例量峰值，以及三个关键参数：社会措施依从性，疫苗接种率和疫苗接种覆盖率。我们的研究结果表明，由于疫苗接种速度缓慢，社会措施必须由大部分人口维持，直到有足够比例的人口接种疫苗，以消除大流行病。相比之下，随着社会措施的减少，医院重症监护室的病例将大大超过容量，导致可避免的生命损失增加。这些发现强调了疫苗接种和社会保护措施之间的复杂相互作用，并表明在疫苗规模扩大以允许发展可持续地结束或控制SARS-CoV-2所需的群体免疫力的同时继续采取一定程度的社会措施的实际重要性。
2021-03-06 physics.soc-ph q-bio.PE
What is the potential for a second peak in the evolution of SARS-CoV-2 in emerging and developing economies? Insights from a SIRASD model considering the informal economy
我们研究了一个易感-感染-感染-无症状-症状-死亡（SIRASD）模型的潜在场景。作为一个新事物，我们考虑了在新兴国家和发展中国家观察到的社会经济属性之后，在遵守社交距离政策的程度上有所不同的人群。考虑到根据SARS-CoV-2在巴西传播的数据估计的流行病学参数-那里有相当大的人口在非正规经济中谋生，因此倾向于不自我隔离-我们断言，如果过早取消隔离措施，即新病例数连续下降多达一周，很可能出现第二个高峰。我们的方法应该适用于参与非正规经济的人数占总劳动力很大比例的任何国家。总之，我们的研究结果指出，目标政策对于支持非正规经济中的人们在大流行期间正确遵守预防措施至关重要。
2021-03-08 physics.soc-ph q-bio.PE
The foreshadow of a second wave: An analysis of current COVID-19 fatalities in Germany
第二波SARS-CoV-2正在数十个国家展开。然而，这第二波在新报告的病例中表现得很明显，但与第一波相比，死亡人数较少。在过去三个月中，德国报告的病例增加了五倍或更多，而死亡人数几乎没有增加。这种差异引发了人们的猜测，即报告病例的增加不会反映第二波，而只是更广泛的测试。我们发现，这种明显的差异在很大程度上可以用感染者的年龄结构来解释，并预测在不久的将来，随着传播再次扩大到老年群体，死亡人数将显著增加。为了重新建立控制，并避免超过TTI容量时的临界点，必须降低病例数。否则，控制疫情蔓延和保护脆弱人群将需要在医院达到最大能力时采取更多限制性措施。
2020-10-27 physics.soc-ph q-bio.PE
Optimal Control Concerns Regarding the COVID-19 (SARS-CoV-2) Pandemic in Bahia and Santa Catarina, Brazil
COVID-19疫情是21世纪最严重的健康危机。SARS-CoV-2病毒于2020年3月左右抵达巴西，其社会和经济反弹是灾难性的。在本文中，它是如何模型预测控制（MPC）可以用来规划适当的社会距离政策，以减轻流行病的影响，在巴伊亚和圣卡塔琳娜州，两个国家的不同地区，文化和人口统计在巴西。此外，这两种状态的易感-感染-患病-死亡（SIRD）模型的参数识别使用的优化程序。对该过程的控制输入是传递给群体的社会隔离准则。设计了两种MPC策略：a）集中式MPC，协调两个状态的单个控制策略;和b）分散式策略，针对每个状态求解一个优化。仿真结果表明，这两种控制策略的说明和比较。该框架是处理这种流行病现象的指导方针。
2020-06-25 math.OC physics.soc-ph q-bio.PE
Inferring the main drivers of SARS-CoV-2 global transmissibility by feature selection methods
确定SARS-CoV-2在人群中传播的主要环境驱动因素对于了解COVID-19和其他传染病当前和未来潜在的爆发至关重要。为了解决这个问题，我们集中在基本的繁殖数$R_0$，这是不敏感的测试覆盖率，并代表在没有社会距离和完全易感人群的可传播性。虽然许多变量可能会影响$R_0$，但这些变量之间的高度相关性可能会模糊结果解释。因此，我们将主成分分析与几种基于回归的方法的特征选择方法相结合，以确定$R_0$背后的主要人口和气象驱动因素。我们有力地获得，国家的财富/发展（人均GDP或人类发展指数）是全球层面上最重要的$R_0$预测因子，可能是人口总体接触频率的良好代表。这一主要影响受到人均建筑面积（室内空间拥挤）、感染发生（可能与感染风险意识的提高有关）、净移民、不健康的生活方式/条件（包括污染）、季节性以及可能的卡介苗接种率的影响。此外，我们认为，显着相关的几个变量，与遗传性不直接影响$R_0$或影响它不同于所建议的天真的分析。
2021-08-31 physics.soc-ph q-bio.PE
Simulating transmission scenarios of the Delta variant of SARS-CoV-2 in Australia
2021年6月中旬左右，澳大利亚悉尼爆发了SARS-CoV-2的Delta（B.1.617.2）变种，并迅速发展成为全国性疫情。由于Delta变异病毒比2020年在澳大利亚传播的先前变异病毒更具传染性，因此持续的疫情备受关注。使用重新校准的基于代理人的模型，我们探索了一系列可行的非药物干预措施，包括病例隔离、家庭隔离、学校关闭和居家限制（即，“社会距离”）。我们的模型表明，在悉尼和全国其他地区，工作场所和社区之间的相互作用减少的程度不足以控制疫情。一项反事实的分析表明，如果70%的人口遵守严格的居家限制，那么至少需要45天才能将每日新增病例从峰值降至每日10例以下。我们的模型预测，在逐步推广疫苗接种的情况下，如果40-50%的澳大利亚人口遵守居家限制，发病率将在2021年10月中旬达到峰值：全国发病率的峰值确实在10月中旬观察到。我们还量化了澳大利亚医疗系统的预期负担和潜在死亡人数。
2022-03-10 cs.MA q-bio.PE
A Parametrized Nonlinear Predictive Control Strategy for Relaxing COVID-19 Social Distancing Measures in Brazil
在本文中，我们制定了一个非线性模型预测控制（NMPC）来计划适当的社交距离措施（和放松），以减轻COVID-19大流行的影响，考虑到巴西的传染发展。NMPC策略是根据适应性数据驱动的易感-感染-死亡-死亡（SIRD）传染模型设计的，该模型考虑了社交距离的影响。此外，适应SIRD模型包括随时间变化的自回归传染参数，动态收敛，根据流行病的阶段。这个新的模型是通过一个三层的程序，分析回归，最小二乘优化运行和自回归模型拟合确定。数据驱动的模型进行了验证，并充分描述了传染曲线在大的预测范围。在该模型中，控制输入被定义为社会距离准则的非参数化值，其直接影响SARS-CoV-2病毒的传播和感染率。NMPC策略生成逐段的恒定隔离指导方针，这些指导方针可以随着每周的过去而放松/加强。该方法的实现是通过搜索机制来进行的，因为控制是非参数化的，因此存在有限数量的可能的控制序列。模拟文章显示，以说明所提出的闭环NMPC策略，这是能够减少感染的数量，并逐步放松社交距离的措施所获得的结果。在“开环”/无控制条件下，死亡人数仍然可以减少高达30%。该预测预测了2020年9月2日的感染高峰，如果没有制定协调的卫生政策，可能导致超过150万人死亡。该框架是巴西可能的公共卫生政策的指导方针。
2020-07-19 math.OC physics.soc-ph q-bio.PE
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
Vaccination and SARS-CoV-2 variants: how much containment is still needed? A quantitative assessment
尽管在医疗保健方面取得了进展，但全人群的综合干预措施（如物理距离、检测和接触者追踪）对于管理SARS-CoV-2大流行仍然至关重要，新的高传染性变体的出现加剧了这种流行。我们将预测COVID-19感染过程的房室SIDARTHE模型与新的基于数据的模型相结合，该模型将新病例投射到伤亡和医疗系统成本上。根据意大利的案例研究，我们概述了几种情况：不同节奏的大规模疫苗接种运动，由于新的变异导致的不同传播率，以及不同的强制性对策，包括开放和关闭阶段的交替。我们的研究结果表明，非药物干预措施（NPI）对流行病演变的影响比疫苗接种更大，这就要求在整个疫苗接种运动中保持遏制措施。我们还表明，如果采用间歇性开放-关闭策略，只要有远见从关闭阶段而不是开放阶段开始，死亡和医疗保健系统成本就可以大幅降低，而不会加剧社会经济损失。
2021-02-17 cs.SY eess.SY math.DS
Impact of opinion dynamics on recurrent pandemic waves: balancing risk aversion and peer pressure
本文提出一个融合个体风险感知与同伴压力的观点动力学模型，并将其集成到大规模智能体COVID-19模拟中，揭示了社交距离行为的波动如何解释澳大利亚奥密克戎疫情期间反复出现的感染浪潮。
2024-07-26 q-bio.PE q-bio.QM
Daily Profile of COVID-19 Infections in Germany, throughout the Pandemic
本研究通过德国每日病例数据分析 COVID-19 传播动态，结合流行病学参数估算繁殖数与群体免疫阈值，并预测死亡概况及病例致死率。
2025-10-07 q-bio.PE
Modelling the downhill of the Sars-Cov-2 in Italy and a universal forecast of the epidemic in the world
在之前的文章[1]中，我们描述了2月24日至4月1日期间意大利SARS- Cov-2的时间演变。正如我们在[1]中所看到的，一个广义的逻辑斯谛方程同时捕捉了总感染人数和死亡人数的峰值。在本文中，我们的目标是研究缺失的峰，即当前感染的峰（或当前总阳性峰）。在4月7日之后，拭子数量的大幅增加意味着感染曲线的逻辑行为不再起作用。所以我们决定推广这个模型，引入新的参数。此外，我们采用了与[1]（用于估计死亡）相似的方法来评估回收率。通过这种方式，引入一个简单的守恒定律，我们定义了一个具有4个种群的模型：总感染，当前阳性，恢复和死亡。因此，我们提出了一种替代方法，以经典的SIRD模型的SARS-Cov-2疫情的评估。然而，该方法是通用的，因此适用于其他疾病。最后，我们研究了意大利，德国和美国的拭子感染率的行为，并且我们表明，通过研究这个参数，我们恢复了[1]中使用的这三个国家的广义Logistic模型。我们认为，这种趋势可能有助于这种冠状病毒的未来流行。
2020-05-13 nlin.AO q-bio.PE
A Markovian Model for the Spread of the SARS-CoV-2 Virus
我们提出了一个马尔可夫随机方法来模拟一个封闭的人群中的SARS-CoV-2样感染的传播。该模型采用部分可观测马尔可夫决策过程（POMDP）的形式，其状态由不同健康状况下的受试者数量给出。该模型还揭示了对疾病传播有影响的不同参数以及可用于控制疾病传播的各种决策变量（例如，社交距离，为挑出受感染对象而进行的测试数量）。该模型描述了流行病传播背后的随机现象，并以确定性参数的形式捕捉了资源（医院病床和测试拭子）可用性方面的一些基本限制。这个模型适合于不同的用途。对于给定的控制策略，可以验证它是否满足关于状态的随机演化的分析性质（例如，计算医院病床将达到填充水平或特定百分比的人口将死亡的概率）。如果控制策略未给出，则可以应用POMDP技术来确定满足某些指定概率目标的最优控制策略。虽然本文的主要目的是在模型描述，我们用数值例子显示它的一些潜在的应用。
2022-04-24 cs.SY eess.SY q-bio.PE
An epidemiological compartmental model with automated parameter estimation and forecasting of the spread of COVID-19 with analysis of data from Germany and Brazil
在这项工作中，我们采用流行病学SIR模型来研究COVID-19在德国和巴西（全国范围内，帕拉伊巴州和Campina Grande市）的传播演变。我们证明了模型动力学的适定性和对参数的连续依赖性。我们还提出了一个简单的概率方法的演变的活跃的情况下，有助于自动估计的流行病学模型的参数。我们获得了统计估计的活动情况下的概率方法和确认的情况下的数据。从这个估计的时间序列，我们得到了一个时间依赖的传染率，这反映了较低或较高的遵守社会距离的参与人群。通过分析每日死亡数据，我们获得了每日死亡率和恢复率。然后，我们集成的运动方程的模型，使用这些时间相关的参数。我们验证我们的流行病学模型，通过拟合官方数据的确认，康复，死亡和活跃的病例，由于大流行的理论预测。我们用这种方法得到了很好的数据拟合。这里开发的自动化程序基本上可以用于任何人群，只需最少的额外工作。最后，我们还提出并验证了一个预测方法的基础上马尔可夫链的流行病学数据的演变长达两周。
2020-11-11 physics.soc-ph q-bio.PE
Mapping county-level mobility pattern changes in the United States in response to COVID-19
为控制冠状病毒病（COVID-19）大流行，应对COVID-19爆发的其中一项非药物疫情控制措施是通过（物理）社交距离降低SARS-COV-2在人群中的传播率。在美国国家科学基金会（NSF）的支持下，开发了一个基于网络的互动绘图平台，及时提供有关不同国家和州的人们对社交距离准则的反应的定量信息。它整合了地理信息系统（GIS）和每日更新的人类流动统计模式，这些统计模式来自美国县级大规模匿名和汇总的智能手机位置大数据，旨在提高公众的风险意识，支持政府决策，并帮助加强社区应对COVID-19疫情。
2020-05-16 cs.SI physics.soc-ph q-bio.PE
The Effectiveness of Strategies to Contain SARS-CoV-2: Testing, Vaccinations, and NPIs
为了减缓CoViD-19大流行的传播，世界各国政府制定了一系列限制疾病传播的政策。最初，这些措施侧重于非药物干预;最近，疫苗接种和大规模快速检测开始发挥重要作用。这项研究的目的是解释这些政策对确定大流行进程的量化影响，考虑到季节性或具有不同传播特征的病毒株等因素。为此，该研究开发了一个基于代理的模拟模型，该模型使用德国第二波和第三波CoViD-19大流行的数据进行估计。该论文发现，在疫苗接种率从5%上升到40%的时期，大规模快速检测对减少感染人数的影响最大。频繁的大规模快速检测应该仍然是遏制CoViD-19战略的一部分;它可以取代许多非药物干预措施，这些措施对个人，社会和经济造成的成本要大得多。
2021-06-22 econ.GN q-bio.PE q-fin.EC
Emerging vaccine-breakthrough SARS-CoV-2 variants
最近全球COVID-19感染激增是由新的SARS-CoV-2变体（即Alpha，Beta，Gamma，Delta等）推动的。由于刺突蛋白上的4，653个非简并突变，导致这种激增的分子机制难以理解，刺突蛋白是大多数COVID-19疫苗的靶标。对传播和进化的分子机制的理解是预见新出现的疫苗突破性变体的趋势以及设计防突变疫苗和单克隆抗体的先决条件。我们整合了1，489，884个SARS-CoV-2基因组分离株的基因分型，130种人类抗体，数万个突变数据点，拓扑数据分析和深度学习，以揭示SARS-CoV-2进化机制并预测新出现的疫苗逃逸变体。我们发现，S蛋白RBD上的感染性增强和抗体破坏性共突变可以定量解释所有流行变体的感染性和毒力。我们证明了Lambda与Delta一样具有传染性，但对疫苗更具抗性。我们分析了包括英国、美国、丹麦、巴西和德国等在内的20个国家出现的疫苗突破性共突变，我们设想通过感染性进行的自然选择将继续是未接种疫苗人群中病毒进化的主要机制，而抗体破坏性共突变将推动疫苗突破性变异在完全接种疫苗人群中的未来增长。最后，我们已经确定了很有可能成为显性的共突变：[A411S，L452R，T478K]，[L452R，T478K，N501Y]，[V401L，L452R，T478K]，[K417N，L452R，T478K]，[L452R，T478K，E484K，N501Y]，和[P38…
2021-09-09 q-bio.BM q-bio.PE
Study of lockdown/testing mitigation strategies on stochastic SIR model and its comparison with South Korea, Germany and New York data
我们目前正面临一场全球性大流行病的高度危急情况。新型冠状病毒（SARS-CoV-2，又名COVID-19）已被证明具有极强的传染性，最初从亚洲爆发的疫情现已蔓延到所有大陆。这种情况将有益于研究病毒的传播，评估有效的对策，以衡量所采取的战略的影响。标准的易感-传染-传播（SIR）模型是一个非常成功和广泛使用的预测流行病传播的数学模型。我们在随机网络上采用SIR模型，并将该模型扩展到包括控制策略{ \em锁定}和{ \em测试} -两种常用的缓解策略。这些策略在控制大流行病传播方面的能力通过改变其实施的有效性来研究。在撤回缓解战略后，详细评估了第二次爆发的可能性。我们注意到，在任何情况下，这种缓解战略的突然中断都可能导致第二次疫情的重新爆发，其高峰将与易感个体的数量相关。事实上，我们发现，在群体免疫力实现之前，一个群体仍然容易受到感染。我们还用韩国、德国和纽约的疫情传播的真实统计数据和信息测试了我们的模型，发现与模拟数据非常一致。
2020-06-20 physics.soc-ph q-bio.PE
Non-parametric model-based estimation of the effective reproduction number for SARS-CoV-2
病毒爆发，例如当前的COVID-19大流行，通常通过常微分方程（ODE）系统的房室模型来描述。这些ODE模型的参数值通常是未知的，需要根据可访问的数据进行估计。为了描述具有强烈变化情况的现实流行病情景，需要假设这些模型参数是时间依赖的。虽然对于时间常数参数的典型情况的参数估计不会造成更大的问题，但是时间相关参数的确定，例如~房室模型的转换速率仍然是众所周知的困难，特别是因为这些时间相关参数的函数类是未知的。在这项工作中，我们提出了一种新的方法，利用增广卡尔曼平滑结合期望最大化算法，同时估计所有的时间依赖性参数的SIRD房室模型。这种方法只需要发病率数据，但没有先验知识的模型参数或任何进一步的假设的函数类的时间依赖性。与其他方法的时间依赖的再生数的估计相比，不需要对参数化的序列间隔分布的假设。通过这种方法，我们能够充分描述德国的COVID-19数据，并给出基于非参数模型的有效繁殖数量的时间过程估计。
2021-11-18 physics.data-an q-bio.PE
Morphology and numerical characteristics of epidemic curves for SARS-Cov-II using Moyal distribution
本文证明了Moyal分布是研究SARS-Cov-II（Covid-19）流行病学相关曲线及其传播的一个很好的工具。Moyal参数提供了描述疾病暴发在不同受影响国家的形式和影响及其全球影响的所有信息。我们检查了Moyal分布可以准确地拟合每个国家的{ \it{new confirmed cases of infected people} }（NCC）的每日报告，在那些地方，传染病正在达到他们的最后阶段，同时描述传染病的开始，最强烈的阶段和下降。为了实现这项工作的目的，使用一组完整且经过精心编辑的数据来拟合曲线非常重要。数据来自欧洲国家，如法国、西班牙、意大利、比利时、瑞典、英国、丹麦和其他国家，如美国和中国。此外，Moyal分布拟合的参数之间的相关性和一般的公共卫生措施，在每个国家，进行了讨论。这些政策和Moyal分布的特征之间的关系，在其参数和临界点，显示;从中可以看出，了解流行病曲线的时间演变、临界点、叠加特性以及上升和结束的速度，可以帮助找到一种方法来估计每个国家实施的社会距离措施的效率，并预测大流行的不同阶段。
2020-06-08 physics.med-ph physics.soc-ph q-bio.PE
Tracking the time course of reproduction number and lockdown's effect during SARS-CoV-2 epidemic: nonparametric estimation
对SARS-CoV-2流行病演变的封锁效应的准确建模是一个关键问题，以便为应急管理的卫生保健决策提供信息。到目前为止提出的分区和空间模型使用接触率的参数描述，通常假设锁定的时间不变的影响。在本文中，我们表明，这些假设可能会导致对正在进行的大流行的错误评估。因此，我们开发了一类新的非参数房室模型，能够描述锁定的影响如何随时间变化。利用正则化理论，将住院数据映射到无限维空间，从而获得一个函数，该函数还考虑了社交距离措施和人们对感染风险的日益增长的意识如何随着时间的推移而演变。这允许重建一个连续的时间轮廓的SARS-CoV-2再现数与以前从未达到的分辨率。当应用于在意大利受影响最严重的地区伦巴第收集的数据时，我们的模型说明了人们的行为在限制期间如何改变，以及它对遏制疫情的重要性。结果还表明，在封锁结束时，伦巴第约12%的人和意大利5%的人受到SARS-CoV-2的影响。然后，我们讨论了封锁结束后的情况如何演变，表明由于假期放松，特别是年轻人口和移民抵达增加，在最后几周内繁殖数量正在危险地增加，在2020年8月1日达到大于1的值。由于包括意大利在内的几个国家仍然观察到疫情不断增长，并且所有国家都可能在夏季之后受到第二波疫情的影响，因此拟议的生殖数量跟踪方法对卫生保健当局预防另一次SARS-CoV-2扩散或评估封锁限制的影响有很大帮助。
2020-08-27 cs.SY eess.SY physics.soc-ph
Modelling the Spread of SARS-CoV2 and its variants. Comparison with Real Data. Relations that have to be Satisfied to Achieve the Total Regression of the SARS-CoV2 Infection
这项工作概述了我们先前提出的确定性和随机性模型，用于研究2019年冠状病毒病（COVID-19）在欧洲和美国的传播动态。简言之，我们描述了COVID-19疫情演变的现实确定性和随机模型，受限于封锁和隔离措施，其中考虑了恢复或死亡过程的时间延迟。采用所谓的“动力学型反应方法”推导出了整个过程的实际动力学方程。封锁和隔离措施是以某种抑制剂反应为模型的，在这种反应中，易感和受感染的个体可以被“困”在不活跃的状态中。康复者的动态是通过计算那些只追溯到住院感染者的人来获得的。为了模拟医院的角色，我们从Michaelis-Menten的酶-底物反应模型（所谓的“MM反应”）中获得灵感，其中“酶”与“可用的医院床位”相关联，“底物”与“感染者”相关联，“产品”与“康复者”相关联。模型的统计特性，特别是相关的相关函数和概率密度函数，已适当地进行了评估。我们用意大利、德国、法国、比利时和美国的大量实验数据验证了我们的理论预测，我们还将意大利和比利时的数据与logistic模型的理论预测进行了比较。我们发现，自COVID 19爆发以来，我们的预测与现实世界非常吻合，而物流模型仅适用于疫情爆发的最初几天。在工作的最后一部分，我们可以找到应该满足的（理论）关系，以获得病毒的消失。
2022-07-07 physics.bio-ph q-bio.PE
Optimal immunity control by social distancing for the SIR epidemic model
在找到针对SARS-CoV-2冠状病毒的疫苗或疗法之前，实现群体免疫似乎是唯一的中期选择。然而，如果感染个体的数量减少，并最终消退，仅超过这一阈值，相当大比例的易感者仍可能被感染，直到流行结束。在没有疫苗或治疗方法的最坏情况下，控制策略可能是最好的政策。为了将新感染者的数量保持在最低限度，一个可能的策略是采取严格的控制措施，使易感个体的数量保持在接近群体免疫力的水平。这种行动是不现实的，因为遏制只能持续有限的时间，而且永远不会彻底。在这篇文章中，使用一个经典的SIR模型，我们确定（部分或全部）遏制策略在一个给定的有限的时间间隔，最大限度地增加易感个体的数量在一个无限的地平线上，或等价地，最小化总的感染负担在诅咒的流行病。证明了该最优策略的存在唯一性，并对后者进行了充分刻画。如果在实践中适用，这种策略理论上将导致无限范围内易感人群比例增加30%，其遏制水平与法国2020年3月至5月实施的卫生措施相对应。我们还分析了最小干预时间达到一个固定的距离从群体免疫，并显示与前一个问题的关系。仿真结果表明，并验证了理论结果。
2020-06-10 math.OC physics.soc-ph q-bio.PE
A Novel Compartmental Approach to Modeling COVID-19 Disease Dynamics and Analyzing the Effect of Common Preventative Measures
截至2020年12月，COVID-19疫情已感染超过75百万人，成为现代历史上最致命的疫情。本研究开发了一种新的针对SARS-CoV-2病毒的房室流行病学模型，并分析了常见预防措施（如检测、隔离、社交距离和疫苗接种）的效果。通过考虑为最大限度地减少病毒传播而制定的最普遍的干预措施，该模型为未来COVID-19和其他现代流行病的数学建模奠定了重要基础。具体而言，该模型扩展了经典的SIR模型，并为处于潜伏期、无症状、检测阳性、隔离、接种疫苗或死亡的个体引入了单独的隔间。它还解释了可变的感染率、检测率和死亡率。我首先分析了加利福尼亚州圣克拉拉县的疫情，然后概括了调查结果。结果显示，尽管所有预防措施都能减少COVID-19的传播，但隔离和社交距离规定降低了感染率，是最有效的政策，其次是疫苗分发，最后是公开测试。因此，政府应集中资源执行隔离和社交距离政策。此外，我发现数学证明，相对较高的无症状率和较长的潜伏期是COVID-19快速传播的驱动因素。
2021-11-17 physics.soc-ph q-bio.PE stat.AP
Change points in the spread of COVID-19 question the effectiveness of nonpharmaceutical interventions in Germany
目的：针对SARS-CoV-2在德国传播的非药物干预措施包括取消群众活动（从3月8日起），关闭学校和儿童日托设施（从3月16日起）以及“封锁”（从3月23日起）。这项研究试图评估这些干预措施的有效性，揭示其对感染的影响随着时间的推移。方法：感染日期估计从德国官方病例数据，结合潜伏期和经验报告延迟。指数增长模型的感染和繁殖数量进行了估计和调查方面的变化点的时间序列。结果如下：3月8日（CI [7，9]）、3月10日（CI [9，11]）和3月3日（CI [2，4]），日感染数、累积感染数和繁殖数均显著下降。3月底进一步下降和稳定。4月19日新发感染也有一个变化点（CI [18，20]），但每日感染仍呈现负增长。从3月19日（CI [18，20]）开始，繁殖数在低于1的水平上波动。结论：2020年3月初的感染下降可归因于相对较小的干预措施和自愿的行为改变。后来的干预措施的额外影响无法清楚地检测出来。措施的自由化并没有导致感染人数再次增加。因此，大多数德国干预措施的有效性仍然值得怀疑。此外，干预措施的评估受到真实感染日期的估计和测试量的影响的阻碍。
2020-07-06 physics.soc-ph q-bio.PE
COVID-19: What If Immunity Wanes?
使用一个简单的经济模型，其中社会距离减少传染，我们研究免疫力下降的流行病学动态和社会活动的影响。如果免疫力减弱，我们发现COVID-19可能会成为地方性疾病，在发现疫苗或治愈方法之前，社交距离将持续存在。但免疫力减弱并不一定会改变大流行开始时的最佳行动。在接近感染高峰之前，分散平衡实际上与免疫力减弱无关。对于集中均衡，免疫力减弱的相关性降低了找到疫苗或治愈的概率，感染的成本（例如，感染致死率），以及其他降低传染性的NPI的存在（例如，使用口罩）。在校准到2020年7月的模拟中，我们的模型表明，至少在2021年之前，免疫力减弱对集中式均衡几乎不重要。这为个人和政策制定者提供了重要的时间，以便在SARS-CoV-2变得至关重要之前了解免疫力。
2020-08-07 econ.GN physics.soc-ph q-bio.PE
Statistical Modeling of Airborne Virus Transmission Through Imperfectly Fitted Face Masks
严重急性呼吸综合征冠状病毒2型（SARS-CoV-2）的迅速出现和对全球公共卫生、社会和经济的灾难性影响，迫切需要了解病毒传播的关键途径。无症状的SARS-CoV-2感染者通过空气传播病毒被认为是SARS-CoV-2传播的主要原因，许多国家已将社交距离和在公共场所佩戴口罩作为应对措施。然而，一个全面的风险评估框架的空气传播的SARS-CoV-2纳入现实的假设过滤传染性气溶胶（IA）的口罩还没有。特别是，在大多数空气传播病毒的端到端模型中，忽略了IA通过不完全贴合的面罩的随机传播取决于佩戴者的呼吸动力学。在本文中，我们考虑空气传播病毒从感染但无症状的人到健康的人，都戴着不完全适合的口罩，在室内环境中。通过将端到端的病毒传播框定为分子通信（MC）系统，我们获得了健康人吸入IA数量的统计描述，该数量取决于两个人各自的口罩配置。我们证明，呼气和吸气的空气流动动力学有显着的影响随机过滤IA的面罩。此外，我们表明，适合的口罩的感染者可以高度影响感染概率。我们的结论是，建议MC模型可能有助于一个有价值的评估工具，以打击传播的SARS-CoV-2，因为它包括了随机性的传输过程，并使全面的风险分析超出统计平均值。
2023-01-16 physics.soc-ph q-bio.PE
Robust and optimal predictive control of the COVID-19 outbreak
我们以德国为例，研究通过社交距离措施稳健及最佳控制COVID-19疫情的适应性策略。我们的目标是在两年内尽量减少死亡人数，同时不造成过多的社会代价。我们考虑了德国COVID-19爆发的定制模型，该模型具有不同的参数集，以设计和验证我们的方法。我们的分析表明，开环最优控制策略可以显着减少死亡人数相比，更简单的政策下，假设准确的模型知识。在具有不确定数据和模型不匹配的更现实的场景中，使用模型预测控制（MPC）每周更新策略的反馈策略导致可靠的性能，即使应用于具有偏差参数的验证模型。最重要的是，我们提出了一个强大的MPC为基础的反馈政策，采用区间算法，适应社会距离的措施谨慎和安全，从而导致最低数量的死亡，即使测量是不准确的，感染率不能精确地指定的社会距离。我们的理论研究结果支持了最近的各种研究，表明1）需要自适应反馈策略来可靠地控制COVID-19爆发，2）与简单的政策相比，精心设计的政策可以显著减少死亡人数，同时保持社交距离措施的数量在同一水平上，以及3）从长远来看，尽早实施更强有力的社交距离措施比过早开放和稍后恢复更严格的措施更有效和更便宜。
2021-02-08 cs.SY eess.SY math.OC
Association of vaccine-induced or hybrid immunity with COVID-19-related mortality during the Omicron wave -- a retrospective observational study in elderly Bavarians
工作背景：目前缺乏基于人群的研究，在Omicron波期间SARS-CoV-2诱导的免疫保护的有效性和持久性。研究方法：这项回顾性研究包括470159例年龄在60岁或以上的病例，他们在2022年1月1日至6月30日期间在德国巴伐利亚州检测出SARS-CoV-2呈阳性。我们检查了至死亡的时间，从最早的报告/症状发作日期至第60天测量。Cox模型用于估计性别、年龄、记录感染的最早日历日期和疫苗诱导或混合免疫（LI）水平的校正风险比（HR）。结果：共观察到3836例死亡（病死率0.82%）。所有LI的死亡风险均显著低于未接种疫苗的病例（在过去6个月内达到的完全主要LI的校正HR：0.30，95%置信区间（CI）0.23-0.39; 6个月后：0.46，95% CI 0.35-0.60）。加强治疗进一步降低了死亡风险（过去3个月内：HR 0.17，95% CI 0.15-0.20; 3个月后：HR 0.25，95% CI 0.21-0.29）。结论：在老年巴伐利亚人中，增加LI与增加Omicron波期间的死亡保护有关。然而，几个月后，保护可能会在一定程度上减少。
2022-11-15 q-bio.PE
Centralized and decentralized isolation strategies and their impact on the COVID-19 pandemic dynamics
由于各种社交网络促成的人类互动，传染病正在蔓延。因此，当一种新的病原体如SARS-CoV-2引起爆发时，非药物隔离策略（例如，社会距离）是唯一可能的反应，以破坏其传播。为此，我们引入了新的流行病模型（SICARS），并比较了集中式（C），分散式（D）和组合式（C+D）社交距离策略，并分析了它们在异构复杂网络上控制COVID-19动态的效率。我们的分析显示，集中的社交距离是必要的，以尽量减少流行病的传播。分散战略单独使用时是不够的，但与集中战略相结合时会产生最佳效果。事实上，（C+D）是最有效的隔离策略，可以缓解网络超级传播器，并将最高节点度降低到初始值的10%以下。我们的研究结果还表明，更强的社会距离，例如，切断75%的社会联系，可以将C隔离的爆发减少75%，D隔离减少33%，（C+D）隔离策略减少87%。最后，我们研究了主动与被动隔离策略的影响，以及它们的延迟执行。我们发现，对疫情的被动反应效率较低，延迟采取隔离措施超过一个月（自一个地区爆发疫情起）可能会产生令人担忧的影响;因此，我们的研究有助于从空间和时间上了解COVID-19疫情。我们相信，我们的调查具有高度的社会相关性，因为它们提供了了解不同程度的社交距离如何大幅降低感染高峰率的见解;这可以使COVID-19大流行在较长一段时间内更容易理解和控制。
2020-04-10 cs.MA cs.SI physics.soc-ph
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
SIRSi-Vaccine dynamical model for Covid-19 pandemic
2020年初，严重急性呼吸系统综合征冠状病毒2型（SARS-CoV-2）或新冠病毒爆发，成为一场大流行。学术机构、管理机构和工业界正在作出前所未有的全球努力，应对这一迅速蔓延的疾病带来的挑战。欧洲于2020年12月初批准了疫苗的紧急使用授权，美国则在9天后批准。对疫苗接种的迫切要求开始了一场竞赛，迫使政府和卫生保健机构在疫苗接种策略和后勤方面迅速做出决定。到目前为止，疫苗接种策略和非药物干预措施，如社交距离和使用口罩，是阻止疫情的唯一有效行动。在此背景下，了解新型冠状病毒传播的动态行为以及可能的疫苗接种策略至关重要。在这项工作中，一个易感-感染-删除-接种疫苗（SIRSi疫苗）模型的建议。此外，SIRSi疫苗模型还考虑了未报告或无症状的病例以及感染或接种疫苗后暂时免疫的可能性。确定了无病和地方病平衡点存在的条件。? ?)疫苗努力和社会距离参数空间。该模型根据巴西圣保罗州三个主要城市圣保罗、桑托斯和坎皮纳斯的数据进行了调整。
2021-04-15 math.DS q-bio.PE
The Impact of Public Safety Measures on the Spread of COVID-19 in the United States Assessed By Causal Model-Based Projections of the Pandemic
新型冠状病毒SARS-CoV-2及其引起的疾病COVID-19于2020年3月11日被世界卫生组织宣布为大流行病。从那时起，这种疾病在世界各地蔓延，美国成为病例最多的国家。世界各国政府已采取不同程度的公共安全措施，包括建议和广告宣传以改善卫生习惯，制定社交距离要求和限制大型公众集会，以及居家令和封锁。在美国，虽然各州的应对措施差异很大，但我们清楚地看到这些公共安全措施的效果是显著的，如果这些措施继续有效，或扩大到全国范围的封锁，疫情可以得到控制，并可能在减轻后果的情况下克服疾病。在本文中，我们使用因果模型对新型冠状病毒的传播进行了建模。我们发现，通过持续的封锁措施，根据这个模型，美国可以将感染总数限制在约135万人，死亡总数限制在约7.2万人。60天的封锁可以挽救无数人的生命。
2020-04-07 q-bio.PE
Control of COVID-19 dynamics through a fractional-order model
通过分数阶数学模型研究了物理距离对SARS-CoV-2病毒传播的影响。在我们根除COVID-19传播的模型中，考虑了两种控制措施：媒体教育，通过宣传活动解释社交距离的重要性，使用口罩等，第一种是对所有人群进行隔离，第二种是对受影响的个人进行社会隔离。讨论了一般分数阶最优控制问题，并给出了相应的Pontryagin型最优性条件，其目标是最小化易感者和感染者的数目，同时最大化恢复者的数目.然后数值地获得极值。
2021-02-12 math.OC q-bio.PE
Matching Theory and Evidence on Covid-19 using a Stochastic Network SIR Model
本文建立了一个基于个体的随机网络SIR模型，用于新冠肺炎疫情的实证分析。它推导出矩条件的感染和活动的情况下，单以及多组流行病模型的数量。这些矩条件被用来研究识别和估计的传输速率。然后，本文提出了一种方法，联合估计传播率和感染病例漏报的幅度。一旦感染病例报告不足的问题得到解决，六个欧洲国家的经验证据与模拟结果相符。据估计，实际病例数可能比2020年10月报告的病例数高出4至10倍，并于2021年4月下降至2至3倍。校准模型用于反事实分析的影响，社会距离和疫苗接种的流行病演变，以及在英国和德国的早期干预措施的时机。
2022-01-04 econ.EM q-bio.PE
Estimating the impact of non-pharmaceutical interventions and vaccination on the progress of the COVID-19 epidemic in Mexico: a mathematical approach
非药物干预措施在抗击COVID-19疫情中至关重要。然而，由于社会经济因素导致疫情在几个国家令人担忧地反弹，这些卫生措施已部分取消。在这项工作中，我们评估了2020年期间为限制SARS-CoV-2在墨西哥境内传播而实施的缓解措施的有效性。我们还调查了疫苗的初步部署将在多大程度上有助于缓解大流行，并减少社交距离和其他流动限制的需要。我们的建模方法是基于一个简单的机械Kermack-McKendrick型模型。为了量化NPI的影响，我们使用官方公布的数据进行每月贝叶斯推断。结果表明，如果没有卫生措施，感染、住院和死亡的累计人数至少是官方数字的两倍。此外，对于低疫苗覆盖率水平，放松非营利组织可能会大大增加疾病负担;因此，安全措施在疫苗接种的早期阶段至关重要。模拟结果还表明，采用效力低但覆盖率高的疫苗可能比效力高但覆盖率低的疫苗更可取。这支持了一种假设，即对更多的人单次接种比对每个人两次接种更有效。
2021-02-19 q-bio.PE
Modelling the impact of vaccination on the COVID-19 pandemic in African countries
疫苗的快速发展，以打击由SARS-CoV-2病毒引起的COVID-19疾病的传播是一项伟大的科学成就。在开发COVID-19疫苗之前，大多数研究都利用了不包括药物措施的现有数据。该等研究集中于非药物措施（例如社交距离、卫生、佩戴口罩及封锁）的影响，以研究COVID-19的传播。在这项研究中，我们使用了SIDARTHE-V模型，这是SIDARTHE模型的扩展，其中我们包括疫苗接种。我们研究了疫苗接种对非洲国家病毒严重性（致命性）的影响。模型参数是通过同时拟合加纳、肯尼亚、莫桑比克、尼日利亚、南非、多哥和赞比亚政府报告的COVID-19死亡、康复、活动病例和全面疫苗接种的累积数据来提取的。由于各国的疫苗接种计划存在一定程度的差异，我们考虑了疫苗接种运动对这些国家死亡率的影响。研究表明，随着每个国家疫苗接种程度的增加，累计死亡率急剧下降;虽然感染率有时会随着新一波的到来而增加，但死亡率并没有像我们在疫苗接种前看到的那样增加。
2022-11-10 q-bio.PE
Analyzing COVID-19 pandemic with a new growth model for population ecology
我们提出了种群生态学的一种新的增长率形式。一般来说，增长率取决于特定时期的人口规模。我们引入了另一种与时间相关的增长率形式。这种形式满足描述种群增长的必要条件，可以作为生长模型分析种群动力学的一种替代形式。我们采用广义Richards模型作为准则来比较我们的结果。此外，我们已经将我们的模型应用于流行病的情况。为了检验模型的有效性，我们对2003年SARS数据进行了验证。该模型具有较好的准确性，估计了最终的流行规模。其后，我们拟描述目前的2019冠状病毒病疫情。我们对意大利、西班牙和德国的数据进行了分析。接下来，我们试图预测COVID-19病例的数量以及美国、英国和印度的转折点。
2020-04-27 physics.bio-ph q-bio.PE
Characterizing the spread of CoViD-19
自疫情开始以来，来自世界各地的CoViD-19病例，住院和死亡的每日报告已公开。本文介绍了方法来表征疾病的传播的广泛特点，相对较长的时间内恒定的传播率，使用一个新的人口建模框架的基础上离散时间差分方程。选择比较参数是因为它们对模型假设的依赖性较弱。他们的点和区间估计的方法，占额外的方差来源的情况下的数据，提出。这些方法为使用公开数据定量评估社交距离政策变化的影响提供了基础。作为例子，安大略省和德国各州的数据进行了分析，使用这个框架。德国病例数据显示，在2020年5月6日放宽封锁规则后，传播率略有增加。通过结合来自德国的病例和死亡数据，估计从感染到死亡的时间的平均值和标准差。
2020-07-14 physics.soc-ph q-bio.PE stat.AP
