Rapidly evaluating lockdown strategies using spectral analysis: the cycles behind new daily COVID-19 cases and what happens after lockdown
谱分析表征振荡时间序列行为，如周期，但准确的估计需要合理数量的观察。许多国家目前的COVID-19时间序列都很短：封锁前和封锁后的时间序列更短。在这样的系列中准确估计潜在的有趣的周期似乎遥不可及。我们解决的问题，获得准确的估计，从短时间序列使用最近的贝叶斯谱融合方法。在这里，我们显示，许多国家转换后的每日新冠肺炎病例通常包含三个周期，波长约为2.7、4.1和6.7天（每周）。我们发现，较短的周期被抑制后锁定。封锁前后的差异表明，每周效应至少部分是由于非疫情因素，而两个较短的周期似乎是疫情固有的。不受约束的新病例呈指数级增长，但内部循环结构导致病例周期性下降。这表明，封锁的成功可能只有通过每日病例下降四次或更多才能表明。流行病时间序列的谱学习有助于了解流行病的过程，帮助评估干预措施，并协助预测。光谱融合是一种能够融合不同采样率下记录的光谱的通用技术，它可以应用于来自许多学科的广泛的时间序列。
2020-04-16 q-bio.PE stat.AP
Assessment of Lockdown Effect in Some States and Overall India: A Predictive Mathematical Study on COVID-19 Outbreak
在缺乏有效治疗或疫苗的情况下，以及对流行病学周期的不完全了解，政府已在全国范围内实施封锁，以减少COVID-19在印度的传播。为了研究社交距离措施的影响，我们考虑了一个新的数学模型，其中包含了封锁效应。通过验证我们的模型，从五个不同的国家和整个印度的通知病例的数据，我们估计了几个流行病学上的重要参数，以及基本的繁殖数（$R_{0}$）。将机械数学模型与不同的统计预测模型相结合，我们预测了2020年5月17日至2020年5月31日期间六个地点的通报病例。进行了一项全球敏感性分析，以确定两个流行病学可测量参数对锁定效应和$R_{0}$的相关性。我们的研究结果表明，在人群中存在较高比例的症状感染的地方，封锁将是有效的。此外，需要进行大规模COVID-19大规模检测以减少社区感染。包围模型预测显示，未来数天大部分地区的COVID-19通报病例将大幅增加。此外，预测期间的有效繁殖数量（$R_{t}$）趋势表明，如果在2020年5月17日之后完全取消封锁措施，则在这些地点可能会看到通知病例的高峰值。最后，结合我们的结果，我们提供了有效的封锁政策，以减少未来COVID-19在印度的传播。
2020-07-06 physics.soc-ph q-bio.PE
Evaluating the Effectiveness of Regional Lockdown Policies in the Containment of Covid-19: Evidence from Pakistan
为了减缓新型冠状病毒的传播，巴基斯坦境内的行政区域对社会经济活动、宗教集会和人员流动实施了完全和部分封锁限制。在此，我们探讨了区域封锁策略对新型冠状病毒疫情结果的影响。在对巴基斯坦国家卫生研究院（NIH）的官方数据进行计量经济学分析（不连续回归和负二项回归）后，我们发现这些策略并没有在所有地区导致类似水平的新冠肺炎病例（阳性病例和死亡）。在减少总体病例量（阳性病例和死亡）方面，与没有封锁相比，完全和部分封锁似乎在四个地区有效：俾路支省，<$git Baltistan（GT），伊斯兰堡首都直辖区（ICT）以及Azad Jammu和克什米尔（AJK）。在旁遮普省、信德省和开伯尔-普赫图赫瓦省这三个最大的省份，完全和部分封锁似乎无法有效遏制病毒。所观察到的封锁有效性的区域异质性主张根据人口、社会和经济因素谨慎使用封锁战略。
2020-06-04 econ.EM physics.soc-ph q-bio.PE
Estimating Hidden Asymptomatics, Herd Immunity Threshold and Lockdown Effects using a COVID-19 Specific Model
建立了一个包含隐藏无症状患者的COVID-19定量模型，并给出了参数形式的解析解。该模型纳入了封锁的影响，以及由于宣布封锁而导致的人口空间迁移。提出了一种从实际数据中估计模型参数的方法。结果表明，在我们所研究的欧洲国家，当总感染率在50- 56%之间时，当有症状的患者占总人口的4- 6%时，感染的增加速度减慢，实现了群体免疫。最后，提出了一种估计无症状患者数量的方法，无症状患者是感染传播的关键隐藏环节。
2020-05-29 physics.soc-ph q-bio.PE
Did the lockdown curb the spread of COVID-19 infection rate in India: A data-driven analysis
为了分析印度连续三次全国封锁的效果，我们对四个关键参数进行了数据驱动分析，即降低传播率，抑制增长率，平坦化流行曲线和改善医疗保健系统。通过考虑四个不同的指标，即繁殖率、生长率、倍增时间和死亡与恢复比率，对这些指标进行了量化。本集团利用指数增长、最大似然估计、序贯贝叶斯方法及时间依赖性繁殖估计，分析印度COVID-19疫情（于二零二零年三月二日至二零二零年五月三十一日期间）的发病率数据，以获得与疫情曲线的最佳拟合。最佳拟合（基于所考虑的数据）是时间依赖性方法。因此，该方法用于评估对有效繁殖率的影响。从封锁前到封锁3结束的时间段，有效繁殖率下降了$45\%$。在同一时期，生长速率从锁定前的$393\%$降低至锁定3后的$33\%$，伴随着平均倍增时间从$4$ - $6$天增加至$12$ - $14$天。最后，死亡与康复比率从$0.28$（封锁前）下降到封锁3后的$0.08$。总括而言，评估封城措施成效的四项指标自封城措施前至封城措施三结束期间均出现重大有利变化。使用这些指标分析封锁后期间的数据将更清楚地说明封锁的成功程度。
2020-06-22 physics.soc-ph q-bio.PE
A quantitative framework for exploring exit strategies from the COVID-19 lockdown
在许多国家采取了高度限制性措施以抗击目前的流行病之后，感染SARS-CoV-2的人数和相关的死亡人数正在稳步下降。这一事实，加上不可能无限期地维持封锁，提出了一个关键问题，即是否有可能根据定量分析设计一个退出战略。严格的数学结果的指导下，我们表明，这确实是可能的：我们提出了一个强大的数值算法，它可以计算的累积死亡人数，将发生的接触的数量增加了一个给定的倍数的结果，作为输入，只有最可靠的所有可用的数据在锁定期间，即累积死亡人数。
2020-08-03 physics.soc-ph q-bio.PE
A modelling study across the Italian regions: Lockdown, testing strategy, colored zones, and skew-normal distributions. How a numerical index of pandemic criticality could be useful in tackling the CoViD-19
由于欧洲正面临第二波CoViD-19大流行，每个国家都应仔细审查如何应对第一波疫情。从第一次经验中吸取的教训应有助于避免不分青红皂白地关闭，最重要的是，有助于确定普遍的（可以理解的）参数，以指导采取遏制措施，减少病毒的传播。使用很少的（有效的）参数对于在当局和民众之间建立联系确实极为重要，使民众能够理解某些限制的原因，从而能够积极参与防治这一流行病的斗争。测试策略，拟合偏斜参数（平均值，模式，标准差和偏斜度），死亡率和每周CoViD-19传播数据，随着越来越多的人被感染，被用来比较意大利地区爆发的第一波疫情，并确定在引入限制性遏制措施之前必须检查哪些参数。我们提出了一些\textit{universal}参数，一旦适当权衡，这些参数可能有助于正确区分国家领土上的流行病情况，并快速为每个地区分配适当的流行病风险。
2021-02-09 q-bio.PE
Impact of national lockdown on COVID-19 deaths in select European countries and the US using a Changes-in-Changes model
在本文中，我们估计了在选定的欧洲国家，国家封锁对COVID-19相关的总死亡人数和每日死亡人数（每百万人）的影响。特别是，我们使用变化中的变化（CIC）估计模型比较了实施全国封锁的国家（治疗组）;比利时，丹麦，法国，德国，意大利，挪威，西班牙，英国（UK）和美国，以及没有实施全国封锁的瑞典（对照组）。与标准差中差模型相比，CIC模型的主要优势在于，CIC允许在没有任何政策干预的情况下，结果的均值和方差随时间变化，并且CIC解释了政策干预选择的内隐性。我们的研究结果显示，与没有实施全国封城的瑞典相比，德国以及在一定程度上美国是全国封城对减少COVID-19相关的每百万人总死亡人数和每日死亡人数产生重大影响的两个国家。在挪威和丹麦，与瑞典相比，对每百万人的总死亡人数和每日死亡人数没有重大影响。而在其他国家，在比利时、法国、意大利、西班牙及英国，封城的影响则相反，即封城后，彼等每百万人的COVID-19相关总死亡人数及每日死亡人数显著高于瑞典。我们的研究结果表明，全国封锁对COVID-19相关的总死亡人数和每百万人每日死亡人数的影响因国家而异。
2020-06-15 econ.GN physics.soc-ph q-bio.PE
Effective lockdown and role of hospital-based COVID-19 transmission in some Indian states: An outbreak risk analysis
印度有几份报告表明，医院和隔离中心是COVID-19的热点。在缺乏有效的接触者追踪工具的情况下，政府和政策制定者可能没有注意到医院传播的风险。为了进一步探索这一重要途径及其对封锁效应的可能影响，我们开发了一个基于医院传播的机制模型。我们使用来自六个邦（马哈拉施特拉邦、德里、中央邦、拉贾斯坦邦、古吉拉特邦和北方邦）和整个印度的每日通报的COVID-19病例，估计了模型的几个重要参数。此外，我们还提供了这七个地点的基本（$R_{0}$）、社区（$R_{C}$）和医院（$R_{H}$）生殖数量的估计。为了获得对未来COVID-19病例的可靠预测，使用BMA后处理技术将机械模型与混合统计模型集成。我们使用集合模型，预测2020年5月3日至2020年5月20日期间，在上述地点五种不同的封锁情况下，COVID-19通报病例（每日和累积）。我们对机制模型的分析表明，大多数新的COVID-19病例目前在上述七个地点未被发现。此外，对$R_{0}$的四个流行病学可测量\可控参数以及封锁效应的全球敏感性分析表明，如果不立即采取适当的预防措施，医院和隔离中心可能会引发更大规模的COVID-19疫情。在大多数地区，我们的集合模型预测显示，印度未来几周的COVID-19通报病例将大幅增加。根据我们的研究结果，我们提出了一项遏制政策，可能会减少未来几天更大规模COVID-19爆发的威胁。
2020-05-03 math.DS q-bio.PE
"Stay Nearby or Get Checked": A Covid-19 Lockdown Exit Strategy
本文将网络理论中的经典观点（即长距离连接推动疾病传播）重新应用于控制第二波新冠肺炎疫情的策略。我们模拟了一个场景，其中首先对人口实施封锁，然后部分解除封锁，同时将远距离传播保持在最低限度。模拟的传播模式类似于当代COVID-19在国家、地区和省份的分布，提供了一些模型验证。结果表明，所提出的战略可能会显着平坦的第二波。我们还发现，封锁后的突发事件在当地停留的时间更长，有助于地理遏制。公共政策可能会针对长期关系，将医疗测试和移动跟踪工作重点放在交通和运输上。这一政策可以传达给公众一个简单而合理的原则：留在附近或接受检查。
2020-05-26 cs.SI physics.soc-ph q-bio.PE
Regional analysis of COVID-19 in France from fit of hospital data with different evolutionary models
SIR进化模型预测，与观察到的情况相比，在全国封锁开始后，法国感染COVID-19的人数比例下降得太快。我使用扩展的SEIR模型拟合了日常医院数据：常规和重症监护病房的到达，释放和死亡。这些涉及到进化时间尺度与分支分数的比率，假设在整个国家都是统一的，以及法国每个地区在国家封锁之前和期间的基本繁殖数$R_0$。联合区域贝叶斯分析可以精确评估时间/分数比和住院前分数。医院数据与模型拟合良好，但重症监护室的到达率除外，其下降速度快于预测，表明随着时间的推移治疗效果更好。对法国进行平均，分析得出：在封锁前，$R_0$ = 3.4 $\pm$ 0.1，在封锁前，$\pm$ = 0.65 $\pm$ 0.04（90% c.l.）在封锁期间，有小的区域变化。2020年5月11日，法国的感染致死率为4 $\pm$ 1%（90% c.l.），与早期阶段相反，狂热者的数量大大超过了无症状者。如果没有封锁或社交距离，法国各地将有超过200万人死于COVID-19，而10天前实施的封锁将导致不到1000人死亡。到2020年4月下旬，法国全国接种疫苗的人数比例达到1%以下（巴黎为3%）（95% c.l.），说明缺乏群体免疫力5月11日，当封锁被部分解除时，口罩的广泛供应应该会使$R_0$保持团结，如果至少有46%的人口在户外戴口罩的话。否则，如果没有加强其他社交距离，第二波是不可避免的，并导致死亡人数在5…
2020-06-16 q-bio.PE
Modeling Control, Lockdown \& Exit Strategies for COVID-19 Pandemic in India
COVID-19是一种病毒性传染病，已迅速成为全球大流行病，感染了数百万人，全球死亡人数众多。这种疾病的症状差别很大。根据症状，感染者大致分为两类，即无症状和有症状。无症状的人表现出轻微或没有症状，但继续将感染传播给其他健康的人。无症状感染的这一特殊方面构成了管理和控制传染病传播的主要障碍。在本文中，我们试图在各种干预策略下对COVID-19在印度的传播进行数学建模。我们认为SEIR型流行病学模型，与印度特定的社会接触矩阵代表接触结构之间的人口的不同年龄组。各种因素的影响，如渐近个人的存在，封锁策略，社会距离的做法，隔离，和住院的疾病传播进行了广泛的研究。我们模型的数值模拟与印度截至2020年5月15日的COVID-19真实数据相匹配，以估计模型参数。我们的分区锁定模型被认为对2020年7月20日做出了不错的预测。
2020-07-22 physics.soc-ph 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
Heterogeneous social interactions and the COVID-19 lockdown outcome in a multi-group SEIR model
我们研究了SEIR模型的变体，以解释法国Covid-19疫情统计数据的一些定性特征。标准的SEIR模型基本上区分了两种情况：要么疾病得到控制，感染人数迅速减少，要么疾病传播并污染相当一部分人口，直到实现群体免疫。封锁后，乍一看，社交距离似乎不足以控制疫情。我们在这里讨论一个可能的解释，即封锁正在创造社会异质性：即使绝大多数人口遵守封锁规则，一小部分人口仍然必须保持正常或高水平的社会互动，例如卫生工作者，基本服务提供者，这导致通过重新估计基本繁殖率来衡量的流行病传播的明显高水平。然而，这些措施仅限于平均数，而人口内部的差异对流行病爆发的高峰和规模起着至关重要的作用，往往会降低这两个指标。我们提供了理论和数值结果来支持这样的观点。
2020-06-23 physics.soc-ph q-bio.PE
Evaluating Incidence and Impact Estimates of the COVID-19 Outbreak from Wuhan before Lockdown
背景：中国武汉是COVID-19疫情的中心。本研究的目的是在采取干预措施之前了解感染传播动力学。方法：通过pubmed和互联网检索资料和关键事件。使用从各种数据源中提取的数据计算流行病学数据。结果如下：我们建立了一个时间轴，显示到2020年1月1日，中国当局已获得令人信服的人传人证据;然而，直到2020年1月20日，这些信息才与公众分享。我们的研究估计，如果在2020年1月2日采取干预措施，总共将有10989例感染病例，而在2020年1月23日实施封锁时则有239875例。结论：中国隐瞒有关2020年COVID-19疫情的关键信息及其延迟反应，最终导致本世纪最大的公共卫生危机，如果采取早期对策，本可以避免。
2020-07-10 physics.soc-ph q-bio.PE
COVID-19 Pandemic Cyclic Lockdown Optimization Using Reinforcement Learning
Oracle Corporation（甲骨文公司）
这项工作研究了使用强化学习（RL）来优化循环封锁，这是控制COVID-19大流行的方法之一。该问题被构造为用于跟踪参考值的最优控制系统，该参考值对应于关键资源（诸如ICU病床）的最大使用水平。然而，代替使用常规的最优控制方法，RL被用于找到最优控制策略。开发了一个框架，使用基于RL的开关控制器来计算最佳循环锁定定时。基于RL的控制器实现为RL代理，与流行病模拟器交互，实现为扩展的SEIR流行病模型。RL代理学习策略函数，该策略函数产生开放/锁定决策的最优序列，使得RL奖励函数中指定的目标被优化。使用了两个并行目标：第一个是公共卫生目标，最大限度地减少ICU床位使用超过ICU床位阈值的情况，第二个是社会经济目标，最大限度地减少封锁时间。假设当一个地区面临超过资源容量限制的紧迫危险，以及由于缺乏必要的经济资源在长期封锁期间支持其受影响人口而实施长期封锁将导致严重的社会和经济后果时，周期性封锁被视为长期封锁的临时替代方案。
2020-09-10 cs.AI cs.LG q-bio.PE
Using mobility data in the design of optimal lockdown strategies for the COVID-19 pandemic
提出了一个新冠肺炎疫情传播的数学模型，该模型将年龄结构的易感-暴露-死亡动态与考虑人口流动性的真实手机数据相结合。通过近似贝叶斯计算进行动态模型调整。基于非线性模型预测控制确定最佳封锁和退出策略，并限制公共卫生和社会经济因素。通过广泛的计算验证的方法，它表明，它是可以计算出强大的退出战略与现实的减少流动性值，以告知公共政策的制定，我们使用来自英国和法国的数据集验证的方法的适用性。实现所描述的实验的代码可在https://github.com/OptimalLockdown获得。
2020-10-18 physics.soc-ph q-bio.PE stat.AP
The resumption of sports competitions after COVID-19 lockdown: The case of the Spanish football league
在这项工作中，我们提出了一个随机离散时间SEIR（易感-暴露-不稳定-稳定）模型，适用于描述足球锦标赛期间COVID-19的传播。具体来说，我们担心西班牙国家足球联赛西甲联赛的重新开始，该联赛目前-2020年5月-停止，剩下11场比赛。我们的模型包括个人的两个额外状态，即限制和隔离，当个人出现COVID-19症状或接受病毒检测并获得阳性结果时，就会达到这两种状态。该模型还考虑了球员的互动动态，考虑了三种不同的感染源：球员社交圈，训练期间与他/她的团队同事的接触，以及比赛期间与对手的互动。我们的研究结果强调了比赛之间的天数，病毒检测的频率及其对赛季结束时感染球员数量的敏感性的影响。根据我们的研究结果，我们最终提出了各种策略，以最大限度地减少COVID-19传播的可能性，以防西甲赛季在当前封锁后重新开始。
2020-05-21 physics.soc-ph q-bio.PE
COVID-19 lockdown induces disease-mitigating structural changes in mobility networks
COVID-19疫情爆发后，多个国家实施遏制措施以减少疾病传播。利用数字数据来源进行的研究表明，在多个国家，个人的流动性有效减少。然而，目前尚不清楚这些减少是否导致了移动网络更深层次的结构变化，以及这些变化如何影响网络上的动态过程。在这里，我们使用移动电话用户的移动数据来表明，德国的移动性不仅大大减少：封锁措施导致了移动网络的实质性和长期的结构性变化。我们发现，长途旅行大大减少。远程网络连接的削减导致了一个更加本地化的集群网络，并缓和了“小世界”效应。我们证明，这些结构性变化有相当大的影响传染病传播过程中的“平坦化”的流行曲线和延迟传播到地理上遥远的地区。
2020-12-18 physics.soc-ph q-bio.PE
Infection dynamics of COVID-19 virus under lockdown and reopening
受COVID-19的启发，我们开发并分析了一个简单的疾病在人群中传播的随机模型。我们跟踪感染者和重症患者的数量如何随着时间的推移而发展，以估计对医院系统的需求。为了控制这种需求，我们考虑了一类简单的减缓和重新开放社会的政策，并从几个不同的角度比较了它们在减缓病毒传播方面的效率。我们发现，为了避免医院系统不堪重负，政策必须实施严厉的封锁，或者必须迅速做出反应（或者两者兼而有之）。虽然迅速反应对所有人都有利，但只有当该国对重新开放有耐心，并且邻国协调其缓解努力时，严厉才能得到回报。我们的工作强调了关闭时果断行动的重要性，以及重新开放时邻国之间耐心和协调的重要性。
2020-12-30 physics.soc-ph q-bio.PE
A Macroeconomic SIR Model for COVID-19
当前的COVID-19大流行和随后的封锁凸显了一个国家的公共卫生和经济健康之间的密切和微妙的关系。因此，使用现有流行病模型计算疾病爆发影响的宏观经济模型，对于政策制定者在这种危机中寻求评估最佳行动方案极为有用。我们开发了一个新冠肺炎大流行的SIR模型，该模型明确考虑了群体免疫、行为依赖的传播率、远程工作者和封锁的间接外部性。这个模型被提出作为一个退出时间控制问题，其中锁定结束时，人口实现群体免疫力，无论是自然或通过疫苗。社会规划者为两个不同的成年人群体规定了不同的封锁级别：低风险（20-64岁）和高风险（65岁及以上）。这些水平是通过优化目标函数来确定的，该目标函数将宏观经济成本分配给封锁水平和死亡人数。我们发现，一旦达到群体免疫力，通过结束封锁，高风险个体能够在疫苗到来之前显著离开封锁，而不会导致死亡率大幅增加。此外，如果我们纳入一个行为依赖的传播率，这代表了增加的个人谨慎，以应对感染水平的增加，产量损失和总死亡率降低。当低风险和高风险个体之间的互动减少时，锁定功效进一步增加，并且增加远程工作减少了输出损失。总体而言，我们的模型预测，在群体免疫力到来时结束的封锁，加上减缓病毒传播的个人行动，可以将总死亡率降低到无封锁水平的三分之一，同时允许高风险个体在疫苗到达之前离开封锁。
2020-06-23 math.OC physics.soc-ph q-bio.PE
Social network-based distancing strategies to flatten the COVID 19 curve in a post-lockdown world
为应对COVID-19疫情，我们已广泛引入社交距离及隔离措施。然而，由于完全或接近完全封锁的不利社会、心理和经济后果，更温和的接触减少政策变得可取。采用社交网络的方法，我们评估了三个有针对性的距离策略的有效性，旨在“保持曲线平坦”，并在封锁后的世界援助合规。这些限制互动，以几个重复的接触，寻求相似的接触，并加强社区通过三元战略。我们模拟随机感染曲线，其中包含感染模型，理想型社会网络模型和统计关系事件模型的核心元素。我们证明，战略性减少接触可以大大提高社交距离措施的效率，引入允许一些社会接触的可能性，同时保持低风险。这种方法为政策制定者提供了细致入微的见解，以有效地保持社交距离，从而减轻社交孤立的负面影响。
2020-05-27 physics.soc-ph q-bio.PE stat.OT
Prediction of COVID-19 Disease Progression in India : Under the Effect of National Lockdown
Chennai Mathematical Institute（金奈数学研究所）
在这份政策文件中，我们实施流行病学SIR来估计国家和州一级的基本生殖数$\mathcal{R}_0$。我们还开发了统计机器学习模型来提前预测病例。我们的分析表明，旁遮普省（$\mathcal{R}_0\approx 16$）的情况并不好。它需要立即积极关注。我们看到中央邦（3.37）、马哈拉施特拉邦（3.25）和泰米尔纳德邦（3.09）的$\mathcal{R}_0$都超过了3。截至2020年3月4日，安得拉邦（2.96），德里（2.82）和西孟加拉邦（2.77）的PDMATHAMM超过了印度的$\mathcal{R}_0=2.75$。印度的$\mathcal{R}_0=2.75$（截至2020年3月4日）在早期疾病进展阶段与中国湖北非常相似。我们的分析表明，印度的早期疾病进展与中国相似。因此，随着封锁的实施，印度应该期待尽可能多的病例，如果不是更像中国的话。如果封城有效，我们预计到2020年5月1日，病例数应该会少于66,224例。本文的所有数据和\texttt{R}代码可从\url{https://github.com/sourish-cmi/Covid19}获得
2020-04-07 cs.LG q-bio.PE
Post-Lockdown Abatement of COVID-19 by Fast Periodic Switching
COVID-19减排策略存在风险和不确定性，可能导致感染浪潮反复出现。我们证明-作为基于严格数学证据的概念证明-周期性，高频率的交替进入和离开封锁有效地减轻了第二波效应，同时允许继续，尽管减少了经济活动。周期性赋予（i）可预测性，这对于经济可持续发展至关重要，以及（ii）稳健性，因为封锁期不会因短时间范围内的不确定测量而启动。反过来，虽然不能消除病毒，但这种快速转换政策是可持续的，它可以在疫苗或治疗方法可用之前减轻感染，同时减轻与长期封锁相关的社会成本。通常情况下，该策略的形式可能是每周工作1天，然后锁定6天（或者可能是工作2天，休息5天），并且可以根据在较长时间尺度上过滤的测量结果以缓慢的速度进行修改。我们的研究结果强调了高频开关干预在封锁后缓解中的潜在功效。所有代码都可以在Github上找到（https：//github.com/V4p1d/FPSP_Covid19）。还开发了一个软件工具，以便有关各方能够探索概念验证系统。
2020-10-27 cs.SY eess.SY 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
Evaluating the impact of quarantine measures on COVID-19 spread
在COVID-19大流行的早期阶段，许多国家实施了非药物干预措施（NPI）以控制COVID-19的病原体SARS-CoV-2的传播。在这些非传染性疾病中，检疫措施被广泛采用，并通过留在家中和就地避难令执行。了解检疫措施的有效性可以为当前COVID-19大流行期间和未来疾病爆发的决策和控制规划提供信息。在这项研究中，我们使用数学模型评估了2020年春季经历大规模疫情的四个城市（武汉、纽约、米兰和伦敦）的隔离措施对COVID-19传播的影响。我们建立了一个包含隔离成分的SEIR模型，并将该模型与数据同化方法相结合。通过根据病例数据校准模型，我们估计了每个城市封锁前的关键流行病学参数。我们使用模型模拟进一步研究封锁后隔离率对COVID-19传播的影响。结果表明，隔离易感和暴露的个人和未被发现的感染是必要的，以遏制疫情;然而，这些人群的隔离率可以通过更快地隔离确诊病例来降低。我们生成反事实模拟来估计隔离措施的有效性。如果没有隔离措施，在武汉、纽约、米兰和伦敦封锁后的40天内，累计确诊病例可能比报告的数字高出73、22、43和93倍。我们的研究结果强调了隔离在大流行早期阶段的重要作用。
2022-03-03 q-bio.PE
Lifting Lockdown Control Measure Assessment: From Finite to Infinite-dimensional Epidemic Models for COVID-19
本章的主要重点是公共卫生控制策略，这是目前缓解COVID-19大流行的主要方法。我们引入并比较了COVID-19传播复杂性不断增加的隔间模型，以描述疾病传播的动态。我们首先考虑一个包含COVID-19相关基本特征的SEAIR模型。接下来，我们将关注年龄结构建模，以强调年龄组个体对疾病传播的作用。我们亦制定了一个具有常数延迟的模型，以显示延迟期对COVID-19严重程度的影响。由于有证据表明，对于COVID-19疾病，在宿主中发生的事情与在群体水平上发生的事情之间存在重要的关系，因此我们将通过所谓的阈值型延迟模型将基本模型与宿主内动态联系起来。最后，我们将把人口统计学效应纳入最复杂的模型，并进行严格的分叉分析，以量化导致疾病进展的可能因素。
2020-12-10 math.DS q-bio.PE
Infection Kinetics of Covid-19: Is Lockdown a Potent Containment Tool?
新型冠状病毒肺炎（COVID-19，即2019冠状病毒病）正在肆虐，其死亡率与感染率之比是有史以来最高的。由于缺乏疫苗和治疗手段，封锁成为唯一的遏制方式，从而造成社会排斥。在6维感染动力学模型中利用机器学习的预测能力，描述6个感染阶段的交互式演变-健康易感者（$H$），易感共病（$P$），感染（$I$），已恢复（$R$），免疫畜群（$V$）和死亡率（$D$）--PHIRVD模型首次提供了18个国家在不同战略封锁阶段的准确死亡率预测，最多30天，比上次数据培训更长。PHIRVD将死亡率与感染率之比确定为正确的大流行描述符，取代了繁殖数，并强调了早期和长期但战略性封锁的重要性，以遏制二次复发。重要性声明：1.准确预测18个国家的每日死亡率概况，超过数据培训的最后数据30天。2.精确量化早期与后期封锁措施的影响。3.准确预测继发性复发时间线/ 4。确立死亡率与感染率之比作为正确的大流行描述符，取代了流行的繁殖数量选择，这在预测未来感染动力学和继发性激增方面被证明是失败的。这些结果有可能重新定义健康的政策格局，特别是考虑到二次复发和未来可能发生的SARS-COV/埃博拉群体入侵。
2020-09-11 physics.soc-ph q-bio.PE q-bio.QM
COVID-19 pandemic control: balancing detection policy and lockdown intervention under ICU sustainability
我们在这里考虑扩展的SIR模型，包括最近COVID-19爆发的几个特征：特别是感染和康复的个体可以被检测到（+）或未被检测到（-），我们还整合了重症监护病房（ICU）的能力。我们的模型可以使用锁定和检测干预杠杆对控制流行动态的最佳政策进行易于处理的定量分析。基于COVID-19相关文献的参数规范，我们研究了各种数量对最优策略的敏感性，同时考虑到大流行的卫生和社会经济成本之间的微妙权衡，以及ICU的有限容量水平。我们将最佳封锁政策确定为分为4个连续阶段的干预措施：首先是快速而强有力的封锁干预措施，以阻止传染病的指数增长;第二是短暂的过渡阶段，以降低病毒的流行率;第三是长期的ICU能力和稳定的病毒流行率;最后是恢复正常的社会交往，病毒消失。因此，最佳方案避免了第二波感染，前提是锁定释放得足够慢。我们还提供最佳干预措施，增加ICU容量，并优化检测传染性和免疫个体的工作。每当引入大量资源来检测感染者时，可以释放社交距离的压力，而检测免疫个体的影响则较为温和。
2020-05-22 cs.SY eess.SY physics.soc-ph
Inferring UK COVID-19 fatal infection trajectories from daily mortality data: were infections already in decline before the UK lockdowns?
每天新增感染人数是有效疫情管理的一个关键数量。通过对随机总体样本的检验，可以比较直接地估计出它。在没有这种直接的流行病学测量的情况下，需要其他方法来推断新病例的数量是否可能增加或减少：例如，使用从对疾病的临床反应中收集的数据来估计病原体的有效繁殖数R。对于Covid-19（SARS-CoV-2），这种R估计在很大程度上依赖于建模假设，因为可用的临床病例数据是受到严重时间混杂影响的机会性观察数据。考虑到这一困难，使用最小的先验假设，从最少受损的可用数据中回顾性地重建感染的时间过程是有用的。贝叶斯逆问题方法应用于英国第一波新冠肺炎死亡人数和疾病持续时间分布的数据表明，在英国全面封锁（2020年3月24日）之前，致命感染率一直在下降，而瑞典的致命感染率仅在一两天后才开始下降。使用Flaxman et al.（2020，Nature 584）的模型对英国数据进行分析，在放松其先前对R的假设的情况下得出了相同的结果，表明在英国背景下，非药物干预（NPI）的作用增强，而不是完全锁定。在随后的两次封锁中，似乎也出现了类似的模式。自最初发表以来，英国主要的新冠肺炎统计监测调查的估计支持了这些结果。论文的复制代码可在doi/10.1111/biom.13462的支持信息中获得。
2021-06-17 q-bio.PE stat.AP
Effect of lockdown interventions to control the COVID-19 epidemic in India
由新型冠状病毒SARS-CoV 2引起的大流行导致了危及生命的健康并发症，并对医疗保健系统造成了极大的压力。虽然预防性和明确的治疗性医疗干预措施尚未到位，但管理机构实施的物理隔离、检疫和严厉的社会措施等非药物干预措施可有效阻止感染在人群中的传播。在印度等人口稠密的国家，由于社会和行政管理的复杂性，封锁干预措施部分有效。使用详细的人口统计数据，我们提出了一个基于代理的模型来模仿人口的行为及其流动性特征，即使在干预下。我们展示了接触追踪政策的有效性，以及我们的模型如何有效地与测试效率的实证研究结果相关。我们还提出了各种封锁干预策略来缓解-使用感染的数量，有效繁殖率以及使用强化学习。我们的分析可以帮助评估这些干预措施的社会经济后果，并为政策制定者提供有用的想法和见解，以便更好地做出决策。
2020-09-07 cs.MA physics.soc-ph q-bio.PE
Lockdown Strategies, Mobility Patterns and COVID-19
我们开发了一个多事件模型，并利用国家内部和国家之间各种公共政策的时间、类型和强度水平的差异，研究它们对COVID-19每日发病率和135个国家人口流动模式的动态影响。我们考虑到同时存在的多种干预措施，以消除并发的政策偏见。该论文的主要结果是，取消公共活动和对私人聚会施加限制，然后关闭学校，在数量上对减少COVID-19的每日发病率产生了最明显的影响。其次是工作场所和呆在家里的要求，其统计意义和影响程度不那么明显。相反，我们发现国际旅行管制、公共交通关闭以及对城市和地区之间流动的限制没有影响。我们确定，这些研究结果是介导的，其对人口流动模式的影响与时间使用和流行病学因素相一致的方式。
2020-05-31 econ.EM physics.soc-ph q-bio.PE
COVID-19 Epidemic Study II: Phased Emergence From the Lockdown in Mumbai
自二零二零年三月二十五日开始的全国性封锁旨在抑制COVID-19疾病的传播，其后印度政府三次下令延长至二零二零年五月三十一日。延长封锁已产生重大社会和经济后果，可能已出现“封锁疲劳”。自二零二零年六月一日起分阶段重开。孟买是世界上最拥挤的城市之一，在印度所有城市中病例和死亡人数最多（截至2020年6月2日，41986例阳性病例和1368例死亡）。在接下来的几天里，重新开放将做出许多艰难的决定。在早期的IISc-TIFR报告中，我们提出了一个基于代理的城市规模模拟器（ABCS），以模拟孟买和班加罗尔等大都市的感染进展和传播。正如IISc-TIFR报告1中所讨论的，ABCS是一个有用的工具，可以在个人层面上模拟城市居民的互动，并捕捉非药物干预对感染传播的影响。在这份报告中，我们将重点放在孟买。使用我们的模拟器，我们考虑了从2020年6月1日开始的封锁中孟买分阶段出现的一些合理情景。其中包括分阶段逐步开放行业、部分开放公共交通等（模拟郊区列车中的感染传播）、隔离区对控制感染的影响，以及遵守各种干预措施（包括使用口罩、病例隔离、家庭隔离等）的作用。我们模拟结果的主要结论是，分阶段开放工作场所，保守估计，20%至33%的出勤率是重启经济活动的好方法，同时确保该市的医疗能力足以应对6月和7月可能增加的COVID-19患者数量。
2020-06-05 cs.OH physics.soc-ph q-bio.PE
An age-structured SEIR model for COVID--19 incidence in Dublin, Ireland with framework for evaluating health intervention cost
全球为减轻COVID-19威胁而采取的策略主要涉及封锁措施，经济及社会成本巨大，并取得不同程度的成功。COVID-19变种的发病模式与年龄有很强的相关性，而限制性封锁措施与某些年龄组的负面心理健康结果有关。经济前景恶化也可能对某些年龄组的影响比对其他年龄组的影响更大。受此启发，我们提出了一个模型来描述COVID-19社区传播，其中包括特定年龄的社会互动的作用。通过一个灵活的参数化的年龄结构的确定性易感暴露传染性去除（SEIR）模型，我们提供了一种手段来表征不同形式的封锁，可能会影响特定的年龄组不同。社会互动通过年龄组到年龄组的接触矩阵来表示，这些矩阵可以使用现有数据进行训练，从而适应当地情况。这个框架很容易解释，适合描述反事实的情景，这可以帮助政策制定者在尽量减少发病率与预期抑制战略的成本平衡。我们的工作源于爱尔兰，我们使用爱尔兰政府机构从2020年2月29日至2021年1月31日收集的疾病监测数据。我们演示了如何爱尔兰封锁的情况下，可以使用建议的模型制定和显示结果的回顾性拟合发病率和前瞻性规划与相关的“如果/而不是”锁定反事实与不确定性量化。我们的公式是不可知的一个特定的区域，在其他地区的锁定策略可以直接编码使用此模型。我们所描述的方法通过一个可访问和易于使用的Web界面在网上公开提供。
2021-06-11 econ.GN physics.soc-ph q-bio.PE
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
Simplified model on the timing of easing the lockdown
封锁程序已被证明成功地减轻了COVID-19大流行中病毒的传播，但它们也对经济产生了毁灭性的影响。我们使用一个修改后的易感-传染-死亡-死亡模型来模拟在封锁状态下传染是如何传播的。由于劳动力的损失和发生的医疗费用的经济成本进行了评估与一个简单的模型。我们发现最佳策略，即在整个疫情过程中最小的经济成本，是尽可能长时间地保持严格的封锁。
2020-09-17 physics.soc-ph q-bio.PE
Age-structured impact of social distancing on the COVID-19 epidemic in India
新型冠状病毒COVID-19的爆发已被世界卫生组织宣布为大流行。社会接触的结构决定了感染的传播，在没有疫苗的情况下，通过大规模的社会隔离措施控制这些结构似乎是最有效的缓解手段。在这里，我们使用一个年龄结构SIR模型，并使用从调查和贝叶斯插补中获得的社会接触矩阵来研究印度COVID-19疫情的进展。基于案例数据、年龄分布和社会联系结构，计算了基本生育率R 0及其随时间的泛化。社会距离措施的影响-工作场所不出勤，学校关闭，锁定-和他们的效力与持续时间进行了调查。三周的封锁被认为不足以防止死灰复燃，相反，建议采取持续封锁和定期放松的协议。报告预测，由于采取了这些措施，按年龄划分的发病率和死亡率将有所下降。我们的研究强调了年龄和社会接触结构在评估缓解性社交距离对特定国家的影响方面的重要性。
2020-03-26 cond-mat.stat-mech q-bio.PE
Did lockdowns serve their purpose?
我们发现，一旦时间起点被选择为封锁的开始，不同国家因新冠肺炎死亡人数的动态在很大程度上是普遍的，死亡人数被封锁后的总死亡人数重新调整，这本身就是封锁开始时感染人数的代理。当用总人口进行标准化时，这种曲线塌陷的说服力要小得多。瑞典，由于其无封锁，轻触式的方法，是唯一一个大大偏离平均行为的离群值。我们认为，这些无模型的发现为封锁在减轻病毒致命性方面的有效性提供了强有力的支持。
2020-06-16 physics.soc-ph q-bio.PE
Exact Properties of SIQR model for COVID-19
SIQR模型被重新制定，其中重新定义了感染和隔离的分区，以便适用于COVID-19，并给出了模型的确切属性。结果表明，最大感染人数在很大程度上取决于隔离率，隔离措施比封锁措施更有效地控制大流行。被隔离的病人人数的高峰出现的时间比感染人数成为最大的时间晚。基于期望效用理论，提出了一个在封锁措施和隔离措施空间中寻求最优策略的理论框架，该框架以最小化最大感染人数为目标，将大流行病的爆发控制在早期。
2020-08-17 physics.soc-ph q-bio.PE
US faces endemic Covid-19 infections and deaths; ways to stop the pandemic
一个新的新型冠状病毒疫情模型已经构建并模拟了美国八个州。该模型的系数基于七个耦合微分方程，并根据记录的病例和死亡数据进行了仔细评估。这些预测表明，新冠肺炎将成为地方性疾病，传播时间将超过两年。如果居家令放宽，2021年大部分州可能会出现二次高峰。如果继续封锁，在大多数开放的州，新冠肺炎死亡人数本可以显著降低。此外，我们的模型预测，将接触率降低10%，或将检测增加约15%，或将封锁依从性（从目前的$\sim$ 15%）增加一倍，将在一年内消除德克萨斯州的感染。应用于整个美国，基于当前情况的预测表明，到2020年11月1日，总感染人数约为1100万（包括未发现的），累计确诊病例为800万，累计死亡人数为63万。
2020-07-21 physics.soc-ph q-bio.PE
Epidemiological parameter sensitivity in Covid-19 dynamics and estimation
COVID-19是世界上威胁人类的最可怕的流行病/流行病之一。这种流行病的动态相当复杂，对流行病状态的预测常常失败。在这项工作中，我们研究和相关的SIR流行病模型与正在进行的大流行病，发现流行病的动力学和状态是相当敏感地依赖于模型参数。对确定性SIR模型的精确参数解的分析表明，不动点（$g^*$）依赖于SIR参数，其中，如果$g^*\langle\fracγ{βx_0}$，则$g^*$是稳定的，大流行是可以控制的;如果$g^*\rangle\fracγ{βx_0}$，则$g^*$是不稳定的，表明大流行处于活跃状态，而$g^*=0$对应于地方病状态.动力学表现出渐近稳定分岔。随机SIR模型的解析解允许预测流行时间$t_E\propto\frac{1}γ$和平均感染人口成为常数的小值的$γ$。系统中的噪音甚至可以调节流行病的动态。因此，我们估计这些参数的值在锁定期间使用ABC SSA算法，并发现强烈的依赖于控制策略，即锁定，并遵循幂律行为。数值结果显示与真实数据高度一致，并对疫情控制中的社交距离或封锁产生积极影响。
2021-10-01 nlin.AO q-bio.PE
The COVID-19 pandemic: growth patterns, power law scaling, and saturation
越来越多的国家显示，由于政府实施有效的封锁和社交距离措施，新冠肺炎感染人数显著放缓。我们通过局部斜率分析分析了受影响最严重的25个国家的增长行为，发现各个国家根据封锁协议的严格程度遵循三种不同的模式：指数上升和下降，幂律或逻辑。对于呈现幂律增长的国家，我们确定了标度指数。对于感染率大幅下降的国家，我们推断了感染人数的预期饱和度和预期最后日期。使用了两种不同的外推方法（logistic和抛物线）。这两种方法在饱和度和结束日期的数量级上是一致的。用同样的方法分析全球感染率。这些外推的相关性和准确性进行了讨论。
2020-04-08 physics.soc-ph q-bio.PE
Did the Indian lockdown avert deaths?
在SEIR模型的背景下，我们考虑在流行病的早期阶段实施和解除封锁。我们表明，在这些模型中，虽然这样的封锁可能会延迟死亡，但它最终不会避免大量的死亡。因此，在这些模型中，不能简单地通过比较封锁结束时的死亡人数与没有封锁的同一日期的预计死亡人数来衡量封锁的效力。我们提供了一个简单但强大的启发式参数来解释为什么这个结论应该推广到更复杂的房室模型。我们定性地讨论了封锁的一些重要影响，这些影响超出了简单模型的范围，但可能导致它增加或减少流行病的最终死亡人数。鉴于这些影响在印度的重要性，以及目前可用数据的局限性，我们得出结论，简单的流行病学模型无法可靠地量化印度封锁对COVID-19大流行造成的死亡人数的影响。
2020-08-26 physics.soc-ph q-bio.PE
Incentives, lockdown, and testing: from Thucydides's analysis to the COVID-19 pandemic
在这项工作中，我们提供了一个通用的数学形式，以研究通过激励封锁和测试来最佳控制流行病，如COVID-19大流行病。特别是，我们将政府和人口之间的相互作用建模为具有道德风险的委托代理问题，如La Cvitanić，Possamação和Touzi [27]，而流行病则根据Gray，Greenhalgh，Hu，Mao和Pan [45]以及Tornatore，Buccellato和Vetro [88]分别提出的分区随机SIS或SIR模型所给出的动力学进行传播。更确切地说，为了限制病毒的传播，人口可以通过减少个体之间的相互作用来降低疾病的传播率。然而，政府无法完全监督这一努力，这是以人民的社会和货币成本为代价的。为了降低这一成本，从而鼓励人口的封锁，政府可以采取税收或补贴形式的激励政策。此外，政府还可能实施检测政策，以便更准确地了解疫情在国内的传播情况，并隔离受感染者。在技术结果方面，我们展示了最佳形式的税收，指数的感染者的比例，以及人口的最佳努力，即选择在响应此税的传输率。政府的优化问题可以归结为求解一个哈密尔顿-雅可比-贝尔曼方程。数值结果证实，如果税收政策的实施，鼓励人口显着减少其相互作用。如果政府也调整检测政策，那么在人群方面就不需要那么多努力，个体之间几乎可以照常互动，通过对检测阳性个体进行有针对性的隔离，疫情基本得到控制。
2022-04-13 econ.TH math.OC math.PR
Markovian And Non-Markovian Processes with Active Decision Making Strategies For Addressing The COVID-19 Pandemic
我们使用基于离散区间的模型研究和预测了5月1日至8月31日期间美国六个州的COVID-19演变，并在部分可观察马尔可夫决策过程的广泛框架内，基于最小化损失函数，规定了积极的干预政策，如封锁。对于每个州，分析40天的新冠肺炎数据（北部两个州从5月1日开始，南部四个州从6月1日开始），以估计隔间之间的转移概率和与疫情演变相关的其他参数。然后，这些量被用来预测在不同的政策分配下，在给定的状态下，未来50天（测试期）的流行病的过程，导致在训练范围内损失函数的不同值。最优策略分配是对应于最小损失的策略分配。我们的分析显示，在测试期间，这六个州都不需要封锁，尽管不封锁的规定需要谨慎解释：当然需要继续负责任地使用口罩和保持社交距离。详细讨论了这种流行病传播模型中涉及的注意事项。一个关于Covid-19传播（以及更一般的流行病传播）的非马尔可夫公式的草图被认为是该领域未来研究的一个有吸引力的途径。
2020-08-05 physics.soc-ph q-bio.PE stat.AP
Network-based Prediction of COVID-19 Epidemic Spreading in Italy
SARS-CoV-2病毒最初出现在中国武汉市，随后几乎在全球范围内传播，导致大流行，在中国病例中，该病毒在接触网络上相当好地遵循SIR（易感-传染-隔离）流行模型。在本文中，我们调查的SIR模型对网络的预测精度也为意大利。具体来说，意大利地区是一个集合种群代表的网络节点和网络链接是这些地区之间的相互作用。然后，我们修改了基于网络的SIR模型，以考虑意大利政府在COVID-19传播的各个阶段采取的不同封锁措施。我们的研究结果表明，基于网络的模型更好地预测每日累计感染的个人时，随时间变化的锁定协议被纳入经典的SIR模型。
2020-10-27 cs.SI physics.soc-ph q-bio.PE
Using random testing to manage a safe exit from the COVID-19 lockdown
我们认为，对受感染者的比例进行频繁采样（通过随机检测或污水分析）是管理COVID-19大流行的核心，因为它既可以实时测量限制性措施控制的关键变量，又可以预测疾病进展对医疗系统的负担。了解随机检测结果将（i）显著提高大流行的可预测性，（ii）允许就如何修改限制性措施做出知情和优化的决定，延迟时间比目前短得多，以及（iii）能够实时评估降低传播率的新手段的效率。在这里，我们建议，无论大小的一个适当的同质的人口，一个保守的估计为15000随机测试的人数每天将足以获得可靠的数据，目前的感染率及其演变的时间，从而使接近实时评估的定量效果的限制性措施。更高的测试能力允许检测扩散率的地理差异。此外，最重要的是，通过每日采样，可以尝试重新启动，而感染者的比例仍然比放松限制所需的水平高出一个数量级，重点是对有症状的个人进行测试。这是证明通过考虑反馈和控制模型的缓解，其中的反馈是来自嘈杂的采样数据。
2020-04-16 cond-mat.other cond-mat.stat-mech physics.med-ph
Window of Opportunity for Mitigation to Prevent Overflow of ICU capacity in Chicago by COVID-19
我们使用针对SARS-CoV-2病毒校准的最先进的计算机模拟，估计了新出现的COVID-19疫情期间芝加哥ICU床位需求的增长。我们要解决的问题是：（1）芝加哥的ICU容量是否会被超过，如果是的话，会超过多少？(2)强有力的缓解策略，如封锁或避难所到位秩序，可以防止能力过剩？(3)这些战略应该在什么时候实施？我们的答案如下：（1）ICU的容量可能会大大超出，可能是十倍。(2)强有力的缓解措施有可能避免这种紧急情况，但如果实施得太晚，即使这样也不会奏效。(3)如果在4月1日之前出现强有力的缓解，那么COVID-19的增长就可以得到控制，ICU的容量也可以足够。强缓解措施实施得越早，成功的可能性就越大。在2020年4月1日左右之后，任何强有力的缓解措施都无法避免紧急情况。在意大利，封锁发生得太晚，死亡人数仍在每2.3天翻一番。由于计算机模拟固有的不确定性，很难确定这一机会之窗的确切日期。但人们对主要结论有很高的信心，即它存在，并将很快关闭。我们的结论是，充分认识到社会的权衡，有一个迅速关闭的机会窗口，以避免在芝加哥的最坏情况下，但只有在下周实施强有力的缓解/封锁。如果错过了这个窗口期，疫情将变得更糟，届时终究需要强有力的缓解/封锁措施，但为时已晚。
2020-03-21 physics.med-ph physics.soc-ph q-bio.PE
PREPARE: PREdicting PAndemic's REcurring Waves Amidst Mutations, Vaccination, and Lockdowns
本文提出 PREPARE 适应性框架，用于在病毒变异、疫苗接种和封锁等动态因素下预测疫情中期反复感染浪潮，并利用德国 COVID-19 数据验证其有效性。
2024-09-30 cs.NA cs.SY eess.SY
