Lack of practical identifiability may hamper reliable predictions in COVID-19 epidemic models
房室模型被广泛用于描述和预测传染病的传播。这些模型的未知参数需要从数据中估计。此外，当一些模型变量无法通过经验获得时，如COVID-19无症状携带者的情况，它们必须作为模型的结果获得。在这里，我们引入了一个框架来量化数据中的不确定性如何影响给定模型的参数确定和不可测变量的演变。我们说明了该方法是如何能够表征不同的制度的可识别性，即使在模型与几个隔间。最后，我们讨论了在COVID-19的现实模型中缺乏可识别性如何可能妨碍对流行动态的可靠预测。
2021-01-15 physics.soc-ph
COVID-19 in Mexico: A Network of Epidemics
与世界其他地区一样，墨西哥目前正面临COVID-19疫情。鉴于其领土面积，控制这一疾病的努力涉及国家和区域措施。在这项工作中，比较了联邦政府报告的每个城市每日新病例的曲线。我们发现，114个城市形成了一个大型网络的统计依赖性流行病的现象。根据该网络的模块结构，这114个城市可以分为四个不同的协调流行病现象社区。这些集群不受地理位置的限制。这些发现可以帮助公共卫生官员评估过去的策略和开发新的定向干预措施。
2020-06-20 physics.soc-ph q-bio.PE
On the uncertainty of real-time predictions of epidemic growths: a COVID-19 case study for China and Italy
虽然COVID-19在全球迅速传播，但提供疫情实时预测的需求推动了动态和统计模型对可用数据的适应，超出了其能力。在这里，我们专注于通过将渐近分布拟合到实际数据来进行COVID-19感染的统计预测。通过对中国各省和意大利地区的COVID-19感染总数的流行演变进行案例研究，我们发现，在疫情增长的早期阶段，预测的特点是具有很大的不确定性。这些不确定性在流行病达到高峰后大大减少。区域一级预测不确定性的差异可用来突出病毒传播的延迟。我们的研究结果警告说，长期外推的流行病计数必须极其小心地处理，因为它们不仅取决于数据的质量，而且还取决于流行病的阶段，由于内在的非线性本质的基本动力学。这些结果表明，实时流行病学预测应包括广泛的不确定性范围，并迫切需要编制高质量的感染计数数据集，包括无症状患者。
2020-04-20 physics.soc-ph q-bio.PE
Effectiveness of isolation measures with app support to contain COVID-19 epidemics: a parametric approach
在这项研究中，我们分析了旨在发现和隔离感染者以遏制COVID-19等流行病的措施的有效性，因为抑制了有效繁殖数量。我们开发了一个数学模型来计算这些措施产生的流行病的有效繁殖数的相对抑制。这一结果表示为一组参数的函数，这些参数描述了流行病的主要特征，并总结了隔离措施的有效性。特别是，我们专注于当一小部分人口使用移动应用程序进行流行病控制时的影响。最后，我们将该模型应用于COVID-19，提供了几个计算作为示例，并提供了到公共存储库的链接以运行自定义计算。这些计算以定量的方式显示了从症状和接触者追踪信息中识别感染者并尽早隔离他们的重要性。这些计算还评估了每个变量对遏制这一流行病的影响。
2021-10-21 physics.soc-ph q-bio.PE
Is the epidemic spread related to GDP? Visualizing the distribution of COVID-19 in Chinese Mainland
于二零一九年十二月，中国湖北省武汉市发现COVID-19。SARS-CoV-2在中国春运期间迅速蔓延到整个中国大陆。截至二零二零年二月十九日，中国大陆已报告74 576例COVID-19确诊病例。什么样的城市确诊病例比较多，GDP和确诊病例有没有关系？在这项研究中，我们探索了新冠肺炎确诊病例与地级GDP之间的关系，发现两者之间呈正相关关系。这一发现警告说，当疫情爆发时，高GDP地区应该付出更多的预防和控制努力，因为它们比附近的其他地区有更大的风险。
2020-04-09 physics.soc-ph q-bio.PE
A data-driven analysis on the mediation effect of compartment models between control measures and COVID-19 epidemics
本文利用SEIR-QD仓室模型拟合127个国家/地区第一波COVID-19疫情数据，通过中介分析揭示仓室模型在控制措施与疫情动态之间的中介效应，并与线性和神经网络回归结果对比，深化了对控制措施强度与疫情动力学内在关联的理解。
2023-09-22 physics.soc-ph q-bio.PE
Tweet Analysis for Enhancement of COVID-19 Epidemic Simulation: A Case Study in Japan
该研究以日本 Twitter 数据为对象，分析社交媒体反应与 COVID-19 疫情发展的关联，并验证疫情相关推文对疫情趋势预测和模拟增强的价值。
2021-10-29 cs.SI physics.soc-ph
City-Scale Agent-Based Simulators for the Study of Non-Pharmaceutical Interventions in the Context of the COVID-19 Epidemic
我们强调了城市规模的基于代理的模拟器在研究各种非药物干预措施以管理不断发展的大流行中的有用性。我们的研究以COVID-19大流行为背景，并通过在孟加拉国和孟买两个大都市的几个探索性案例研究来展示模拟器的功能。在我们迈向数字健康的过程中，这些工具在任何城市管理部门的工具包中都是常见的。
2020-08-11 cs.OH physics.soc-ph q-bio.PE
Non-Compulsory Measures Sufficiently Reduced Human Mobility in Tokyo during the COVID-19 Epidemic
虽然大规模流动数据已成为COVID-19疫情期间监控流动模式的常用工具，但日本东京的非强制性措施对人类流动模式的影响尚未得到充分研究。在这里，我们分析了人类流动行为的时间变化，社会接触率，以及它们与COVID-19传播的相关性，使用从东京超过20万匿名手机用户收集的移动数据。分析认为，到4月15日（进入紧急状态1周），人类流动行为减少了50%左右，导致东京的社会接触减少了70%，显示了非强制措施的有效性。此外，数据驱动的人类流动指标的减少与东京COVID-19估计有效繁殖数量的减少相关。这种经验性的见解可以为决策者提供信息，帮助他们决定减少流动的充分程度，以遏制这一疾病。
2020-06-26 physics.soc-ph
Modelling provincial Covid-19 epidemic data in Italy using an adjusted time-dependent SIRD model
在本文中，我们使用意大利卫生部的官方数据，结合从地区当局每日官方新闻发布会和当地报纸网站提取的数据，开发了一个意大利省级（即欧盟NUTS-3）COVID-19感染传播的预测模型。该整合主要涉及COVID-19导致的特定死亡数据，这些数据在NUTS-3级别无法从公开的官方数据渠道获得。一个调整后的时间依赖SIRD模型被用来预测流行病的行为，特别是易感，感染，死亡和康复的人数。预测模型的性能进行评估，使用与实际数据的比较。
2020-06-02 physics.soc-ph q-bio.PE stat.AP
Assessing the risks of "infodemics" in response to COVID-19 epidemics
我们的社会建立在一个复杂的相互依存网络上，其影响在COVID-19大流行等非常事件中变得明显，一个系统的冲击在非常程度上传播到其他系统。我们分析了SARS疫情期间全球64种语言发布的超过1亿条Twitter消息，并对新闻传播的可靠性进行了分类。我们发现，一波又一波不可靠和低质量的信息预示着流行病，使整个国家暴露于非理性的社会行为和对公共卫生的严重威胁。当流行病袭击同一地区时，可靠的信息就像抗体一样迅速接种，系统将重点转向经过认证的信息来源。与主流观点相反，我们表明，人类对谎言的反应表现出早期预警信号，这些信号可能会通过适当的沟通策略得到缓解。
2020-04-11 cs.SI physics.soc-ph
Periodic recurrent waves of Covid-19 epidemics and vaccination campaign
虽然了解新冠肺炎疫情的周期性复发波将有助于抗击大流行病，但缺乏对疫情爆发后两年期间数据的定量分析。Covid-19复发波的复杂性与i）为减缓流行病传播而实施的遏制措施ii）病毒基因突变率及iii）通过接种疫苗实施的宿主可变免疫反应的同时作用有关。这项工作的重点是大规模疫苗接种和基因变异对复发波的影响，在一个有代表性的国家实施缓解和疫苗接种战略的情况下。传播速率是通过繁殖数Rt（t）和倍增时间Td（t）之间的比率（称为RIC指数）和每日死亡数来衡量的。通过小波分析研究了Covid-19流行病的动态，并用3D空间中的非线性螺旋涡表示，其中RIC指数和死亡人数都随时间变化。周期性回归波的开始已被确定的过渡从收敛到发散轨迹的螺旋涡。我们报告了120天的复发波的主要时期和疫苗接种运动后这一时期的延长
2022-06-07 physics.soc-ph q-bio.PE
Inversion of a SIR-based model: a critical analysis about the application to COVID-19 epidemic
利用COVID-19大流行病的官方国际数据校准SIR（易感-感染-传播）模型提供了一个很好的例子，说明了逆问题解决方案固有的困难。逆建模是建立在离散反问题的框架，明确考虑的作用和数据的相关性。结合模型的物理特性，本文讨论了SIR模型参数的数值校准问题，讨论了国际权威机构提供的数据中的不确定性，它们如何影响校准模型参数的可靠性，并最终影响模型预测的可靠性。
2020-06-08 physics.soc-ph q-bio.PE
Superposition of waves for modeling COVID-19 epidemic in the world and in the countries with the maximum number of infected people in the first half of 2020
2020年上半年，基于逻辑离散方程系统，对全球及美国、巴西、俄罗斯、印度等感染人数最多的国家进行了COVID-19疫情传播的数学建模。结果表明，对于采取强限制措施的国家，COVID-19的传播符合一个容量较小的单波，而对于违反限制措施的一些国家，疫情的传播符合一个波叠加。对于人口混合较多的国家来说，今天的疫情传播也符合单一浪潮，但具有巨大的容量值（巴西-8 000万人，印度-4 000万人）。我们估计，当今世界的流行病传播可分为5波。前两波是由中国的疫情传播引起的（第一波-在武汉），第三波-由欧洲国家的疫情传播引起的，第四波主要是由俄罗斯和美国的疫情传播引起的，第五波主要是由拉丁美洲和南亚的疫情传播引起的。这是第五波，导致冠状病毒疫情COVID-19的传播进入新阶段，感染人数增加超过10万居民。对于所有研究的国家和世界，对于每个叠加波，计算波容量和增长指标。确定波的局部峰值及其结束时间。这是第五波导致COVID-19传播进入新阶段的事实，感染人数增加超过10万居民。对于所有被检查的国家和整个世界，对于每个叠加波，我们计算了波容量和感染者增长指数。
2020-07-05 physics.soc-ph q-bio.PE
A Data-Driven Network Model for the Emerging COVID-19 Epidemics in Wuhan, Toronto and Italy
持续的2019冠状病毒病（COVID-19）大流行威胁人类健康并造成巨大经济损失。建立预测模型和预测流行趋势对于制定缓解这一流行病的对策至关重要。我们开发了一个网络模型，其中每个节点代表一个个体，边缘代表感染可能传播的个体之间的接触。这些人根据他们每天接触的人数（他们的节点程度）和他们的感染状态进行分类。使用马尔可夫链蒙特卡罗（MCMC）优化算法，将传播网络模型分别拟合到武汉（中国）、多伦多（加拿大）和意大利共和国的COVID-19疫情报告数据。我们的模型很好地拟合了这三个地区，置信区间很窄，可以适用于模拟其他特大城市或地区。关于遏制战略作用的模型预测可帮助公共卫生当局规划控制措施。
2020-05-28 physics.soc-ph q-bio.PE
What Can We Learn from the Time Evolution of COVID-19 Epidemic in Slovenia?
最近的一项工作（DOI 10.1101/2020.05.06.20093310）表明，暂时将较大的群体分成较小的群体可以有效地减缓SARS-CoV-2病毒的传播。不久之后，2020年5月15日，拥有200万人口的斯洛文尼亚成为第一个宣布COVID-19疫情在国界内结束的欧洲国家，这一事实可能与此相关。受这一演变的推动，在本文中，我们调查了斯洛文尼亚冠状病毒病例的时间动态，重点是各种遏制措施如何有效地减少COVID-19感染人数。值得注意的是，本分析不依赖于任何推测性的理论假设;它完全基于原始流行病学数据。在这里提出的结果中，最重要的一个也许是发现，虽然实施严厉的宵禁和旅行限制将感染率kappa降低了四倍，与社会和经济生活中的许多不稳定状态相比，它们仅将\k{appa}值提高~15（合理）佩戴口罩和社交距离规则得到执行/遵守。对于行为科学和社会科学来说，重要的是，我们对时间依赖性\k{appa} = \k{appa}（t）的分析可能揭示了一种有趣的人群自我保护本能，这种本能甚至在官方封锁实施之前就变得明显了。
2020-05-25 physics.soc-ph q-bio.PE q-bio.QM
Analysis of COVID-19 in India using vaccine epidemic model incorporating vaccine effectiveness and herd immunity
尽管我们手头有一些疫苗，但COVID-19将继续对人类构成威胁，直到我们通过自然群体免疫和通过全民接种实现全面免疫达到地方病状态。然而，疫苗作为一种实用工具，可减少持续的COVID-19疫情在全球范围内造成的大规模公共卫生问题和新出现的经济后果，而疫苗效力正在减弱。本文提出并分析了一个考虑疫苗接种率和疫苗衰减率的SEIRV流行病模型。研究了该模型的动力学性质，得到了无病平衡态的条件。此外，该分析扩展到研究COVID-19在印度的传播，考虑疫苗的可用性和相关的关键参数，如疫苗接种率，疫苗有效性和疫苗对决定这一流行病的新兴命运的影响减弱。我们还讨论了人民中接种疫苗的个人产生群体免疫的条件。我们的研究结果强调了疫苗的重要性，加强疫苗接种在保护人们免受感染方面的有效性，以及它们在流行病和大流行病建模中的重要性。
2022-08-25 nlin.AO physics.soc-ph q-bio.PE
Distributed Link Removal Strategy for Networked Meta-Population Epidemics and its Application to the Control of the COVID-19 Pandemic
在本文中，我们研究了网络化元种群流行病的分布式链接删除策略。特别地，一个确定性的网络传染病-感染-恢复（SIR）模型被认为是描述流行病的演变过程。为了抑制流行病的传播，提出了基于谱的优化问题，该问题涉及由网络拓扑结构和转移率构成的矩阵的Perron-Frobenius特征值.提出了一种改进的分布式链路删除策略，使其适用于加权有向图上具有异质转移率的SIR模型。建议的方法是通过使用德国各州报告的感染和康复数据来控制COVID-19大流行。数值实验表明，采用分布式链路删除策略可以显著降低感染率。
2020-06-29 cs.SI cs.SY eess.SY
Interplay of social distancing and border restrictions for pandemics (COVID-19) via the epidemic Renormalisation Group framework
我们证明，流行病重新正常化组的方法，大流行病提供了一个有效的和简单的方法来调查疾病传播的动态和世界不同地区的蔓延。该框架还允许对旅行限制和社交距离措施对全球流行病传播的影响进行可靠预测。我们在报告的病例上测试和校准它，同时揭示了全球不同地区新感染病例相对高峰延迟的机制。我们发现，在推迟疫情高峰方面，社交距离措施比跨境旅行限制更有效。我们还提供了与房室模型的链接，例如简单的和历史悠久的类SIR模型。我们还展示了如何概括的框架，以占世界上几个地区的相互作用，取代或补充大规模的模拟。
2020-05-11 physics.soc-ph q-bio.PE
Estimating, Monitoring, and Forecasting the Covid-19 Epidemics: A Spatio-Temporal Approach Applied to NYC Data
我们提出了一个SEIR类型的元种群模型来模拟和监测COVID-19疫情的演变。基本模型由七个部分组成，即易感（S）、暴露（E）、三个感染类别、恢复（R）和死亡（D）。我们在m个不同的空间位置为n个年龄和性别组定义这些隔间。因此，对于每个年龄组，性别和地点，所产生的模型具有所有流行病学类。它们之间的混合是通过依赖于时间的感染率矩阵来完成的。该模型使用纽约市及其行政区每日新增感染的曲线进行校准，包括人口普查数据，以及每个年龄段的感染，住院和死亡比例。我们最终得到了一个模型，该模型与报告的曲线相匹配，并准确预测了不同地区和年龄段的感染信息。
2020-11-17 physics.soc-ph q-bio.PE
The shapes of an epidemic: using Functional Data Analysis to characterize COVID-19 in Italy
我们调查了20个意大利地区的COVID-19死亡率模式及其与流动性，积极性以及社会人口，基础设施和环境协变量的关系。尽管从公共来源获得的数据在准确性和分辨率方面存在局限性，但我们利用函数数据分析技术在曲线和形状中利用信息来确定重要趋势。这些描述了两种截然不同的流行病;在伦巴第和北部受灾最严重的地区呈现出“指数”趋势，而在该国其他地区（包括威尼托，那里的病例与伦巴第同时出现，但早期实施了积极的检测）则较为温和，“平坦（缓和）”。我们发现，在控制相关协变量时，流动性和阳性可以预测COVID-19死亡率。在后者中，初级保健似乎可以降低死亡率，而医院、学校和工作场所的接触则会加剧死亡率。如果将我们所描述的技术应用于更丰富的数据，它可以捕获更多的、可能更清晰的信号。
2020-08-11 physics.soc-ph stat.AP
Time, Space and Social Interactions: Exit Mechanisms for the Covid-19 Epidemics
我们开发了一个极简房室模型，以研究新冠肺炎疫情期间意大利流动限制的影响。我们发现，早期封锁会使疫情在时间上发生变化，而超过封锁强度的临界值，疫情往往会在解除限制后重新开始。因此，必须采取具体的缓解战略。我们的特点是不同的广泛战略的相对重要性，占异质性的两个基本来源，即地理和人口。首先，我们认为意大利各地区作为独立的行政实体，在其中发生的年龄阶层之间的社会互动。由于区域间流动矩阵稀疏，一旦开始，流行病往往在各地区独立发展，因此有理由采取针对个别区域或区域集群的解决办法。其次，我们表明，年龄阶层之间的社会联系发挥着根本性的作用，并考虑到人口的年龄结构的措施可以提供一个显着的贡献，以减轻反弹效应。我们的模型是通用的，虽然它没有分析具体的缓解策略，但它突出了一些关键参数对流行病非药物缓解机制的相关性。
2021-02-04 physics.soc-ph q-bio.PE
Some numerical observations about the COVID-19 epidemic in Italy
我们给出了一些数字观察感染的SARS-CoV-2在意大利的总人数。分析是基于双曲正切公式，涉及两个参数。参数之间的多项式相关性给出了新感染的峰值时间的上限。的上限的时间变化的数值指标。在结论中讨论了结果和将分析扩展到其他国家的可能性。
2020-04-11 math.DS physics.soc-ph q-bio.PE
Contact rate epidemic control of COVID-19: an equilibrium view
我们考虑通过标准SIR分区模型控制COVID-19疫情。这种控制是由个人限制其社会互动的决定的集合引起的：当流行病正在发生时，个人可以减少他/她的接触率以避免被感染，但这种努力是以社会代价为代价的。如果每个人都降低自己的接触率，疫情消失得更快，但努力成本可能很高。形成了种群水平的均场纳什均衡，导致病毒的有效传播率较低。我们从理论上证明了平衡的存在，并进行了数值计算。然而，这种均衡选择了一个次优的解决方案相比，社会最优（一个集中的决定完全尊重所有个人），这意味着无政府状态的成本是严格的积极。我们提供了数值示例和敏感性分析，以及对SEIR房室模型的扩展，以解释COVID-19疾病相对较长的潜伏期。在所有考虑的问题中，个人和社会策略之间的分歧既发生在流行病高峰之前，由于个人的恐惧，也发生在流行病高峰之后，当一个重要的传播仍在进行中时。
2020-05-10 math.OC physics.soc-ph q-bio.PE
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
A numerical simulation of the COVID-19 epidemic in Argentina using the SEIR model
一场由新型冠状病毒引起的大流行病在全球蔓延，影响到了阿根廷。我们实施了一个SEIR模型来分析疾病在布宜诺斯艾利斯和邻近城市的演变。使用官方报告的伤亡人数校准模型参数。由于无限的解决方案尊重的数据，我们显示不同的情况。在所有这些地区，繁殖率$R_0$在早期封锁后下降，但随后上升，可能是由于人口密集的贫民窟的传染增加。因此，必须通过应用控制策略来扭转$R_0$的这种增长趋势，以避免大量的感染和死亡个体。该模型提供了一个有效的过程来估计流行病参数（死亡率，传播概率，感染和潜伏期）和监测控制措施在流行病的演变。
2020-07-15 physics.soc-ph q-bio.PE
Estimating the Effective Reproduction Number and Variables of Disease Models for the COVID-19 Epidemic
本文讨论疾病传播的非线性模型中的变量估计问题及其在COVID-19疫情中的应用。第一无约束的方法被重新审视，它们被示出对应于应用的线性滤波，然后由一个非线性估计的有效再现数后，坐标的变化。无约束方法通常无法将估计的变量保持在其物理范围内，并且可能导致不可靠的估计，需要积极地平滑原始数据。为了克服这些缺点，提出了一种约束估计方法，该方法使模型变量保持在预先指定的边界内，并且还可以促进估计的平滑性。约束估计可以直接应用于原始数据，而不需要预平滑和相关的信息的信息的损失和额外的滞后。它也可以很容易地扩展到处理其他信息，如感染人数。所得到的问题被转换为一个凸二次最优化问题与线性和凸二次约束。它还表明，无约束和约束的方法时，适用于死亡数据是独立的死亡率。这些方法适用于COVID-19疫情的公共死亡数据。
2020-08-19 math.OC physics.soc-ph
Comparison of Citations Trends between the COVID-19 Pandemic and SARS-CoV, MERS-CoV, Ebola, Zika, Avian and Swine Influenza Epidemics
目的：新型冠状病毒COVID-19爆发迅速演变为大流行。全球的研究工作集中在这一主题上，在科学期刊出版业的合作下，在疫情爆发后的五个月内，在PubMed上发表了16，000多篇相关文章。在此，将PubMed和Web of Science中的COVID-19引文与SARS-CoV、MERS-CoV、埃博拉病毒、寨卡病毒、禽流感和猪流感流行进行了比较。方法：以疾病术语和限刊日期为检索标准，对引文进行检索和收集。PubMed引文总数和HIV相关论文在同一时间段内进行了平行检查。期刊类别和出版物的国家信息来自Web of Science。对收集的数据进行统计学分析和比较。结果如下：发现COVID-19与MERS（CC=0.988; p=0.003; q=0.006）、埃博拉（CC=0.987; p=0.003; q=0.011）和SARS（CC=0.964; p=0.015; q=0.028）流行病之间存在显著相关性。然而，COVID-19的出版物比21世纪任何其他重大传染病爆发都更早积累，数量也更大。结论：COVID-19出版物的加速和总数代表了医学图书馆历史上前所未有的里程碑事件。期刊出版商立即采用快速同行评审和出版以及开放获取出版政策是造成这种书目现象的重要因素。
2020-06-09 cs.DL physics.soc-ph
Delay differential equations for the spatially-resolved simulation of epidemics with specific application to COVID-19
在2020年COVID-19疫情之后，人们在开发用于模拟疫情和一般疾病模型的数学模型方面进行了大量工作。大多数的作品遵循易感染-被感染-被清除（SIR）的分区框架，用一个常微分方程系统对流行病进行建模。还介绍了使用偏微分方程（PDE）来合并空间和时间分辨率的替代制剂，其数值结果显示出潜在的强大的描述和预测能力。在目前的工作中，我们引入了一个新的变化，这样的模型，通过使用延迟微分方程（DDE）。包括COVID-19在内的许多传染病的动态由于潜伏期和相关现象而表现出延迟。因此，DDE模型允许问题动态的自然表示，除了在计算时间和建模方面提供优势之外，因为它们消除了对额外的难以估计的隔间（例如暴露的个体）的需要，以包含时间延迟。在这里，我们介绍了一个DDE流行病模型在普通和偏微分方程框架。我们提出了一系列的数学结果评估的稳定性的制定。然后，我们进行了几个数值实验，验证了数学结果和建立模型的能力，以再现实测数据的现实问题。
2021-03-01 cs.NA math.NA physics.soc-ph
Multi-scale simulation of COVID-19 epidemics
COVID-19疫情爆发一年多后，我们仍面临该病毒，很难正确预测其未来数周的传播以及潜在政治干预的影响。目前流行病模型主要有两种方法：一种是分区模型，将人群分为不同的流行病类别，通过微分方程的数学求解来给出宏观的流行病动力学模型，从而可以对流行病的传播进行后验估计;基于代理的模型是给出情况的微观视图的计算机模型，因为每个人被建模为一个自主智能体，允许研究与（异质）个体行为有关的化学动力学。在这项工作中，我们比较了这两种方法，并将它们结合起来，试图利用每种方法的优势，并克服它们的局限性。特别是，基于代理的模拟可以用于细化分区模型的参数值，或预测这些值如何根据所应用的卫生政策而演变。在本报告中，我们讨论了这种方法组合的条件，以及未来的改进。
2021-12-02 cs.CY cs.MA physics.soc-ph
Stochastic social behavior coupled to COVID-19 dynamics leads to waves, plateaus and an endemic state
众所周知，人群异质性在流行病的传播中起着重要作用。虽然社会活动中的个体差异通常被认为是持久的，即在时间上是恒定的，但在这里，我们讨论动态异质性的后果。通过将社会活动的随机动态整合到传统的流行病学模型中，我们证明了一个新的长时间尺度的出现，与经验数据广泛一致。我们的模型捕捉了现实生活中流行病（如COVID-19）的多种特征，包括长期的高原期和多波，由于社会活动的动态性质，这些特征被短暂抑制。由于流行病和社会动态之间的相互作用而存在的长时间尺度为快速流行病通常如何过渡到地方病状态提供了一个统一的画面。
2021-02-19 physics.med-ph physics.soc-ph q-bio.PE
A skew logistic distribution with application to modelling COVID-19 epidemic waves
通过引入偏度参数，提出了对称Logistic分布的一种新颖而简单的推广。它示出了如何随后的斜Logistic分布的三个参数可以使用极大似然估计。然后将偏logistic分布扩展到偏双logistic分布，以允许对流行病时间序列数据中的多个波进行建模。在来自英国的COVID-19数据上验证了所提出的偏斜-logistic模型，并使用最近制定的经验生存詹森-香农散度（${\cal E}SJS$）和Kolmogorov-Smirnov双样本检验统计量（$KS2$）对logistic和正态分布进行了拟合优度评估。我们采用95%的自举置信区间来评估偏logistic分布的拟合优度相对于其他分布的改善。在使用该数据集时，获得的${\cal E}SJS$的置信区间比$KS2$的置信区间窄，这意味着${\cal E}SJS$比$KS2$更有效。
2022-05-05 physics.soc-ph stat.AP
Bayesian inference for high-dimensional discrete-time epidemic models: spatial dynamics of the UK COVID-19 outbreak
针对高维删失流行病学事件数据的边缘化难题，提出结合新型模型信息 Metropolis-Hastings 采样器的贝叶斯 MCMC 方法，用于空间显式随机 SEIR 元种群模型，并应用于英国 COVID-19 数据以支持实时政策。
2023-07-13 physics.soc-ph stat.ME
COVID-ABS: An Agent-Based Model of COVID-19 Epidemic to Simulate Health and Economic Effects of Social Distancing Interventions
Instituto Federal do Norte de Minas Gerais (IFNMG)（北米纳斯吉拉斯联邦学院）；Federal University of Minas Gerais（米纳斯吉拉斯联邦大学）；Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）；Universidade Federal de Ouro Preto（奥罗普雷托联邦大学）
由SARS-CoV-2冠状病毒引起的COVID-19大流行直接影响了全球的公共卫生和经济。为了克服这一问题，各国采取了不同的政策和非药物干预措施来控制病毒的传播。本文提出了COVID-ABS，一个新的SEIR（易感-暴露-隔离-隔离）的代理为基础的模型，旨在模拟流行病的动态使用代理模仿人，企业和政府的社会。分析了七种不同的社交距离干预方案，这些方案具有不同的流行病学和经济影响：（1）什么都不做，（2）封锁，（3）有条件封锁，（4）垂直隔离，（5）部分隔离，（6）使用口罩，（7）使用口罩并坚持50%的社交隔离。在不可能实施封锁的情况下，封锁造成的死亡人数最少，对经济的影响最大，因此，在社会合作方面，结合使用口罩和部分隔离的情况可能更现实。COVID-ABS模型是用Python程序设计语言实现的，源代码公开。通过改变输入参数，该模型可以很容易地扩展到其他社会，并允许创建大量其他场景。因此，这是一个有用的工具，以协助政治家和卫生当局规划他们的行动，以应对COVID-19疫情。
2020-07-08 cs.AI physics.soc-ph
What the reproductive number R_0 can and cannot tell us about COVID-19 dynamics
生殖数R_0（及其在初始疾病出现R后的值）长期以来一直被用来预测病原体入侵的可能性，衡量流行病的潜在严重程度，并制定干预政策。然而，经常被忽视的复杂性已经在度量的使用方面产生了混乱。这一点在新出现的大流行性病毒SARS-CoV-2（COVID-19的病原体）中尤为明显。我们解决了其中的一些误解，即R如何随时间变化，随空间变化，并通过引用R的数学定义和当前流行病的例子与流行病规模相关。我们希望，更好地理解R的用途、细微差别和局限性，有助于更好地理解SARS-CoV-2背景下的流行病传播、流行病严重程度和干预措施的效果。
2020-06-25 physics.soc-ph q-bio.PE
Evidence of economic segregation from mobility lockdown during COVID-19 epidemic
为应对COVID-19疫情，各国政府已实施封锁限制以降低感染率。我们对Facebook提供的近实时意大利数据进行了大量分析，以调查封锁策略如何影响个人和地方政府的经济状况。我们将流动性的变化建模为类似于自然灾害的外生冲击。我们确定了两种方式，通过流动性限制影响意大利公民。首先，我们发现封锁的影响在财政能力较高的城市更强。其次，我们发现了隔离效应，因为流动性限制在不平等程度较高的城市和人均收入较低的城市更强。
2020-04-11 cs.SI physics.soc-ph
Analysis, Modeling, and Representation of COVID-19 Spread: A Case Study on India
冠状病毒爆发是地球上所有人类面临的最具挑战性的大流行病之一。隔离感染者及保持社交距离等技术是对抗COVID-19疫情的唯一预防措施。在有限的数据下对感染人数的实际估计是数据科学家面临的一个不确定问题。现有文献中有大量的技术，包括再生产数、病死率等，用于预测流行病的持续时间和传染人群。本文介绍了一个案例研究，介绍了用于分析、建模和表示与COVID-19等流行病相关的数据的不同技术。我们进一步提出了一个算法，估计在一个特定的地区的感染传播状态。本文还提出了一种由易感传染病和传染病模型估计流行病结束时间的算法。最后，本文通过实证和数据分析，研究了传播概率、接触率、传染性和易感性对疫情传播的影响。
2020-08-30 cs.SI physics.soc-ph q-bio.PE
The Impact of COVID-19 on Urban Energy Consumption of the Commercial Tourism City
二零二零年，COVID-19疫情在全球蔓延。为了缓解疫情蔓延，不少地区实施了各种封锁政策。为了更好地为商业旅游城市的城市能源消费制定防疫政策，本文首先基于澳门的能源消费数据，从两个方面分析了疫情期间澳门的能源特征。在此基础上，分析了疫情期间商业旅游城市用电特点。然后，从酒店、交通、旅游文化、公共设施等方面分析了商业旅游城市不同领域的能源消耗特点。最后，通过与一些典型国家的比较，详细分析了以澳门为代表的商业旅游城市在疫情期间的能源消费特征。
2021-04-29 cs.SY eess.SY physics.soc-ph
Management strategies in a SEIR model of COVID 19 community spread
2019年新型冠状病毒感染（COVID 19）是国际关注的持续公共卫生紧急事件。尽管（或可能因为）疫情是前所未有的全球威胁，但我们对COVID 19流行病学、传播动力学、调查工具和管理的了解仍存在重大差距。积极的一面是，目前对流行病过程的了解足以建立数学预测模型。在我们的工作中，我们调整了传统的SEIR流行病模型，以适应COVID 19在年龄异质社区中传播的特定动态分区和流行病参数。我们分析了流行病课程的管理策略（因为它们是通过美国许多州和世界各国的封锁和重新开放程序实施的）;然而，为了更清楚地说明这些想法，我们重点介绍了一个小规模大学城社区的例子，以及纽约州引入控制措施的时间轴。我们在可持续发展的背景下进行预测，并评估这些控制措施（关闭，流动限制，社交距离）的效率。
2020-11-27 physics.soc-ph q-bio.PE
Spatiotemporal Differences of COVID-19 Infection among Healthcare Workers and Patients in China from January to March 2020
研究社会群体（如医护人员和患者）之间冠状病毒疾病（COVID-19）的时空差异有助于制定流行病遏制政策。以往关于COVID-19时空特征的研究大多是在单一群体中进行的，没有探讨群体之间的差异。为了填补这一研究空白，本研究评估了武汉、湖北（不包括武汉）和中国（不包括湖北）患者和HCW感染的时空特征和差异。武汉市的时间差异大于湖北省其他地区，湖北省（不包括武汉）的时间差异大于中国其他地区。在疫情早期，医护人员的发病率较高。因此，在疫情初期加强医护人员的防护措施十分重要。武汉市的空间差异小于湖北省其他地区，湖北省（不包括武汉）小于中国其他地区。医护人员感染的空间分布可用于推断疫情早期的空间分布，并据此制定控制措施。
2021-01-27 physics.soc-ph
Remarks on a data-driven model for predicting the course of COVID-19 epidemic
诺登湖Huang、Fangli Qiao和Ka Kit Tung提出了一个针对COVID-19疫情的数据驱动模型，其中相关函数取决于从现有数据的统计分析中获得的一组七个参数。这些参数不是独立的，它们通过一组关系联系在一起，作者称之为主要结果，这些结果通过数据的统计分析进行验证。问题中的参数以及它们之间的关系并不总是由作者明确。通过在这里给出它们的（简单的）数学公式，描述动态的所有相关函数都可以明确地写下来。所有的显式公式都是根据感染人数的对数是时间的二次函数这一事实得出的。这里给出的公式本身并不是近似值，但它们涉及的参数当然是从数据中得出的统计量。这些公式可能在验证数据、模型本身、更新模型或找到相关量的近似值方面有一定的用处。
2020-08-14 physics.soc-ph stat.ME
Understanding and monitoring the evolution of the Covid-19 epidemic from medical emergency calls: the example of the Paris area
我们通过分析巴黎地区四个中心部门（SAMU 75、92、93和94的15号中心）的EMS收到的医疗紧急呼叫，描绘了2020年3月至4月危机期间巴黎地区新冠肺炎疫情的演变。我们的研究揭示了这些部门之间的强烈差异。我们表明，每个流行病的对数可以近似为一个分段线性函数的时间。这使我们能够区分流行病的不同阶段，并确定卫生措施之间的延迟及其对EMS负荷的影响。这也导致了一种算法，允许人们检测流行病的复发。我们依赖于一个传输PDE流行病学模型，我们使用的方法从Perron Frobenius理论和热带几何。
2020-07-20 cs.SI math.DS physics.soc-ph
A Novel Methodology for Epidemic Risk Assessment of COVID-19 outbreak
我们提出了一个新的数据驱动的框架，用于评估一个地理区域的先验流行病风险，并确定一个国家内的高风险地区。我们的风险指数被评估为三个不同组成部分的功能：疾病的危害，该地区的暴露和其居民的脆弱性。作为应用，我们讨论了意大利爆发的COVID-19疫情。我们使用现有的历史数据，空气污染，人类流动，冬季温度，住房集中，医疗保健密度，人口规模和年龄的20个意大利地区的特点。我们发现，与意大利中部和南部相比，北部一些地区的流行病风险更高。相应的风险指数显示了与感染者人数、重症监护患者和死亡患者人数的现有官方数据的相关性，并有助于解释为什么伦巴第、艾米利亚-罗马涅、皮埃蒙特和威尼托等地区比该国其他地区遭受的痛苦要多得多。尽管2019冠状病毒病疫情几乎同时在意大利北部（伦巴第大区）和中部（拉齐奥大区）爆发，但当首批病例于2020年初被正式认证时，该疾病在疫情风险较高的地区传播更快，后果更严重。我们的框架可以扩展并在其他流行病数据上进行测试，例如季节性流感，并应用于其他国家。我们还提出了一个政策模型与我们的方法，这可能有助于政策制定者采取明智的决定。
2021-01-22 physics.soc-ph q-bio.PE
Covid-19 epidemic under the K-quarantine model: Network approach
新型冠状病毒肺炎（COVID-19）大流行正在全球范围内持续，其造成的破坏是前所未有的。为了预防，韩国采取了局部隔离策略，而不是全球封锁。这种方法不仅最大限度地减少了经济损失，而且还有效地防止了疾病的传播。在这项工作中，COVID-19在当地隔离措施下的传播是使用复杂网络上的易感-暴露-隔离-隔离模型建模的。在这种网络方法中，连接到孤立的人的链接被断开，然后在释放时恢复。这种联系的动态导致时间依赖的繁殖数量。对网络进行数值模拟，根据经验数据估计反应速率。随后再现了累计确诊病例数的时间模式。结果显示，大量无症状感染者因与感染者一起隔离而被检出。此外，还考虑了当地隔离措施和社交距离中断可能造成的后果。
2020-12-30 physics.soc-ph q-bio.PE
Perception of emergent epidemic of COVID-2019 / SARS CoV-2 on the Polish Internet
我们通过对2020年1月至2020年3月12日（2020年3月4日正式引入波兰之前和之后）互联网（Twitter，Google，YouTube，维基百科和以Event Registry为代表的电子媒体）上的数字足迹进行定量分析，研究波兰社会对COVID-2019疫情的看法。为此，我们利用数据采掘，社会网络分析，自然语言处理技术。每个被检查的互联网平台都分析了目标群体的代表性和组成。我们在疾病引入之前确定了关于COVID-2019主题的三个主要关注时间集群：所有平台上与中国和意大利相关的峰值，以及与最近抗击COVID-2019的特别法律相关的社交媒体峰值。此外，在正式确认引入的当天，人们的兴趣达到了顶峰，当波兰政府宣布通过大规模的缓解计划向疾病宣战时，人们的兴趣呈指数级增长。从社会语言学的角度来看，我们发现，在引进之前，威胁，恐惧和预防的概念和问题占主导地位。在介绍之后，关于疾病和流行病的实用概念占主导地位。我们发现，Twitter反映了波兰政治领域的结构性分裂。我们能够确定执政党，主流反对派和新教团体的明确社区和错误信息的潜在来源。我们还发现，在疾病引入后，粉碎之间的边界模糊。
2020-03-30 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
Temporal data series of COVID-19 epidemics in the USA, Asia and Europe suggests a selective sweep of SARS-CoV-2 Spike D614G variant
2019冠状病毒病大流行始于中国武汉，并导致2019冠状病毒病病原体SARS-CoV-2的RNA病毒在全球传播。由于其突变率、广泛的地理分布和宿主反应差异，这种冠状病毒目前正在演变成一系列具有不断增加的遗传多样性〈动〉<动>的菌株。大多数变异对疾病传播和症状严重程度显然具有中性影响。然而，在负责宿主细胞附着和侵袭的病毒刺突蛋白中，含有位置614处的氨基酸D至G的取代（D 614 G）的出现的变体被认为增加病毒感染能力。为了测试这种变异是否具有流行病学影响，在美国、亚洲和欧洲比较了614位携带D或G的SARS-CoV-2样本的时间分布。比较了流行早期和晚期的流行曲线。在早期阶段，在遏制措施尚未完全实施的情况下，病毒变体应该是不受约束的，其生长曲线可能近似于自由病毒动力学。我们的分析显示，在美国、亚洲和欧洲，D 614 G流行率与COVID-19流行曲线的增长率相关。我们的研究结果表明，选择性扫描，可以解释，至少部分地，通过这种变体的传播优势，换句话说，D 614 G的分子水平的影响有足够的人口传播动力学的影响，检测到的流行病增长曲线的速率系数的差异。
2020-06-20 physics.soc-ph q-bio.PE
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
Analytical parameter estimation of the SIR epidemic model. Applications to the COVID-19 pandemic
2019年冠状病毒病（COVID-19）大流行的爆发及其持续发展提高了科学界对流行病建模和预测的兴趣。SIR（Susceptible-Infected-Removed）模型是流行病爆发的一个简单的数学模型，然而几十年来，它回避了社区导出明确解的努力。目前的工作表明，这是一个不平凡的任务。值得注意的是，它被证明，该模型的显式解决方案需要引入一个新的超越特殊功能，相关的赖特的欧米茄功能。本手稿报告新的分析结果和数值程序适合SIR模型的参数估计。该手稿介绍了迭代算法近似的发病率变量，它允许估计的模型参数从观察到的情况下的数量。数值方法以欧洲疾病预防和控制中心（ECDC）2020年1月至2020年6月期间几个欧洲国家的数据为例。
2020-10-09 cs.NA math.NA physics.soc-ph
Epidemic parameters for COVID-19 in several regions of India
报告了对2020年4月期间印度不同地理区域病例和死亡病例的公开时间序列的贝叶斯分析。研究发现，感染最初明显的快速增长可能部分是由于混杂因素，如疾病监测的最初快速增长。一个简短的讨论给出的谬误，如果出现这种可能性被忽视。4月10日之后的增长与时间无关，但与区域相关的指数一致。由此，使用已知病例和死亡率提取R 0。在许多情况下，这两个估计值被认为是一致的;对于这些CFR报告。可以看出，CFR和R 0一起增加。一些公共卫生的影响，这一观察进行了讨论，包括目标加倍间隔，如果医疗设施是保持足够的。
2020-05-18 physics.soc-ph q-bio.PE
Why can we observe a plateau even in an out of control epidemic outbreak? A SEIR model with the interaction of $n$ distinct populations for Covid-19 in Brazil
本文提出了一个$n$不同人群相互作用结构的SEIR模型来描述COVID-19大流行性疾病的传播。所提出的模型具有灵活性，包括地理上分离的社区，以及考虑到人口老龄化群体及其相互作用。我们表明，不同的假设所提出的模型的动态导致感染人口的高原状曲线，反映了从大国，如巴西收集的数据。这些观察结果旨在提出以下猜想：“正如拟议模型所反映的那样，新冠肺炎从首都向巴西内地的扩散是该国报告病例呈高原状的原因”。我们提出了一些方案的数值模拟和比较与上述结论相印证的报告数据从巴西。
2020-08-03 math.DS physics.soc-ph q-bio.PE
The short-term seasonal analyses between atmospheric environment and COVID-19 in epidemic areas of Cities in Australia, South Korea, and Italy
COVID-19疫情对健康的影响受到广泛关注。疾病风险评估、预测和预警已成为一个重要的研究领域。以前的研究表明，空气质量和疾病之间存在联系。利用澳大利亚、韩国和意大利3个国家的大气环境数据、已证实的病例数据和基于拟泊松回归的分布滞后非线性模型（DLNM），研究了大气环境对基本生殖数（R $_0$）的影响。结果表明：气温和湿度对短期R $_0$具有滞后性和持续性，季节因子对R $_0$具有明显的装饰作用。PM $_{10}$是影响超额发病率的主要污染物。此外，作为扰动因子的O $_3$、PM $_{2.5}$和SO $_2$具有明显的累积效应。这些结果为环境与COVID-19之间的相关性提供了有益的知识，可指导疾病数据的前瞻性分析。
2020-05-23 physics.soc-ph q-bio.PE
Solvable delay model for epidemic spreading: the case of Covid-19 in Italy
我们研究了一个简单的现实模型，用于描述传染病在人群中的扩散。的动态是由一个单一的功能延迟微分方程，其中，在一个大的人口的情况下，可以精确地解决，即使在存在的时间依赖性的感染率。这种延迟模型比流行病学中常用的所谓SIR模型具有更高的准确度，SIR模型是用常微分方程来表示的。我们应用此模型描述新型传染病Covid-19在意大利的爆发，并考虑到政府为减缓病毒传播而实施的遏制措施以及人口的社会成本。
2020-09-10 cond-mat.stat-mech physics.soc-ph q-bio.PE
A Two-Phase Dynamic Contagion Model for COVID-19
本文基于Dassios和Zhao（2011）提出的动态传染模型，提出了一个连续时间随机强度模型，即两阶段动态传染过程（2 P-DCP），用于模拟COVID-19的流行病传染，并研究封锁效应。它允许个体传染性的随机性，而不是标准模型所假设的恒定的繁殖数。根据各区域和国家的实际数据，推导和估计了关键的流行病学量，如最终流行规模的分布和预期的流行持续时间。对每个国家或区域干预效果的相关时滞进行了估计。我们的结果与最近医学研究发现的COVID-19的潜伏期一致。我们证明，我们的模型可能成为COVID-19建模的有价值的工具。更重要的是，所提出的2 P-DCP模型也可以被用作流行病学建模的重要工具，因为这种类型的传染病模型具有非常简单的结构，足以描述区域流行病和全球流行病的演变。
2020-06-11 physics.soc-ph q-bio.PE
