Machine Learning and ARIMA Model Averaging for Adaptive Public Health Forecasting: Comparative Evaluation and an Ontario COVID-19 Case Study
Public Health Ontario（安大略省公共卫生局）；Dalla Lana School of Public Health, University of Toronto（多伦多大学达拉·拉纳公共卫生学院）；University of Toronto（多伦多大学）；York University（约克大学）
本研究评估ARIMA、随机森林、XGBoost模型，提出MLAMA集成方法，基于安大略省COVID-19数据验证其预测性能更优，支持按操作条件选择预测模型。
2026-09-01 cs.LG stat.AP
A Vector Autoregression Prediction Model for COVID-19 Outbreak
自2019年西雅图北部一个县有两人携带COVID-19（冠状病毒）阳性以来，美国目前的总病例数（美国）超过一千二百万在有效变量下预测大流行趋势对于帮助找到控制流行病的方法至关重要。基于现有文献，我们提出了一个有效的向量自回归（VAR）时间序列模型来预测阳性COVID-19病例。根据美国冠状病毒数据提供了美国的真实数据预测。我们研究的关键信息是，如果没有有效的控制，大流行的情况将变得更糟。
2021-02-06 stat.AP
Forecasting the COVID-19 vaccine uptake rate: An infodemiological study in the US
在中国首次爆发COVID-19疫情一年后，许多国家已经批准了紧急疫苗。公共卫生从业者和政策制定者必须了解预期的人群疫苗意愿，并实施相关刺激措施。这项研究开发了一个框架，用于预测疫苗接种率的基础上，传统的临床数据，涉及自回归模型与自回归综合移动平均（ARIMA）和创新的网络搜索查询，涉及线性回归与普通最小二乘/最小绝对收缩和选择算子，以及机器学习与升压和随机森林。为了准确起见，我们对临床数据和网络搜索查询实施了堆叠回归。临床数据的ARIMA（1，0，8）堆叠回归和网络数据的支持向量机增强形成了预测美国疫苗接种速度的最佳模型。叠加回归提供了更准确的预测。这些结果可以帮助政府和政策制定者预测疫苗需求并为相关计划提供资金。
2021-12-09 econ.EM stat.AP
A time-modulated Hawkes process to model the spread of COVID-19 and the impact of countermeasures
基于最近爆发的新型冠状病毒（COVID-19），我们提出了一个基于时间调制Hawkes过程的流行病时间增长和缓解的随机模型。该模型足够丰富，可以纳入新型冠状病毒的具体特征，捕捉未被发现的、无症状的和超扩散的个体的影响，特别是考虑到随时间变化的应对措施和检测工作。然而，它足够简单，可以对流行病的时间演变进行可扩展和有效的计算，并探索假设情景。与传统的房室模型相比，我们的方法允许更忠实地描述病毒的特定特征，例如阶段中花费的时间的分布，这在控制的时间尺度（例如，移动性限制）与单次感染的寿命相当。我们将该模型应用于意大利的第一波和第二波COVID-19，揭示了与政府引入的流动限制有关的几个影响，以及国家卫生服务进行的接触者追踪和大规模检测的有效性。
2021-01-02 math.PR physics.soc-ph q-bio.PE
Modelling and predicting the spatio-temporal spread of Coronavirus disease 2019 (COVID-19) in Italy
官方免费提供的关于最精细空间区域聚集水平（意大利各省）感染人数的数据用于模拟地方层面COVID-19感染的时空分布。数据时间范围为20020年2月26日，即意大利北部发现第一例与中国无直接关系的病例的日期，至2020年3月18日。地方性流行病的多变量时间序列混合效应的广义线性模型的面积疾病计数已被实施，以了解和预测时空扩散的现象。以前的文献表明，这类模型在时间和空间上提供了对传染病的可靠预测。三个子组件表征估计模型。第一个与疾病随时间的演变有关;第二个的特点是疾病在同一省份的居民中传播;第三个说明空间邻近的影响，并试图捕捉附近地区的传染效应。集中在意大利每日计数的汇总时间序列，三个子组件中的任何一个的贡献都不占主导地位，我们的预测对整个国家来说都很好，与后期可用数据相比，误差为千分之三。相反，在地方一级，出现了有趣的独特模式。特别是，首先受到遏制措施影响的省份是那些不受空间邻国影响的省份。另一方面，对于目前受传染影响严重的省份，与周边地区的空间相互作用的分量占主导地位。此外，所提出的模型提供了良好的预测，在地方一级的感染人数，同时控制延迟报告。
2020-03-20 stat.AP
Comprehensive Forecasting of California's Energy Consumption: A Multi-Source and Sectoral Analysis Using ARIMA and ARIMAX Models
本研究利用ARIMA和ARIMAX模型，结合历史数据与外部变量，对加州各能源来源和部门的消耗进行预测，发现可再生能源增长显著，交通部门消耗最大。
2024-02-06 stat.AP
On the association between COVID-19 vaccination levels and incidence and lethality rates at a regional scale in Spain
引起2019冠状病毒病（COVID-19）的严重急性呼吸系统综合征冠状病毒2（SARS-CoV-2）导致了本世纪最严重的全球健康和经济危机。这种戏剧性的情况迫使公共卫生当局和制药公司在创纪录的时间内开发抗COVID-19疫苗。目前，西班牙近80%的人口接种了所需剂量的疫苗。因此，本文通过分段时空回归模型分析了COVID-19发病率和致死率，该模型允许研究特定疫苗接种水平与发病率或致死率变化（平均值）之间是否存在关联。考虑Besag-York-Mollié模型包括空间依赖性，而自然三次样条用于捕获数据的时间结构。暴露和结果之间的滞后效应也被考虑在内。结果表明，COVID-19疫苗接种尚未允许（截至2021年9月）在西班牙的区域范围内观察到发病率水平的持续下降。相比之下，死亡率显示出下降趋势，这与疫苗接种水平超过50%有关。
2021-10-20 stat.AP
Hong Kong Air Traffic: Explanation and Prediction based on Sparse Seasonal ARIMA Model
一个城市的月度空中交通量是一个具有明显季节性规律的时间序列，与城市的经济状况和社会环境密切相关。以香港为例，7月、8月、10月往往是车流的旺季，同时也有相对固定的淡季。在社会环境稳定的情况下，经过仔细辨识和拟合的季节性ARIMA模型能够较好地预测未来几个月的交通流量。本研究选取香港在金融风暴后及政治风暴前的航空交通数据，包括抵港及离港旅客数据。建立了稀疏季节ARIMA $(0,1,1)\times(4,1,0)_{12}$模型，在其$95\%$置信区间内，能正确预测2020年1 - 7月的空中交通量。此外，这项工作对时间序列进行了分解，发现金融危机、政治风暴和COVID-19爆发等重要事件在一定程度上影响了航空交通水平。比如，2019年之后发生的政治风暴和疫情防控，使得航空运输量大幅下降。根据我的稀疏季节性ARIMA模型，2020年2月至11月的空中交通量只有没有这两个事件时的$5\%$。这是时间序列模型在空中交通损失估计中的一个有价值的应用。
2021-08-12 stat.AP
A mathematical model for the coronavirus COVID-19 outbreak
提出了一个定量描述中国新型冠状病毒COVID-19爆发的数学模型。虽然模型相对简单，但与公开数据的比较表明，模型的精确解（具有正确指定的参数）导致的结果与实测数据吻合良好。讨论了COVID-19病例总数的预测，并使用奥地利的测量数据给出了一个例子。
2020-04-09 physics.soc-ph q-bio.PE
Assessing the Efficiency of Different Control Strategies for the Coronavirus (COVID-19) Epidemic
这项工作的目标是分析巴西冠状病毒（COVID-19）疫情控制政策的影响。这是通过考虑一个年龄结构的SEIR模型与检疫类和两种类型的控制。第一个研究了下一代方法计算的基本再生数R 0对参数的敏感性。第二个评估不同的检疫策略，通过比较他们的相对总死亡人数。
2020-04-07 q-bio.PE
SEI1I2HRSVM model applied to the coronavirus pandemic (COVID-19) in Paraguay
在本文中，提出了一个数学模型来研究当前巴拉圭的冠状病毒爆发（SARS-CoV-2），描述了感染动力学中的多个传播路径，包括易感者、暴露者、感染者、住院者、免疫力丧失者和康复者，以及病毒在环境中的作用和COVID-19或其他原因造成的死亡。为了反映政府和人群采取的控制措施的影响，该模型采用了随流行病学状况和环境条件而变化的可变传播率。该模型进行了验证，并展示了其应用与公开的数据。
2020-06-01 q-bio.PE
A Mathematical Description of the Dynamics of Coronavirus Disease (COVID-19): A Case Study of Brazil
本文研究了与冠状病毒动力学相关的数学建模和数值模拟。描述是建立在易感染-暴露-感染-恢复模型的基础上的。首先，进行模型验证，用来自中国、意大利、伊朗和巴西的数据校准系统参数。之后，进行了数值模拟，以分析巴西COVID-19的不同情景。结果表明，政府和个人采取行动控制与大流行病有关的危急情况的数量和持续时间的重要性。
2020-04-23 nlin.CD q-bio.PE
Tracking Social Media Discourse About the COVID-19 Pandemic: Development of a Public Coronavirus Twitter Data Set
在撰写本文时，新型冠状病毒（COVID-19）大流行爆发已对全球许多国家的公民、资源和经济造成巨大压力。社交距离措施、旅行禁令、自我约束和企业关闭正在改变世界各地社会的结构。随着人们被迫离开公共场所，关于这些现象的许多讨论现在都发生在网上，例如，在Twitter等社交媒体平台上。在本文中，我们描述了自2020年1月22日以来我们一直在持续收集的多语言冠状病毒（COVID-19）Twitter数据集。我们正在向研究社区提供我们的数据集（https：//github.com/echen102/COVID-19-TweetIDs）。我们希望，我们的贡献将使在线对话动态的研究，在全球范围内的流行病爆发的前所未有的规模和影响的背景下。这个数据集还可以帮助追踪科学冠状病毒的错误信息和未经证实的谣言，或者使人们能够理解恐惧和恐慌--毫无疑问还有更多。最终，这一数据集可能有助于实现知情的解决方案，并制定有针对性的政策干预措施，以应对这场全球危机。
2020-06-02 cs.SI q-bio.PE
Epidemiological study of novel coronavirus (COVID-19)
我们报告了一些新型冠状病毒（COVID-19）高度感染国家的统计分析。用Logistic方程、Weibull方程和Hill方程等多种增长模型对累计感染数据进行拟合，得到前10个高感染国家的幂指数。新感染的数据符合高斯分布，对于感染曲线似乎饱和的国家，峰值在约40天。不同国家受感染者的生长动力学相似，这为采取适当预防措施以尽量减少人类损害提供了第一手指导。
2020-03-25 physics.app-ph physics.bio-ph physics.med-ph
Detectability of the novel coronavirus (SARS-CoV-2) infection and rates of mortality from the novel coronavirus infection in different regions of the Russian Federation
相关性：新型冠状病毒（SARS-CoV-2）感染的实验室诊断结合对感染者接触者的隔离会影响SARS-CoV-2感染的传播和相关死亡率水平。检测SARS-CoV-2感染的做法在俄罗斯各地不同。例如，在圣彼得堡市，2020年10月25日的COVID-19死亡率是俄罗斯联邦最高的，每一例COVID-19死亡对应于人口中15.7例COVID-19检测病例，而整个俄罗斯的相应数字为58.1，表明圣彼得堡的COVID-19轻度/中度病例检测有限。研究方法：更积极的SARS-CoV-2检测可降低病死率（即在人群中所有SARS-CoV-2感染病例中检出COVID-19病例的比例）。我们使用COVID-19病例和死亡数据来研究俄罗斯联邦不同地区COVID-19的病死率与死亡率之间的相关性。结果如下：2020年10月25日，俄罗斯联邦不同地区COVID-19的病死率与死亡率之间的相关性为0.64（0.50，0.75）。在俄罗斯联邦的几个地区，SARS-CoV-2感染的可检测性相对较低，而COVID-19的死亡率相对较高。结论：SARS-CoV-2感染的可检测性是影响COVID-19死亡率水平的因素之一。为了提高可检测性，应该对所有有呼吸道症状寻求SARS-CoV-2感染治疗的个人进行检测，并采取额外措施增加SARS-CoV-2检测量。这些措施，加上对感染病例及其密切接触者的隔离，有助于减缓SARS-C…
2020-10-25 q-bio.PE
Spatiotemporal fluctuation scaling law and metapopulation modeling of the novel coronavirus (COVID-19) and SARS outbreaks
我们对比分析了2019年新型冠状病毒（COVID-19）和SARS疫情的时空波动，以了解其流行病学特征。在方法上，我们引入TPL（泰勒幂律）来表征其时空异质性/稳定性，并引入Hubbell（2001）生物多样性统一中性学说〈动〉<动>（UNTB）[特别是Harris et al.（2015）HDP-MSN模型（分层狄利克雷过程多位点中性模型）]来近似冠状病毒感染的集合种群。首先，TPL分析表明，冠状病毒似乎具有特定的异质性/稳定性缩放参数（TPL-b），对于累积感染略大于2，对于每日增量感染略大于1，这表明它们可能是混乱的，不稳定的爆发。另一TPL参数（M0）（即，感染临界阈值）取决于病毒种类（COVID-19/SARS）、时间（疾病阶段）、空间（区域）和公共卫生干预（例如，移动性和移动性控制）。M0测量感染水平，在该感染水平下感染是随机的（泊松分布），低于该感染水平的感染遵循均匀分布，如果M0符合或低于Allee效应水平，则可能会死亡。研究发现，COVID-19爆发的风险似乎比SARS高出近两倍，而较低的感染阈值可能是由于其致死率低于SARS，因为较低的致死率可以促进病原体的存活和传播。第二，后趋性UNTB中性测试似乎适合于近似冠状病毒感染的后趋性。具体而言，从中性学说〈动〉<动>中借用的两个参数θ和M可用于评估通过局部传染感染与通过迁移感染的相对重要性，这两者都可能取决于时间、…
2020-03-08 q-bio.PE
Mathematical Modeling of Epidemic Diseases; A Case Study of the COVID-19 Coronavirus
在这项研究中，我们从数学建模的角度研究了COVID-19冠状病毒等流行病的传播模式。该研究是基于著名的易感染-感染-恢复（SIR）房室模型家族的扩展。它显示了社会措施，如距离，区域封锁，检疫和全球公共卫生警戒，影响模型参数，最终可以改变死亡率和活跃的污染病例随着时间的推移，在现实世界中。与所有数学模型一样，模型的预测能力受到可用数据的准确性以及用于对问题建模的所谓\textit{level of abstraction}的限制。为了让更多的研究人员更好地了解流行病的传播模式，还介绍了生物系统建模的简短介绍，并在线提供了模拟的Matlab源代码。
2020-12-31 q-bio.PE
Statistical investigation of relationship between spread of coronavirus disease (COVID-19) and environmental factors based on study of four mostly affected places of China and five mostly affected places of Italy
COVID-19是由严重急性呼吸道综合征冠状病毒2型（SARS-CoV-2）引起的新型冠状病毒病。它于2019年12月起源于中国，并迅速开始在国内蔓延。2019年12月31日，首次向世界卫生组织（WHO）驻中国国家办事处报告。从那时起，它已经传播到全球大多数国家。然而，最近有一种趋势，认为它会在夏天消失，这还没有得到适当的调查。本文对中国4个疫情最严重的地区，即北京、重庆、上海、武汉和意大利5个疫情最严重的地区，在考虑潜伏期的情况下，对每日确诊病例数与最大相对湿度（RH_max）、最高气温（T_max）和最高风速（WS_max）3个环境因子的关系进行了统计研究，即贝加莫、克雷莫纳、洛迪、米兰。研究发现，与最大相对湿度和最高风速的关系基本上可以忽略不计，而与最高温度的关系介于可忽略不计到中等之间。
2020-03-25 physics.soc-ph q-bio.PE
A Novel AI-enabled Framework to Diagnose Coronavirus COVID 19 using Smartphone Embedded Sensors: Design Study
Koya University（科亚大学）；Salahaddin University-Erbil（萨拉赫丁大学埃尔比勒分校）；University of Wolverhampton（伍尔弗汉普顿大学）；Ulster University（阿尔斯特大学）；Howard University（霍华德大学）；Manchester Metropolitan University（曼彻斯特城市大学）
冠状病毒是一个著名的病毒家族，可引起人类和动物的疾病。新型冠状病毒COVID-19首次在中国武汉发现。然而，根据世界卫生组织（WHO）的说法，最近该病毒在世界大部分地区广泛传播，并造成大流行。此外，现今，世界各国均致力控制COVID-19。检测冠状病毒的机制有很多，包括胸部CT扫描图像和血液检查结果的临床分析。确诊的COVID-19患者表现为发热、疲倦和干咳。具体地，可以使用几种技术来检测病毒的初始结果，例如医学检测试剂盒。然而，这样的设备产生了巨大的成本，需要时间来安装和使用。因此，在本文中，提出了一个新的框架，使用内置的智能手机传感器来检测COVID-19。该提案提供了一种低成本的解决方案，因为大多数放射科医生已经持有智能手机用于不同的日常用途。不仅如此，普通人也可以在智能手机上使用该框架进行病毒检测。如今，智能手机功能强大，具有现有的计算丰富的处理器，存储空间和大量的传感器，包括相机，麦克风，温度传感器，惯性传感器，接近度，颜色传感器，湿度传感器和无线芯片组/传感器。设计的人工智能（AI）框架读取智能手机传感器信号测量值，以预测肺炎的严重程度以及预测疾病的结果。
2020-05-30 cs.HC cs.LG q-bio.PE
Coronavirus Covid-19 spreading in Italy: optimizing an epidemiological model with dynamic social distancing through Differential Evolution
本文的目的在于应用最近的流行病学模型，即SEIR与社会距离（SEIR-SD），通过定义随时间变化的社会距离函数，在此扩展，以评估意大利及其两个最重要地区，即，伦巴第和坎帕尼亚。为了有效地使用该模型，必须找到其参数的最合适的值。SEIR-SD模型参数的估计通过使用差分进化，一种启发式优化技术来进行。通过这种方式，我们能够对上述三种情况中的每一种情况评估从今天到病毒传播结束的每日感染病例数，这一数字将达到最高峰的那一天，以及感染病例将非常接近于零的那一天。
2020-04-04 cs.SI physics.soc-ph q-bio.PE
Modeling and Simulation of the spread of coronavirus disease (COVID-19) in Lebanon
在本文中，我们开发了一个冠状病毒疾病（COVID-19）传播的概率数学模型。它考虑到了这种疾病的已知特点，例如存在未被发现的传染性病例以及受感染者的不同社会和传染性条件。特别是，它考虑了一个国家的社会结构和政府措施，发现的病例在实际感染病例总数中所占的比例，以及未被发现的感染者从境外涌入。虽然该模型很简单，可以利用地方当局提供的关于这一流行病的数据合理确定其参数，但它也足够复杂，可以捕捉到最重要的影响。我们研究了黎巴嫩的特殊情况，并使用其报告的数据来估计模型参数，这可能对估计COVID-19在其他国家的传播有意义。我们显示了一个很好的协议之间的报告数据和我们的模型给出的估计。我们还模拟了几种情景，帮助政策制定者决定如何放松不同的措施，而不会冒着严重的COVID-19浪潮的风险。我们还能够确定导致特定情况的主要因素，这有助于更好地了解病毒的传播。
2020-08-07 physics.soc-ph q-bio.PE
Distant sequence similarity between hepcidin and the novel coronavirus spike glycoprotein: a potential hint at the possibility of local iron dysregulation in COVID-19
引起COVID-19的SARS-CoV-2病毒的刺突糖蛋白因其疫苗潜力和与宿主细胞表面受体的结合能力而引起关注。许多研究的焦点集中在刺突蛋白的胞外域。胞外域锚定至跨膜区，随后是胞质尾区。在这里，我们报告了冠状病毒刺突蛋白的富含半胱氨酸的胞质尾区与人类和其他脊椎动物中发现的铁调素蛋白之间的远距离序列相似性。铁调素被认为是人类铁代谢的关键调节剂。这一初步观察结果的意义是，利用已经建立的关于局部和全身铁调节、马槟榔碱介导的炎症过程、呼吸道感染和铁调素蛋白相互作用的文献，提出了冠状病毒研究领域的潜在研究途径。可能的同源性和病毒刺突蛋白和hepcidin之间的进化联系的问题，在本报告中没有评估，但它的研究的一些情况进行了讨论。
2020-07-01 q-bio.BM q-bio.GN q-bio.PE
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
Power of Artificial Intelligence to Diagnose and Prevent Further COVID-19 Outbreak: A Short Communication
新型冠状病毒-19（2019-nCoV或COVID-19）是迄今为止三十年来第三次发现的最危险的冠状病毒，不仅能够感染动物，还能够感染全球范围内的人类。据记录，全球有近6000人死亡，主要是由于2019冠状病毒病爆发，其中超过50%的死亡似乎是从中国演变而来的，中国被认为是该病毒的起源地。COVID-19的流行性大大超过了2003年和2012年发现的严重急性呼吸综合征冠状病毒（SARS-CoV）和中东呼吸综合征冠状病毒（MERS-CoV）。因此，世界卫生组织（世卫组织）已宣布2019-nCoV疫情不仅是公共卫生紧急事件，而且是大流行性疾病。目前，截至2020年3月15日格林尼治标准时间10：55，包括尼日利亚在内的120多个国家报告了超过157，844例确诊病例和5，846例死亡病例，主要原因是COVID-19疫情。人工智能（AI）被广泛用于帮助疾病的预测、检测、响应、恢复和进行临床诊断。在这项研究中，我们强调了人工智能在非洲国家（如尼日利亚）遏制和缓解COVID-19疫情蔓延方面的力量，在这些国家，人与人之间的接触显然是不可避免的。
2020-04-26 cs.CY q-bio.PE
Assessing the Impact of Social Network Structure on the Diffusion of Coronavirus Disease (COVID-19): A Generalized Spatial SEIRD Model
在本文中，我研究了一个广义的空间SEIRD模型中的流行病扩散，其中个人最初连接在一个社会或地理网络。随着病毒在网络中传播，由于预防措施和/或空间距离政策，人与人之间的互动结构可能会随着时间的推移而发生内在变化。我通过模拟探索动态连接疾病扩散和网络特性的协同进化过程的动态特性。结果表明，为了预测网络种群中的流行病现象如何演变，仅仅关注初始相互作用结构的性质是不够的。事实上，网络结构和隔间份额的共同进化强烈地塑造了流行病扩散的过程，特别是在其速度方面。此外，我表明，空间距离政策的时机和功能可能会显着影响其有效性。
2020-10-21 physics.soc-ph q-bio.PE
Modeling the transmission of new coronavirus in São Paulo State, Brazil -- Assessing epidemiological impacts of isolating young and elder persons
我们开发了一个数学模型来描述新型冠状病毒在巴西圣保罗州的传播。该模型将社区划分为由年轻人和老年人组成的亚群，以考虑到患有严重CoViD-19的老年人的死亡风险较高。根据在圣保罗州收集的数据，我们估计了传播率和额外死亡率，并由此计算出基本生殖数R 0。根据估计的参数，CoViD-19导致的死亡估计值比文献中发现的低三倍。考虑到隔离作为一种控制机制，我们改变了年轻人和老年人的隔离率，以评估其流行病学影响。流行病学情景主要侧重于评估在人群中引入隔离时严重CoViD-19病例和死亡人数。
2020-04-12 q-bio.PE
Mathematical Modeling of the Spread of COVID-19 in Moscow and Russian Regions
为了模拟COVID-19冠状病毒在俄罗斯地区和莫斯科的传播，使用了描述病例数量增加的离散逻辑方程。为了检查数学模型的充分性，将模拟结果与冠状病毒在中国、一些欧洲和亚洲国家以及美国的传播进行了比较。在区间（01.03 - 08.04）内确定了俄罗斯、莫斯科和其他大区域的物流方程的参数。呈列不同国家及地区COVID-19感染人口增长率的比较分析。考虑了COVID-19冠状病毒在莫斯科和俄罗斯地区传播的各种情况。对于每一种情况，获得了每日新病例的曲线和病例总数增加的图表，并研究了每日感染传播的动态。确定了高峰时间、流行期、高峰感染人数及其增长情况。
2020-04-21 physics.soc-ph q-bio.PE
Topological data analysis model for the spread of the coronavirus
我们将拓扑数据分析，特别是Mapper算法应用于美国COVID-19数据。由此产生的映射图提供了比其他更标准的方法提供的更完整的流行病可视化。它们对由地理信息、时间进程和COVID-19病例数量创建的数据云的各种几何特征进行编码。它们反映了美国各地疫情的发展情况，并反映了增长率以及热点地区的突出性。Mapper图表允许跨时间和空间进行轻松比较，并有可能成为冠状病毒传播的有用预测工具。
2020-08-13 physics.soc-ph q-bio.PE
Modeling COVID-19 pandemic with financial markets models: The case of Jaén (Spain)
这项工作的主要目的是测试金融市场通常使用的一些随机模型是否可以应用于COVID-19疫情。为此，我们实施了ARIMAX和Cox-Ingersoll-Ross（CIR）模型，这些模型最初是为利率定价而设计的，但我们将其转化为预测工具。对于后者，我们表示为CIR*，使用Euler-Maruyama方法和Milstein方法。用最大似然法得到的预测已用95%的置信区间和拟合优度的统计措施，如均方根误差（RMSE）加以验证。我们证明，所获得的结果的准确性是一致的观察和足够准确的点，建议的CIR* 框架可以被认为是一个有效的替代经典的ARIMAX模型流行病。
2023-01-20 q-bio.PE q-fin.MF
Quantitative assessment of the role of undocumented infection in the 2019 novel coronavirus (COVID-19) pandemic
控制COVID-19传播的一个紧迫问题是了解无记录感染的作用。我们开发了一个COVID-19的五态模型，考虑到新型冠状病毒的独特特征，关键参数由政府报告和数学优化确定。使用中国、韩国、意大利和伊朗的数据进行的测试表明，该模型能够准确预测每日累计确诊病例数，完全适合实时预测。不同国家之间的检测和诊断标准/政策差异很大，导致估计的参数值（如疫情持续时间）存在很大差异，但这种不确定性对模型预测的拐点发生时间几乎没有影响，表明其可靠性和鲁棒性。对意大利的模型预测表明，政府行动不足导致很大一部分无证感染在该国异常高的死亡率中起着重要作用。根据目前英国的数据，我们的模型预测，如果政府不实施严格的旅行和社交距离限制，该国将出现灾难性的流行病情况。一个关键的发现是，如果无证感染的百分比超过一个阈值，即使在疫情被认为已经结束之后，也可能存在不可忽略的隐藏人口，这意味着如果目前实施的严格政府行动放松，未来爆发疫情的可能性很大。这可能使COVID-19演变成一种长期流行病或社区疾病成为一种真正的可能性，这表明有必要进行普遍的检测和监测，以识别隐藏的个人。
2020-03-26 q-bio.PE
A fractional-order model for CoViD-19 dynamics with reinfection and the importance of quarantine
2019年冠状病毒病（CoViD-19）是由严重急性呼吸道综合征冠状病毒2（SARS-CoV-2）引起的传染病。在许多症状中，咳嗽，发烧和疲倦是最常见的。60岁以上的人和相关的合并症最有可能发展为健康状况恶化。本文提出了一个非整数阶模型来描述CoViD-19在标准人群中的动态。该模型结合了从疾病中恢复的个体的再感染率。对分数阶导数和再感染率的不同阶数进行了数值模拟。从生物学的角度对结果进行了讨论。
2021-07-19 math.DS q-bio.PE
Metapopulation network models for understanding, predicting and managing the coronavirus disease COVID-19
SARS-CoV-2传播的数学模型用于指导设计缓解措施，旨在遏制和减缓传染，并确定即将发生的卫生保健系统激增能力的破坏。人口的地理异质性加剧了关于每日新感染病例的信息不足的挑战。为了解决这个问题，我们建议考虑到农村和城市环境之间的差异，使用基于网络的分布式模型，其中大流行的传播是在不同的本地队列嵌套SEIR模型。模型参数的设置考虑到SARS-CoV-2传播主要通过人与人之间的接触发生，城市和农村地区之间的个人接触频率不同，并可能随着时间的推移而变化。此外，病毒传播到未受感染社区的可能性与来自其他感染社区的个人流入有关。为了说明这些重要的方面，网络中的每个节点都以其成员之间的联系频率以及与其他节点的连通性为特征。人口普查和手机数据可用于建立网络的邻接矩阵，而邻接矩阵又可加以修改，以说明不同程度的缓解措施。为了使我们提出的网络SEIR模型易于定制，它是制定在易于解释的参数，可以从现有的社区级数据估计。模型参数是使用俄亥俄州和密歇根州的COVID-19数据通过贝叶斯技术估计的。网络模型还产生了一个地理分布的计算模型，解释了传染的地理动态，例如，在被郊区和农村包围的大城市里。
2020-06-16 q-bio.PE q-bio.QM
The Effects of Stringent Interventions for Coronavirus Pandemic
COVID-19疫情在全球范围内造成严重的公共卫生后果。COVID-19的许多干预措施已经实施。评估COVID-19大流行的干预措施的效果具有重大的公共卫生和社会重要性。本文采用综合控制方法、回归不连续性和SIHR模型，对温州市为控制疫情而实施的严格干预措施的横向和纵向效果进行了评估。我们发现，这些严格的干预措施具有统计学显著的治疗效果，减少了COVID-19的累计确诊病例。这些减少效应将随着时间的推移而增加。此外，如果严格的干预措施推迟2天或实施温和的干预措施，预计累计确诊病例数将接近实际数的2倍或5倍。严格的干预措施对缓解COVID-19疫情的效果显著。干预措施实施得越慢，流行病就会越严重，干预措施就会越有力。
2020-05-31 physics.soc-ph q-bio.PE stat.AP
Information Mining for COVID-19 Research From a Large Volume of Scientific Literature
由于新型冠状病毒在180个国家爆发，二零二零年出现了前所未有的COVID-19大流行。为了发现新的药物和疫苗，许多科学家正在夜以继日地工作。他们的宝贵时间和精力可能会受益于基于计算机的大量健康科学文献的挖掘，这是一个信息宝库。在本文中，我们使用10，683篇科学文章的摘要开发了一个基于图形的模型，以查找三个主题的关键信息：与冠状病毒相关的传播，药物类型和基因组研究。为三个主题中的每一个构建子图，以提取更多的主题信息。在每个子图中，我们使用介数中心性度量来排列与药物，疾病，病原体，病原体宿主和生物分子相关的关键词的重要性。结果揭示了关于抗病毒药物（氯喹，金刚烷胺，地塞米松），病原体宿主（猪，蝙蝠，猕猴，食蟹猴），病毒病原体（寨卡，登革热，疟疾和冠状病毒科病毒家族中的几种病毒）以及与冠状病毒核心主题相关的蛋白质和治疗机制（寡核苷酸，干扰素，糖蛋白）的有趣信息。这些关键词和主题的分类摘要可能是一个有用的参考，以加快和建议新的和替代的COVID-19研究方向。
2020-04-05 cs.DL cs.IR q-bio.PE
Prediction and analysis of Coronavirus Disease 2019
2019年12月，中国武汉一家海鲜批发市场发现新型冠状病毒。世卫组织正式将这种冠状病毒命名为COVID-19。自2019年12月12日首例患者住院以来，截至2020年2月28日，中国共报告了78，824例确诊CONID-19病例和2，788例死亡。武汉累计确诊病例和死亡病例分别占中国内地的61.1%和76.5%，是疫情防控的优先中心。与此同时，截至2020年2月28日，中国以外的51个国家和地区已报告确诊病例4,879例，死亡79例。COVID-19疫情对人们的日常生活和国家的经济发展造成了极大的危害。本文采用了三种数学模型，Logistic模型、Bertalanffy模型和Gompertz模型。为了验证现有数学模型的有效性，首次对SARS的流行趋势进行了拟合分析。然后将结果用于拟合和分析COVID-19的情况。三种不同的数学模型对不同参数、不同区域的预测结果不同。总体而言，Logistic模型的拟合效果可能是本文研究的三种模型中最好的，而Gompertz模型的拟合效果可能优于Bertalanffy模型。从目前趋势来看，基于三个模型，预计武汉地区总感染人数为49852-57447人，非湖北地区为12972-13405人，全国为80261-85140人。武汉地区死亡2502-5108人，非湖北地区死亡107-125人，全国死亡3150-6286人。2019冠状病毒病将分别于武汉及其他…
2020-03-16 q-bio.PE
Decoding the double trouble: A mathematical modelling of co-infection dynamics of SARS-CoV-2 and influenza-like illness
自12月下旬在中国湖北省武汉市发现由严重急性呼吸道综合征冠状病毒2型（SARS-CoV-2）引起的2019冠状病毒病（Covid-19）后，Covid-19病例在全球范围内呈螺旋式上升。由于Covid-19与其他流感样综合征的临床相似性，对患者进行流感样疾病的其他病原体检测。有报告称，新冠肺炎患者中存在合并感染病例。细菌例如肺炎链球菌、金黄色葡萄球菌、肺炎克雷伯氏菌、肺炎支原体、肺炎衣原体、嗜肺军团菌等和病毒例如流感病毒、冠状病毒、鼻病毒/肠道病毒、副流感病毒、偏肺病毒、乙型流感病毒等被鉴定为共同病原体。在我们目前的努力中，我们开发并分析了一个基于隔室的常微分方程（ODE）类型的数学模型，以了解Covid-19和其他流感类型疾病的合并感染动态。在这项工作中，我们纳入了饱和治疗率，以考虑有限的治疗资源对控制可能的新型冠状病毒病例的影响。作为结果，我们制定的基本再生数的模型系统。最后，我们进行了数值模拟的共同感染模型，检查在不同区域的参数空间的解决方案。
2022-10-11 physics.bio-ph q-bio.PE
Mathematical assessment of the impact of non-pharmaceutical interventions on curtailing the 2019 novel Coronavirus
2019年12月出现了一场新型冠状病毒大流行，对世界各地的公共卫生造成了毁灭性的影响。在缺乏安全有效的疫苗或抗病毒药物的情况下，减轻大流行病负担的战略侧重于非药物干预措施，如社交距离、接触者追踪、检疫、隔离和在公共场所使用口罩。我们开发了一个新的数学模型，用于评估人口水平的影响，这些缓解策略。该模型使用纽约州和整个美国的COVID-19传播相关数据进行模拟，显示疫情将分别在4月中旬和下旬达到高峰。如果实施的严格社交距离措施持续到2020年5月底或6月底，纽约州和整个美国的累计死亡率（基于研究中考虑的抗COVID非药物干预措施的基线水平）的最坏情况预测将分别大幅下降80%和64%。这项研究表明，提前终止严格的社交距离可能会引发毁灭性的第二波负担，类似于严格的社交距离开始之前的预测。如果纽约州至少有70%的居民持续使用有效的口罩（有效性大于70%），则使用有效的口罩（有效性大于70%）可能导致消除大流行（在全国范围内，使用此类口罩的合规率至少为80%）。使用低效能口罩，例如布口罩（效能低于30%），亦可大幅减少COVID-19的负担（尽管未能完全消除）。将低效口罩与提高其他抗COVID-19干预措施水平相结合，可以消除大流行。如果口罩的使用与严格的社交距离相结合，消除COVID-19所需的口罩覆盖率就会下降。
2020-04-24 q-bio.PE
Estimation of time-varying reproduction numbers underlying epidemiological processes: a new statistical tool for the COVID-19 pandemic
新型冠状病毒大流行已迅速演变成一场前所未有的危机。无传染性移除（SIR）模型及其变体已被用于对大流行进行建模。然而，在经典模型中的时间无关的参数可能无法捕捉到动态的传播和清除过程，由病毒遏制策略采取的流行病的各个阶段。此外，很少有模型能够解释报告案例中可能存在的不准确之处。我们提出了一个泊松模型与时间相关的传输和清除率，以考虑可能的随机错误报告和估计时间相关的疾病繁殖数，这可能是用来评估病毒控制策略的有效性。我们应用我们的方法研究了几个受影响严重的国家的大流行，并分析和预测了冠状病毒的传播。我们已经开发了一个互动的网络应用程序，以方便读者使用我们的方法。
2020-07-14 q-bio.PE stat.CO stat.ME
Analysis of the COVID-19 pandemic by SIR model and machine learning technics for forecasting
本研究尝试提出SIR模型与机器学习工具来分析现实世界中的冠状病毒大流行。基于\cite{datahub}的公开数据，我们估计了主要的关键流行参数，并对现实世界（特别是塞内加尔）的拐点和可能的结束时间进行了预测。2019年，世界卫生组织的冠状病毒病在整个中国迅速蔓延，然后蔓延到整个世界。乐观估计，部分国家的疫情将很快结束，而世界上大部分国家（美国、意大利等），抗疫的冲击不会迟于四月底。
2020-04-03 math.OC q-bio.PE stat.ML
Time Varying Markov Process with Partially Observed Aggregate Data; An Application to Coronavirus
分析冠状病毒传播的一个主要困难是，许多感染者没有表现出COVID-19的症状。这意味着缺乏关于感染者总数以及康复者和免疫接种者总数的信息。在本文中，我们考虑冠状病毒传播的参数时变马尔可夫过程，并展示了如何估计模型参数和近似未观察到的计数从感染和检测到的个人的每日数量和每日总死亡计数。这种基于模型的方法是说明在法国数据的应用程序。
2020-05-09 q-bio.PE stat.AP stat.ME
Invariant in variants
新型冠状病毒Covid-19在大流行中迅速变异，让人们难以验证和提高基于生物化学的疫苗的有效性。在这种病原体的变种中，是否有任何物理不变因素可以用来缓解紧张局势？为此，进行了基于连续性力学的大量数值实验，以发现冠状病毒Covid-19的振动模式和固有频率范围。这种不变量可以帮助我们开发一些灵活的技术来灭活冠状病毒，比如通过超声波共振破坏病毒尖峰。通过求解声学和动力学的耦合方程，阐明了控制这一过程的基本机制，并提出了有效实现这一概念的技术策略。
2021-11-25 physics.bio-ph q-bio.PE
Modelling a novel Coronavirus (COVID-19): A stochastic SEIR-HCD approach, with real-time parameter estimation & forecasting for Scotland
面对2020年的SARS-CoV 2疫情，公共卫生官员一直在寻找模型，不仅可以用来预测新病例的数量，还可以预测住院、重症监护和死亡的水平。在本文中，我们提出了一个随机房室模型，能够实时监测和预测的大流行病纳入多个流的真实世界的数据，报告的病例，测试强度，死亡，住院和重症监护占用。通过贝叶斯粒子滤波技术估计模型参数。该模型成功追踪了苏格兰COVID-19爆发的两波（2020年3月至6月和9月至11月）期间的关键变量（报告病例、重症监护和死亡）。2020年夏季的模型住院预测始终低于记录的数据，但与苏格兰健康保护局9月15日对报告标准的变更一致。大多数参数估计值在两波中是恒定的，但感染率和生殖数量在第一波的后期阶段下降，并从2020年7月开始再次增加。死亡率最初很高，但在2020年夏季下降，然后在11月再次上升。该模型还可用于提供短期预测。我们发现，2020年3月至6月期间的2周可预测性非常好，即使在大流行的早期阶段。该模型在2020年9月的病例数增加方面有所放缓，但在疫情后期预测再次改善。
2020-12-22 q-bio.PE stat.AP
Policy-Aware Mobility Model Explains the Growth of COVID-19 in Cities
随着冠状病毒的持续传播，预测不同城市独特的COVID-19增长曲线的任务对于医疗供应和治疗至关重要，标准流行病学模型仍然无法充分解释这些曲线。预测必须考虑减缓冠状病毒传播的非药物干预措施，包括居家令、社交距离、隔离和强制戴口罩，从而减少城市内的流动性和病毒传播。此外，最近将冠状病毒与人类流动性和详细的移动数据联系起来的工作表明，在疾病预测中需要考虑城市流动性。在这里，我们表明，通过将城市内流动性和政策采纳纳入一个新的集合人口SEIR模型，我们可以准确地预测美国城市复杂的COVID-19增长模式（$R^2$ = 0.990）。由于政策干预而导致的估计流动性变化与Apple Mobility Trends Reports（Pearson R = 0.872）的经验观察一致，表明在数据有限的情况下，基于模型的预测具有实用性。我们的模型还再现了城市的“超级传播”，其中几个社区占大多数继发性感染的城市空间，所产生的不均匀的邻里人口和城市内的热门社区的动荡加剧。因此，我们的模型可以促进位置感知的流动性减少政策，以类似的社会成本更有效地减少疾病的传播。最后，我们证明了我们的模型可以作为一个细粒度的分析和模拟框架，通知合理的非药物干预政策的设计。
2021-02-21 cs.CY q-bio.PE
Decoding SARS-CoV-2 transmission, evolution and ramification on COVID-19 diagnosis, vaccine, and medicine
针对由严重急性呼吸综合征冠状病毒2型（SARS-CoV-2）引起的2019冠状病毒病（COVID-19）的诊断测试、预防疫苗和治疗药物的开发已经付出了巨大的努力。这一发展大部分基于2020年1月5日收集的参考基因组。基于截至2020年4月24日收集的6156个基因组样本的基因分型，我们报告了SARS-CoV-2有4459个惊人的突变，可以聚类为五种亚型。我们引入突变率和突变$h$ -指数来表征蛋白质的保守性，发现SARS-CoV-2的包膜蛋白、主要蛋白酶和核糖核酸内切酶蛋白相对保守，而核衣壳蛋白、刺突蛋白和木瓜蛋白酶样蛋白酶相对不保守。特别是，在过去的几个月里，核衣壳蛋白有一半以上的基因发生了变化，这对COVID-19诊断、疫苗和药物的持续发展产生了毁灭性的影响。
2020-04-29 q-bio.GN q-bio.PE
A physicist view of COVID-19 airborne infection through convective airflow in indoor spaces
来自人类的自然产生的液滴（例如通过呼吸、说话、打喷嚏和咳嗽产生的液滴）包括几种类型的细胞（例如，上皮细胞和免疫系统的细胞）、粘液和唾液中含有的生理电解质（例如Na+、K+、Cl-）以及潜在的几种感染因子（例如细菌、真菌和病毒）。为了应对新型冠状病毒SARS-CoV-2的流行，这已成为一个重大的公共卫生问题，全球范围内，我们提供了一个简明的概述空气传播的细菌从物理学的角度来看。我们研究了冠状病毒气溶胶是否可以远离邻近地区，并在有限空间内形成对流的情况下通过空气传播。我们还提供了一个建议，可以帮助减缓病毒的传播。
2020-08-24 physics.pop-ph q-bio.PE
Predicting the cumulative number of cases for the COVID-19 epidemic in China from early data
我们对中国的COVID-19冠状病毒疫情进行建模。我们使用早期报告的病例数据来预测报告病例的累积数量，以达到最终规模。我们模型的关键特征是限制社会流动的重大公共政策的实施时机、未报告病例的识别和隔离以及无症状感染病例的影响。
2020-02-27 math.DS q-bio.PE
Optimal COVID-19 infection spread under low temperature, dry air, and low UV radiation
由新型冠状病毒SARS-CoV-2引起的COVID-19大流行目前正在全球迅速蔓延，造成多人死亡和严重的经济损失。人们认为，炎热和潮湿的条件不利于新型冠状病毒，但由于与COVID-19数据相关的许多不确定性，这一点仍在争论中。在这里，我们提出了替代数据测试，以检查这种病毒在不同的气候条件下传播的偏好。我们发现，当温度为$\sim$ 10 $^\circ$ C，比湿度为$\sim$ 5 g/kg，紫外线（UV）辐射为$\sim$ 80 kJ/m $^2$时，该疾病显著（高于95%置信水平）更常见。相对湿度的显著性低于95%置信水平，未显示首选值。这些结果得到了全球和区域数据的支持，时间跨度为2020年1月至7月。COVID-19数据包括每日报告的新增病例和每日死亡病例;对于两者，人口规模要么被考虑，要么被忽略。
2020-10-06 physics.med-ph physics.soc-ph q-bio.PE
$α$-Satellite: An AI-driven System and Benchmark Datasets for Hierarchical Community-level Risk Assessment to Help Combat COVID-19
新型冠状病毒及其致命疫情给人类社会带来了巨大挑战：截至2020年3月26日，美国已有85,377例确诊病例，1,293例报告死亡;世界卫生组织（WHO）将冠状病毒疾病（COVID-19）--已在至少171个国家感染了超过531，000人，造成超过24，000人死亡--这是一场全球大流行病。越来越多的地区报告出现地方性的次国家社区传播，这将意味着抗击新型冠状病毒的斗争出现重大恶化，这表明迫切需要扩大监测，以便我们能够更好地了解COVID-19的传播情况，从而更好地采取可行的社区缓解策略。通过提高人工智能（AI）的能力，并利用从异构源（例如，在这项工作中，我们提出并开发了一个人工智能驱动的系统（名为$α$ -Satellite），作为初步产品，以提供分层的社区级风险评估，以协助制定应对快速发展的COVID-19大流行的战略。更具体地，给定特定位置（用户输入或自动定位），所开发的系统将以分层方式自动提供与其相关联的风险指数（例如，州、县、市、具体地点），使个人能够选择适当的保护行动，同时尽可能减少对日常生活的干扰。已开发的系统和生成的基准数据集已通过我们的网站向公众开放。系统说明和免责声明也可在我们的网站上找到。
2020-03-27 cs.CY cs.SI q-bio.PE
