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
SEIRS epidemiology model for the COVID-19 pandemy in the extreme case of no acquired immunity
我们认为SEIRS分区流行病学模型适用于在没有获得性免疫的极端限制情况下预测COVID-19流行病的演变。找到了无病不动点和地方病不动点，并分析了它们的稳定性。给出了基本再生比的表达式，并讨论了基本再生比对模型参数的依赖关系。阈值接触率的发现，这决定了一个稳定的无病不动点存在的可能性。pandemy进化的数值解也进行了与疾病传播的早期阶段，以及为它的衰减后，采取快速措施的近似解析解。我们分析了引入和放宽检疫措施的几种可能情况。在固定的识别率和隔离率下，周期性的“隔离开”和“隔离关”策略不能减少第二波和连续波的下降，而如果还包括识别率和隔离率的灵活增加，则这一目标是可能实现的。
2020-12-12 q-bio.PE
Mathematical Modeling and Investigation on the Role of Demography and Contact Patterns in Social Distancing Measures Effectiveness in COVID-19 Dissemination
在这篇文章中，我们调查了人口统计和接触模式在确定COVID-19传播和社交距离政策有效性方面的重要性。我们研究了这些问题，提出了一个具有年龄结构模型的增强流行病学模型，将人群分为易感者（S）、暴露者（E）、感染者和无症状者（A）、住院者（H）、感染者和有症状者（I）和康复者（R），以模拟COVID-19传播。模拟使用四种隔离政策（工作限制、老年人隔离、社区隔离和学校关闭）的六种组合，以及根据不同的人口过渡阶段模式（老龄发达国家、发达国家、发展中国家和最不发达国家）生成的四个代表性虚拟国家。我们得出的结论是，基本繁殖数取决于年龄分布和接触模式。由于个人接触率低，老龄发达国家的基本生殖数（$R0=1.74$）最低，其次是最不发达国家（$R0=2.00$）、发展中国家（$R0=2.43$）和发达国家（$R0=2.64$）。由于这些基本再生产数字的差异，同样的干预政策在老龄国家和最不发达国家的效率更高。在所有干预政策中，减少工作接触和社区距离是导致$R0$值、患病率、最大住院需求和死亡率下降最多的政策。老年人的隔离在发达国家和老龄发达国家更为有效。关闭学校是效果较差的干预政策，尽管其影响在最不发达国家和发展中国家不可忽视。
2022-05-10 q-bio.PE
The role of regular asymptomatic testing in reducing the impact of a COVID-19 wave
检测SARS-CoV-2感染是减少COVID-19向前传播的重要干预措施，特别是与隔离和追踪阳性病例的接触者相结合时。许多有能力这样做的国家利用实验室加工的聚合酶链反应检测，针对有症状的个人和确诊病例的接触者。或者，侧向流测试（LFT）能够快速提供结果，无需实验室处理，并且成本相对较低。它们的采用可以支持定期的大规模无症状检测，从而能够更早地发现感染并隔离感染性个体。在本文中，我们扩展并应用了基于代理的流行病建模框架Covasim，以探索在新出现的COVID-19浪潮中定期进行无症状检测对感染峰值和总人数的影响。我们探索在高免疫水平人群中以不同频率水平进行LFT检测，并采用背景症状PCR检测、病例隔离和接触者追踪进行检测。将定期无症状检测的有效性与"封锁"干预措施进行了比较，"封锁"干预措施旨在通过强制在家工作和限制聚会等措施减少整个人口的非家庭接触人数。由于定期的无症状检测只要求那些结果呈阳性的人减少接触，而封锁措施要求全体人口减少接触，因此任何寻求在感染危害与其他危害之间进行权衡的政策决定都不会自动偏袒一方。我们的研究结果表明，在进行这种权衡的情况下，在早期指数增长的中等速度下，定期进行无症状检测有可能实现显著的感染控制，而不会产生与额外封锁措施相关的更广泛危害。
2022-07-18 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
Should public health policy exempt cases with low viral load from isolation during an epidemic?: a modelling study
本研究开发了多尺度智能体模型评估低病毒载量病例豁免隔离政策，发现高峰后豁免低病毒载量病例会轻微增加感染并降低隔离效率，建议对自适应隔离政策保持谨慎。
2025-01-31 q-bio.PE
The spread of COVID-19 at Hot-Temperature Places With Different Curfew Situations Using Copula Models
2019冠状病毒病（COVID-19）已成为严重的全球大流行病。不同的研究表明，温度升高在病毒传播中起着至关重要的作用。这些研究大多限于冬季或中等温度水平，并使用常规模型进行。然而，传统的模型过于简单，研究复杂的，非线性的关系，并受到一些限制。因此，我们采用Copula模型来研究高温对病毒传播的影响。copula模型的结果显示，温度对感染人数的影响很弱，但在封锁政策下，这种影响几乎消失。因此，这项研究为COVID-19和温度之间的关系提供了新的见解，无论是否有社会隔离实践。这样的结果可以提高我们对这种新病毒的理解。特别是，与现有的传统模型不同，本文研究的copula模型得出的结果提供了证据，表明高温对活跃的COVID-19疫情没有实质性影响。此外，研究结果表明，COVID-19的传播受到社会隔离做法的强烈影响。据作者所知，这是第一个应用于COVID-19大流行的copula模型研究。
2021-02-20 q-bio.PE stat.AP
Modelling transmission and control of the COVID-19 pandemic in Australia
有关旨在控制COVID-19传播的各种缓解和抑制策略的相对效益，一直存在争议。在这里，我们报告了基于代理的建模的结果，该结果使用了对澳大利亚正在进行的COVID-19大流行的细粒度计算模拟。该模型经过校准以匹配COVID-19传播的关键特征。一个重要的校准结果是有症状病例的年龄依赖性分数，发现儿童的这一分数是成人这一分数的五分之一。我们应用该模型比较了几种干预策略，包括限制国际航空旅行、病例隔离、家庭隔离、不同合规程度的社交距离以及关闭学校。人们发现，关闭学校不会带来决定性的好处，除非同时遵守高水平的社交距离规定。我们报告了几个权衡，以及社交距离合规水平的重要转变，在70%至80%的水平之间，合规水平在90%时，发现在13- 14周内控制疾病，再加上有效的病例隔离和国际旅行限制。
2020-11-11 cs.MA q-bio.PE q-bio.QM
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
Analyzing the World-Wide Impact of Public Health Interventions on the Transmission Dynamics of COVID-19
我们分析了COVID-19的繁殖数R在公共卫生干预措施下的变化。我们的研究结果表明，中国采取的公共卫生措施将R从1月的1.5降至2020年3月中旬的0.4。然而，他们也提出了隔离、检疫和大规模限制旅行的局限性。虽然随着中国实施广泛的公共卫生措施，全球范围内的生殖数短暂降至1以下，但病毒传入其他国家迅速导致全球平均R值上升。在意大利，继中国之后受影响最严重的国家，社交距离措施使当地的R值从3.71降至2.51。尽管如此，意大利的R值仍保持在远高于1的水平，允许持续传播。截至2020年3月中旬，由于COVID-19在没有广泛公共卫生干预措施的地区蔓延，全球范围内的R值上升至与1月下旬相似的水平。
2020-04-03 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
Detecting infected asymptomatic cases in a stochastic model for spread of Covid-19. The case of Argentina
我们研究了新冠肺炎疫情在阿根廷的动态演变。该国人口密度的显著差异和非常广阔的地理区域本身就成为一项挑战。在阿根廷的案例中，标准的房室模型失败了。我们扩展了以前的成功模型，以两种基本方式描述2009年甲型H1N1流感疫情的地理传播：我们增加了一个随机的本地流动机制，我们引入了一个新的隔间，以考虑到感染无症状检测到的人的隔离。有两个基本参数驱动着这种动态：从感染到隔离感染者之间的时间（$α$）和隔离感染者与总感染者的比率（$p$）。演化对$p-$参数更敏感。该模型不仅再现了真实数据，而且在第一波消失之前预测了第二波。这种影响是具有不同人口密度和相互联系的广大国家所固有的。这里提出的模型成为一个很好的预测公共政策的影响，例如，不可避免的疫苗接种运动开始在世界上目前。
2020-12-30 physics.soc-ph q-bio.PE
Neural Network aided quarantine control model estimation of COVID spread in Wuhan, China
从2020年1月24日起，中国在武汉这个拥有1000多万人口的城市实施了检疫和隔离限制，这是公共卫生史上前所未有的举措。这就提出了一个问题：大规模检疫和隔离除了作为医疗工具的科学用途外，作为一种社会工具是否有效？为了解决这一问题，我们使用流行病学模型驱动的方法，通过机器学习增强，证明了在武汉实施的检疫和隔离措施在中国武汉实施检疫控制措施后的一个月内将COVID-19传播的有效繁殖数R（t）从R（t）> 1降至R（t）<1。这最终导致了武汉感染病例数的停滞阶段。我们的研究结果表明，在武汉实施的严格的公共卫生政策可能在阻止感染传播方面发挥了至关重要的作用，这些措施可能应该在其他受影响严重的国家实施，如韩国，意大利和伊朗，以遏制疾病的传播。最后，我们的预测结果预测，到2020年3月底，武汉实施的检疫控制措施将出现停滞;这将导致有效繁殖数随后在R（t）<1时出现停滞。我们警告，武汉立即放松隔离措施可能导致感染传播复发，随后有效繁殖数增加至R（t）>1。因此，在经过足够的时间后放松检疫措施可能是明智的，在此期间，最大限度地恢复了被隔离/隔离的个体。
2020-03-18 physics.bio-ph q-bio.PE
Optimal quarantine strategies for the COVID-19 pandemic in a population with a discrete age structure
这项工作的目标是研究巴西COVID-19疫情的最佳控制措施。研究了一类具有隔离区的年龄结构SEIRQ模型，其中控制变量为隔离区入口参数。然后，我们比较了最佳控制不同的检疫长度和分布的总控制成本，通过评估各自的减少死亡相比，同期没有检疫。最好的策略是提供一个日历，说明何时放松每个年龄组的隔离措施。最后，我们分析了隔离开始的延迟如何通过改变初始条件来影响该日历。
2020-05-19 physics.soc-ph q-bio.PE
Effectiveness of Testing, Tracing, Social Distancing and Hygiene in Tackling Covid-19 in India: A System Dynamics Model
我们提出了一个新冠肺炎在印度传播的系统动力学（SD）模型。详细的基于年龄结构的分区模型内生地捕获了各种疾病传播途径，从标准SEIR模型显著扩展。该模型是为印度定制的，使用了适当的人口金字塔、接触率矩阵、外部到达人数（根据实际数据）以及其他一些基于印度报告的新冠肺炎病例的校准分数。此外，我们使用独立的时变杠杆，明确建模了检测、接触者追踪、隔离Covid阳性患者、隔离、使用口罩/更好的卫生习惯、通过减少家庭（H）、工作（W）、学校（S）和其他（O）地点不同区域的接触率来保持社交距离的影响。模拟结果显示，即使在延长封锁期后，仍会留下一些数量不小的感染者（甚至是无症状感染者），大流行将重新出现。唯一能有效对抗这场大流行病的工具是对那些表现出新冠肺炎类似症状的人进行高比率的检测，如果他们呈阳性，就将他们隔离，并追踪所有与阳性患者接触的人，并将他们隔离，同时使用口罩和个人卫生。接触者追踪、隔离、预防和个人卫生措施的有效性的广泛结合有助于最大限度地减少大流行的影响，一项措施的实施中的一些缺陷可以通过更好地实施其他措施来弥补。
2020-04-19 q-bio.PE
Effects of social distancing and isolation on epidemic spreading: a dynamical density functional theory model
为防止冠状病毒病COVID-19等流行病传播，保持社交距离及隔离受感染人士至关重要。然而，现有的反应扩散方程的流行病传播是无法描述这些影响。我们提出了一个扩展的疾病传播模型相结合的SIR模型与动态密度泛函理论，明确考虑到社会距离和隔离的感染者。该模型显示了有趣的非平衡相分离与减少感染的数量，并允许新的见解控制流行病。
2020-05-08 physics.bio-ph physics.soc-ph q-bio.PE
Optimal screening strategies in the control of an infectious disease: a case of the COVID-19 in a population with age structure
本研究针对COVID-19防控，基于年龄结构模型，运用Pontryagin最大值原理求解兼顾感染人数与经济成本最小化的最优检疫控制策略，给出隔离放宽日程并分析延迟启动检疫的影响。
2024-11-01 math.DS math.OC 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
COVID-19 spreading under containment actions
我们提出了一个流行病学模型，其中包括个人的流动模式，本着（Barmak，2011，2016）和（Medus，2011）中考虑的精神。我们假设人们在一个120x120街区的城市中移动，每个街区有300名居民。移动模式与复杂网络相关联，其中节点表示块，而链路表示个人的行进路径。我们实施了三种限制策略以减轻疾病传播：1）全局限制，2）对移动性的部分限制，以及3）局部限制。在第一种情况下，人们观察到全球隔离政策可以防止该疾病的大规模爆发。在第二种情况下，如果不辅之以使用口罩和保持社交距离等卫生措施，对流动性的部分限制可能导致大规模传染。最后，提出了一种局部隔离策略，以每个块的健康状态为条件。据观察，这一缓解战略能够根据城市的特定地区的传染程度进行干预，从而遏制甚至减少疾病的爆发。人们还注意到，在一定比例的感染者没有症状的情况下，这一战略能够控制这一流行病。
2021-02-03 physics.soc-ph q-bio.PE
Modeling COVID-19 Transmission using IDSIM, an Epidemiological-Modelling Desktop App with Multi-Level Immunization Capabilities
2019冠状病毒病大流行对加拿大安大略省的当地公共卫生单位提出了前所未有的要求，其中之一是需要内部流行病学建模能力。为了满足这一需求，安大略理工大学和达勒姆地区卫生局开发了一个本地Windows桌面应用程序，用于对传染病进行流行病学建模。该应用程序是一个多层次分区流行病学模型的实现，可以适应多种病毒变体和疫苗接种水平，以及公共卫生措施，如物理距离，隔离后的接触者追踪，以及隔离后的检测。本文介绍了使用开发的应用程序获得的流行病学模型和流行病学模拟结果。模拟研究了不同因素对达勒姆地区COVID-19传播的影响，包括疫苗接种覆盖率，疫苗有效性，疫苗诱导免疫力减弱，Omicron变体的出现以及COVID-19加强疫苗在减少感染和严重病例数量方面的效果。结果表明，对于Delta变体，除了疫苗诱导的免疫力之外，天然免疫力对于实现群体免疫力是必要的，并且疫苗诱导的免疫力的减弱延长了达到群体免疫力所需的时间。在没有额外公共卫生措施的情况下，预计Omicron变异体引发的疫情将对公共卫生构成重大挑战，预计感染将在大约两到三个月内达到高峰，具体取决于加强剂量的施用率。
2022-03-05 q-bio.PE
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
Future of COVID-19 in Italy: A mathematical perspective
我们提出了一个SEIR分室数学模型。这项研究的主要目的是分析和预测意大利未来几个月的大流行。计算了基本再生数。根据意大利目前的情况，本文将估计该国大流行结束的可能时间。本报告亦讨论了封锁和快速隔离对疫情传播的影响。此外，我们还研究了意大利受大流行影响最严重的四个地区。使用所提出的模型，预测已在这些地区的大流行的持续时间。还研究了模型敏感参数对应的基本再生数的变化。
2020-04-18 math.DS q-bio.PE
Social Interaction Layers in Complex Networks for the Dynamical Epidemic Modeling of COVID-19 in Brazil
由于SARS-CoV-2病毒引起的大流行，我们目前生活在一种不确定的状态中。传染病传播涉及若干因素，如每个城市/国家的个别特点。流行病动力学的真实形态是一个庞大的复杂系统，就像大多数社会系统一样。在这种情况下，复杂网络是分析这些系统的一个很好的候选者，因为它们能够处理结构和动力学特性。因此，这项研究提出了一种使用多层复杂网络来模拟COVID-19流行病的新方法，其中节点代表人，边是社会联系人，层代表不同的社会活动。该模型改进了传统的SIR模型，并通过分析未来可能的行动及其后果来研究巴西的疫情。该网络使用感染、死亡和住院时间的统计数据来表征。为了模拟隔离，社交距离或预防措施，我们删除层和/或减少社交接触的强度。结果表明，即使采取各种乐观的假设，巴西目前的隔离水平仍然可能导致医疗保健系统的危急情况和相当大的死亡人数（平均为149，000人）。如果所有活动恢复正常，疫情增长可能会急剧增加，对ICU床位的需求可能会超过该国容量的3倍。这肯定会导致灾难性的情况，因为即使考虑到所有病例都得到有效治疗，我们的估计也达到平均212 000人死亡。增加隔离（直至封锁）是将情况保持在医疗保健系统能力范围内的最佳选择，除了确保新病例发生率更快地下降（月差异）和显著减少死亡人数（平均87，000人）。
2020-05-20 cs.SI physics.soc-ph q-bio.PE
A dynamic modeling tool for estimating healthcare demand from the COVID19 epidemic and evaluating population-wide interventions
目标.公共卫生官员需要工具来帮助预测应对SARS-COV-2大流行所需的医疗资源。我们建立了一个建模工具，以帮助执业公共卫生官员估计其管辖范围内大流行的医疗保健需求，并评估全民社交距离干预措施的潜在影响。方法.该工具使用SEIR分区模型来预测大流行病在当地的传播。用户输入病例数、医疗资源，并选择要评估的干预策略。产出包括有干预和无干预的感染和死亡人数，以及相对于现有能力对医院和重症监护病床和呼吸机的需求。我们使用智利三个地区的数据来说明该工具。结果我们的设想表明，到6月，新冠肺炎患者的激增可能会使智利医院不堪重负，7月或8月达到峰值，是目前床位和呼吸机供应量的6至50倍。封锁策略或病例隔离、家庭隔离、70岁以上人群的社交距离和远程工作干预措施的组合可能会使治疗需求低于能力。结论.积极的干预措施可以避免COVID-19的大量发病率和死亡率。我们的工具允许快速评估当地适用的政策情景，并在新数据可用时更新结果。
2020-05-13 q-bio.PE
The Outbreak Evaluation of COVID-19 in Wuhan District of China
2019年12月，中国武汉发现27例新型冠状病毒肺炎病例，世卫组织于2020年2月11日将其暂时命名为2019-nCoV，并正式命名为COVID-19。2019年12月和2020年1月，新型冠状病毒病在人群中大规模传播，给中国人民的生命财产带来巨大灾难。本文首先分析了病毒传播的特征和模式，并基于公共数据讨论了影响疫情传播的关键因素和不可控因素。进而对病毒传播进行建模，用于疫情发展的爆发期和消退期，为我国政府防疫和恢复经济生产的决策提供理论支持。进一步论证了中国政府采取的多级行政区域隔离等预防措施的有效性。对于世界应对突发公共卫生事件具有重要意义和现实意义。
2020-02-22 physics.soc-ph q-bio.PE
Neural Network aided quarantine control model estimation of global Covid-19 spread
自2019年12月31日中国湖北省武汉市首次记录到我们现在所说的新冠肺炎感染以来，该疾病已在全球范围内蔓延，并遇到了各种各样的社交距离和隔离政策。众所周知，这些应对措施的有效性很难量化，因为个人旅行，故意或无意地违反政策，并在不被发现的情况下感染他人。在本文中，我们试图解释和推断，从公开的数据使用混合的第一性原理流行病学方程和数据驱动的神经网络模型。利用我们的神经网络增强模型，我们重点分析了四个地区：武汉，意大利，韩国和美国，并比较了这些国家的检疫和隔离措施在控制病毒有效繁殖数$R_{t}$方面所发挥的作用。我们的研究结果明确表明，政府迅速干预并实施严格的检疫和隔离公共卫生措施的国家成功地阻止了感染的传播，并防止了感染的激增。我们通过匹配武汉2020年3月3日至4月1日期间以及意大利和韩国2020年3月25日至4月1日期间的预测来测试我们模型的预测能力。在美国的情况下，我们的模型很好地捕捉了当前的感染曲线增长，并预测到2020年4月20日感染传播将停止。我们进一步证明，现在放松或逆转隔离措施将导致感染病例数量呈指数级激增，从而抵消美国自2020年3月中旬以来实施的所有措施所发挥的作用。
2020-04-02 physics.soc-ph q-bio.PE q-bio.QM
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
An SEIR epidemic model of fractional order to analyze the evolution of the COVID-19 epidemic in Argentina
新型冠状病毒（COVID-19）引起的大流行病已在全球蔓延，导致阿根廷的疫情仍在活跃。在本章中，我们提出了一个案例研究，使用SEIR（易感-暴露）的分数阶扩散模型的时间来分析流行病的演变在布宜诺斯艾利斯和邻近地区（Región Metropolitana de Buenos Aires，（RMBA））包括约1500万居民。在SEIR模型中，个体被分为四类，即易感者（S）、暴露者（E）、感染者（I）和康复者（R）。分数阶的SEIR模型允许将记忆与系统的遗传特性结合，作为经典SEIR一阶系统的推广，其中忽略了这种影响。此外，分数模型提供了一个额外的参数，以获得更好的数据拟合。模型的参数通过使用官方报告的伤亡人数作为数据进行校准。由于无限解尊重数据，我们展示了一组具有不同锁定参数值、死亡率、潜伏期和感染期的情况。由此获得的不同繁殖率R 0和感染致死率（IFR）表明，结果可能与最近报告的值不同，构成了可能的替代解决方案。与经典的SEIR模型得到的结果的比较也包括在内。分析使我们能够研究隔离和社交距离措施如何影响疫情的时间演变。
2021-04-07 q-bio.PE
Generalised Gillespie Algorithms for Simulations in a Rule-Based Epidemiological Model Framework
基于规则的模型已成功用于代表COVID-19大流行的不同方面，包括个人的年龄、检测、住院、封锁、免疫力、传染性、行为、流动性和疫苗接种。这些规则为基础的方法是由化学反应的规则，传统上解决了数字与标准的Gillespie算法提出的背景下，分子动力学。当将反应系统类型的方法应用于流行病学时，由于问题的时间依赖性，需要Gillespie算法的概括。在这篇文章中，我们提出了标准Gillespie算法的不同概括，这些算法解决了离散的子类型（例如，结合人口的年龄结构），时间离散更新（例如，结合每日强制的用于封锁的速率变化）和确定性延迟（例如，给定等待时间，直到发生诸如从隔离释放的类型的特定改变）。该等算法辅以COVID-19疫情背景下的相关实例及数值结果。
2022-10-24 q-bio.PE
COVIDHunter: An Accurate, Flexible, and Environment-Aware Open-Source COVID-19 Outbreak Simulation Model
ETH Zurich（苏黎世联邦理工学院）
背景资料：及早发现和隔离COVID-19患者对于成功实施缓解策略并最终遏制疾病传播至关重要。由于每个国家每天进行的COVID-19检测数量有限，模拟COVID-19传播以及每种缓解策略的潜在影响目前仍然是管理医疗系统和指导政策制定者的最有效方法之一。研究方法：我们引入COVIDHunter，这是一个灵活而准确的COVID-19疫情模拟模型，可评估适用于某个地区的当前缓解措施，并就即将实施的缓解措施的强度提供建议。COVIDHunter的关键思想是通过模拟受感染者造成的新感染的平均数量来量化COVID-19在地理区域的传播，同时考虑外部因素的影响，例如环境条件（例如，气候、温度、湿度）和缓解措施。结果如下：COVIDHunter以瑞士为例，估计如果政策制定者将缓解措施放宽50%，持续30天，那么医院床位的每日容量需求和每日死亡人数平均将成倍增加5.1倍，这些人可能会在一段时间内占用ICU床位和呼吸机。与现有模型不同，COVIDHunter模型可以准确监测和预测每日因COVID-19导致的病例、住院和死亡人数。我们的模型是灵活的配置和简单的修改，在不同的环境条件和缓解措施下模拟不同的场景。可用性：我们在https://github.com/CMU- SAFARI/COVIDHunter上发布了COVIDHunter实现的源代码，并展示了如何为任何场景灵活配置我们的模型，并轻松地将其扩展…
2022-06-08 cs.LG cs.SI q-bio.PE
The `how' matters: A simulation-based assessment of the potential contributions of LFD tests for school reopening in England
在2019冠状病毒病爆发期间，关闭学校被用作世界各地政府非药物干预措施的一部分，以减少接触人数并将繁殖数保持在1以下。然而，学校长期关闭对学生，特别是来自弱势背景的学生的未来机会产生了深远的负面影响，并通过阻止他们的父母重返工作岗位而产生了额外的经济和社会影响。关于新冠肺炎儿童的数据很少，政策框架正在迅速演变。我们比较了一组潜在的政策，伴随着重新开放的学校，通过基于代理的模拟工具。我们模拟的政策和情景反映了英格兰2021年3月初的公众讨论和政府指导方针，之后计划于3月8日在全国范围内重新开放学校。特别令人感兴趣的一点是更广泛地使用基于横向流动装置的筛选试验的潜在贡献。我们比较了政策在遏制学校新冠疫情爆发的潜力以及因隔离学生而损失的上学日比例。我们发现，作为围绕隔离有症状的学生及其最密切接触者的政策的补充，对全校进行定期无症状筛查在各种情况下都是有益的，包括使用测试敏感性相对较低的筛查测试时。在某些情况下，每周多次筛查只能带来很小的额外好处。这些发现仍然有效时，测试合规性不强制执行，虽然疫情控制的有效性降低。
2021-03-19 q-bio.PE stat.AP
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
The TVBG-SEIR spline model for analysis of COVID-19 spread, and a Tool for prediction scenarios
数学模型传统上用于分析流行病的长期全球演变，以确定爆发的可能性和严重性，并为确定疾病干预措施的类型和强度提供关键信息。流行病长期传播的广泛使用的数学模型之一是所谓的确定性房室模型（SIR/SEIR型模型）。应用这些模型的主要目的之一是评估当局实施的昂贵的限制措施（家庭和社会隔离/检疫、旅行限制等）可有效降低该病的控制繁殖数和传播风险。然而，经典的SIR/SEIR模型主要是在所谓的平稳情况下研究的，其中主要参数，传输速率β（反映受感染个体的病毒传播）和去除速率γ（反映住院/隔离措施）在整个感兴趣的时间段内保持恒定。因此，重要的是通过为传输速率Beta（t）（我们将进一步称之为Beta）和去除速率Gamma（t）（我们将进一步称之为Gamma）的动态特性创建新的分析来扩展经典SIR/SEIR模型。本研究的主要目的是介绍一个基于样条函数的SEIR模型，或简称为TVBG-SEIR模型，它是用来估计公共卫生干预措施和措施的实际意义。我们已经设计了一个工具的基础上的TVBG-SEIR模型，这可能是用来作为一个决策支持工具，以协助卫生决策者和政策制定者在创建预测方案。
2020-04-27 cs.NA math.NA 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
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
The Framework for the Prediction of the Critical Turning Period for Outbreak of COVID-19 Spread in China based on the iSEIR Model
本研究的目标是建立一个通用框架，用于预测传染病疫情（如今年年初中国爆发的COVID-19）的所谓关键转折期。该框架能够及时预测武汉COVID-19疫情的转折期，并通知相关部门采取适当和及时的行动控制疫情。预计将为全球当前抗击COVID-19疫情的转折期提供有见地的信息。在我们的框架中，底层的数学模型是个体易感-暴露-排斥-去除（iSEIR）模型，其是一组微分方程，扩展了经典SEIR模型。我们使用2020年2月6日至10日武汉每日观察到的COVID-19病例作为iSEIR模型的输入数据，并能够根据更新后的模型生成随后几天于2月10日午夜的COVID-19病例动态轨迹，据此我们预测武汉的COVID-19疫情转折期将于2月14日后一周内到来。这一预测变得及时和准确，为政府、医院、重要工业部门和服务提供了充足的时间，以满足高峰需求并准备善后计划。我们的研究亦支持自2020年1月23日起在武汉果断实施封锁及隔离控制计划，在平坦化疫情曲线方面所观察到的成效。武汉经验为全世界抗击新冠肺炎提供了可借鉴的经验。
2020-04-05 physics.soc-ph q-bio.PE stat.CO
Analysis of COVID-19 cases in India through Machine Learning: A Study of Intervention
Bareilly College（巴雷利学院）；CSIR-Central Electronics Engineering Research Institute（CSIR-中央电子工程研究所）；Jawaharlal Nehru University（贾瓦哈拉尔·尼赫鲁大学）
为了抗击2019年冠状病毒病（COVID-19）大流行，世界上只有疫苗接种、血浆治疗、群体免疫和流行病学干预等少数几种可能的选择。COVID-19疫苗开发正在进行中，可能需要大量时间来开发疫苗，开发完成后，需要时间为整个人群接种疫苗，而血浆疗法具有一定的局限性。对于小国来说，群体免疫可能是抗击COVID-19的一个合理选择。但对于印度这样的人口大国来说，群体免疫并不是一个合理的选择，因为要获得群体免疫力，约67%的人口必须从COVID-19感染中恢复过来，这将给该国的医疗系统带来额外负担，并将导致巨大的生命损失。因此，流行病学干预措施（完全封锁、部分封锁、隔离、隔离、社交距离等）在疫苗开发之前，印度有一些合适的策略来减缓COVID-19的传播。在这项工作中，我们提出了SIR模型与干预，它包含了流行病学干预的经典SIR模型。为了模拟干预的效果，我们引入了\r{ho}作为干预参数。\r{ho}是涵盖所有类型干预的累积量。我们还讨论了有监督的机器学习方法，以估计SIR模型的传播率（\b{eta}），并从印度和印度一些州的COVID-19流行数据中进行干预。为了验证我们的模型，我们对实际和模型预测的COVID-19病例数进行了比较。使用我们的模型，我们还提供了截至2020年9月30日，整个印度和印度一些邦的活动和康复COVID-19病例的预测数量，并估计了预测病例的95%和99%置信区间。
2020-08-17 cs.LG physics.soc-ph q-bio.PE
A computational framework for modelling infectious disease policy based on age and household structure with applications to the COVID-19 pandemic
在COVID-19大流行期间，非药物干预措施（NPI）的广泛使用（在许多国家前所未有）凸显了对数学模型的需求，该模型可以估计这些措施的影响，同时考虑COVID-19高度异质的风险状况。在传染病建模中，通常使用的模型是针对年龄结构或家庭结构的模型，这些模型需要明确地对许多NPI进行建模，但由于模型的高维性，将两种结构水平结合起来的模型存在大量的计算和数学挑战。在这里，我们提出了一个模型框架，包括明确的年龄结构和家庭结构的流行病的传播。我们的模型是用易处理的常微分方程系统来表示的，我们提供了一个开源的Python实现。这种易处理性导致模型校准，可能的参数值的详尽评估，结果的可解释性显着的好处。我们通过四个政策案例研究展示了我们模型的灵活性，在这些案例中，我们量化了英国在当前COVID-19大流行期间考虑或实施的以下措施的可能效益：通过NPI控制家庭内和家庭间的混合;在封锁期间形成支持泡沫;家庭外隔离（OOHI）;以及在假期期间暂时放松NPI。我们的常微分方程公式和相关的分析表明，风险分层和社会结构的多个维度可以被纳入传染病模型，而不会牺牲数学的易处理性。这一模型及其软件实施扩大了传染病政策分析人员可用的工具范围。
2022-09-01 q-bio.PE stat.OT
Sustainable Border Control Policy in the COVID-19 Pandemic: A Math Modeling Study
如果不加控制，输入性COVID-19病例可能会危及国内遏制工作。我们的目标是找出不同实体（例如，在重新开放阶段，由于各国自己选择了国内控制措施和接触者追踪等新技术，我们提出了一个SUIHR模型，这是一个扩展的离散时间SIR模型。该模型侧重于研究主要由无症状和症状前患者传播的病毒。输入风险和（一级）接触者追踪都内置于模型中。在合理的参数假设下，我们寻求可持续的边境控制政策，并结合足够的内部措施，使实体能够限制病毒，而无需恢复更严格的生活方式或依赖群体免疫。当COVID-19的基础繁殖数超过2.5时，即使100%有效的接触者追踪也不足以遏制传播。对于一个已经在国内完全消除病毒并恢复“正常”的实体来说，非常严格的出发前筛查和检测以及抵达后的隔离加上有效的接触者追踪只能将另一次疫情推迟6个月。但是，如果净输入病例总数没有增加，并且该实体采用了限制性的国内控制政策，那么即使没有边境控制，也可以控制新病例总数。
2021-02-04 econ.GN q-bio.PE q-fin.EC
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
A Data-Driven Model Predictive Controller to manage epidemics: The case of SARS-CoV-2 in Mauritius
本文针对毛里求斯SARS-CoV-2疫情，提出基于SIHRD模型的混合整数数据驱动模型预测控制方案，通过优化隔离等级切换策略，在保持医疗容量不超限的同时显著降低死亡人数和住院负担。
2025-06-30 cs.SY eess.SY q-bio.PE
Effective containment explains sub-exponential growth in confirmed cases of recent COVID-19 outbreak in Mainland China
中国内地最近爆发的COVID-19疫情的特点是，在疫情早期阶段，确诊病例呈明显的代数次指数增长，而在繁殖率足够大的情况下，不受限制的疫情预计会出现初始指数增长。尽管中国大陆受影响省份之间的病例数差异很大，但标度律$t^μ$具有令人惊讶的普遍性，其指数范围为$μ=2.1\pm0.3$。这种行为的普遍性表明，尽管中国受影响省份的社会、区域、人口、地理和社会经济异质性，但此次疫情由标准流行病学模型无法捕捉的基本机制主导。我们发现，所观察到的缩放法是遏制政策，有效地耗尽易感人群的直接后果。为此，我们引入了一个简约的模型，捕捉两个，隔离症状感染者以及人口范围内的隔离，以应对缓解政策或行为变化。对于广泛的参数范围内，该模型再现了所观察到的标度律在确认的情况下，并解释了所观察到的指数。定量拟合经验数据允许无症状或少症状，身份不明的感染者的数量的高峰时间的识别，以及估计的基本繁殖数的地方变化。该模型表明，在确诊病例中观察到的比例律是影响相当一部分易感人群的有效污染策略和/或系统行为变化的直接特征。这些见解可能有助于在其他地方潜在的出口导致的COVID-19继发性疫情或其他紧急传染病的类似未来疫情中实施遏制策略。
2020-02-18 physics.soc-ph q-bio.PE
Strategies for COVID-19 vaccination under a shortage scenario: a geo-stochastic modelling approach
在一个受到COVID-19浪潮冲击的世界里，疫苗接种是地平线上的一盏灯。然而，疫苗接种战略的推出及其对大流行病的影响仍然是悬而未决的问题。为了比较世界卫生组织和其他当局提出的各种策略的效果，以前开发的SEIRS随机模型的地理传播的病毒是通过增加一个隔间接种疫苗的人。模型的参数被拟合来描述阿根廷、墨西哥和西班牙的大流行演变，以分析所提出的疫苗接种策略的效果。移动性参数允许模拟不同的社会行为（例如锁定干预）。模拟和比较了在全国各地均匀接种疫苗或仅限于人口最稠密地区接种疫苗的计划。第二种策略被认为是更有效的。此外，在目前全球疫苗短缺的情况下，应当指出，流动性减少，免疫接种也就增强了。此外，应考虑到接种疫苗（和恢复）人群的免疫失效情况，确定重复接种疫苗的时间。最后，该模型被扩展到包括隔离检测到的阳性病例的影响，这对减少感染很重要。
2021-04-22 cs.SI physics.soc-ph q-bio.PE
An evolutionary game theory approach to modeling behavioral interaction in disclosing infection begins with an outbreak: COVID-19 as an example
本文用演化博弈论和分数阶仓室模型研究疫情暴发初期个体自愿披露感染暴露的行为，发现提高传播率与感知严重性可促进隔离并降低发病率，并基于智利住院数据验证模型，为公共卫生风险沟通提供依据。
2024-12-31 physics.soc-ph q-bio.PE q-bio.QM
Projecting and comparing non-pharmaceutical interventions to contain COVID-19 in major economies
隔离、自我隔离、社交距离和病毒接触者追踪等非药物干预措施（NPI）可以大大减少大流行期间病毒的传播。在COVID-19大流行的浪潮中，许多国家实施了各种NPI以控制和缓解感染。然而，由于缺乏量化因素，非盈利机构的严格程度及其在不同国家之间产生的影响仍然不清楚。在本研究中，我们进一步使用政策强度因子（PIF）的概念将NPI的影响纳入流行病动力学模型。这一思想使我们能够将转移率描述为随时间变化的量，而不是恒定值，从而捕获流行病中基本繁殖数变化的动力学行为。通过利用政府和世界卫生组织报告的大量数据，我们预测了全球主要经济体的疫情动态，包括感染、易感和康复病例的数量以及疫情持续时间。据观察，建议的可变利率易感暴露-感染-恢复（VR-SEIR）模型拟合和项目的流行动态非常好。我们进一步表明，由此产生的PIF与NPI的严格程度相关，这使我们能够预测这些国家当前NPI实施90天，180天，360天后最终受影响的人数。它提供了对已实施的NPI的有效性的量化见解，并为最大限度地减少COVID-19的受影响人群和经济影响提供了新的视角。
2020-12-15 physics.soc-ph q-bio.PE
Testing and Isolation Efficacy: Insights from a Simple Epidemic Model
对个人进行病原体检测可能会影响流行病的传播。了解采样和报告测试结果的个人层面的过程如何影响社区或人口层面的传播是一个动态建模问题。检测过程对流行病动态的影响取决于实施的基本因素，特别是检测强度和检测的重点对象。在这里，我们使用一个简单的模型来探讨测试的个人水平的影响如何直接影响人口水平的传播。我们的模型开发是由COVID-19疫情推动的，但具有通用的流行病学和测试结构。在经典的SIR框架中，我们增加了人均检测强度和特定区域的检测权重，这些权重可以进行调整以反映不同的检测重点--监测、诊断或控制。我们推导出一个分析表达式的相对减少，由于测试，测试报告和相关的隔离行为的基本生殖数。预计密集检测和快速检测报告在社区一级将是有益的，因为它们可以提供对情况的快速评估，确定热点，并可能实现快速接触者追踪。快速测试对个人的直接影响不太清楚，可能取决于个人的行为如何受到测试信息的影响。我们的简单模型表明，在某些情况下，增加测试强度和更快的测试报告可以降低控制的有效性，并允许我们探索这种情况下发生的条件。相反，我们发现，将检测重点放在受感染者身上总是能提高控制的有效性。
2021-07-17 math.DS physics.soc-ph q-bio.PE
Modeling the Impact of Social Distancing and Targeted Vaccination on the Spread of COVID-19 through a Real City-Scale Contact Network
我们使用移动终端数据在俄勒冈州波特兰市构建了经验性的人际物理接触网络，包括在COVID-19大流行期间实施社交距离措施之前和之后。这些网络揭示了社交距离措施和公众对初期流行病的反应如何影响城市内部的连通模式。我们发现，随着大流行病的发展，与许多人接触的人数大幅减少。我们进一步研究了这些不同的网络拓扑结构对COVID-19传播的影响，通过模拟这些网络上的SEIR流行病模型，发现减少的连接大大抑制了流行病。然后，我们调查了当部分人口接种疫苗时，流行病的反应，并比较了两种疫苗接种分配策略，包括有和没有社交距离。我们的主要结果是，接触网络的重尾度分布导致了有针对性的疫苗接种策略，该策略优先考虑高接触个体，以减少病例数，这比随机接种个体的策略更有效。结合有针对性的疫苗接种和社交距离导致病例的最大减少，我们还发现，与随机策略相比，有针对性的策略的边际效益超过了社交距离减少病例数量的边际效益。这些结果对全球正在进行的疫苗分发工作具有重要意义。
2021-07-13 cs.SI physics.soc-ph q-bio.PE
Modeling the Spread of COVID-19 in University Communities
本研究针对大学社区开发并比较了三种 COVID-19 传播模型（智能体、分区和常微分方程），发现前两者能捕捉隔离动态，且检测和线上教学至关重要。
2024-03-15 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 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
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
Virus spread versus contact tracing: two competing contagion processes
于二零二零年上半年，多个国家因阻止COVID-19发病率曲线增长而遭受封锁后，他们面临恢复社会及经济活动的挑战。SARS-CoV-2的快速空气传播性和疫苗的缺乏要求采取积极的遏制措施，以避免传播链的传播。迄今为止，最好的策略，通常被称为测试-跟踪-治疗（TTT），包括对人群进行诊断测试，跟踪感染者的接触者，并通过隔离所有这些病例进行治疗。能够更好地描述上述机制联合作用的动力学过程是一种传染过程，它与病原体的传播竞争，切断了潜在的传染途径。在这里，我们提出了一个房室模型，耦合的动态感染与接触者追踪和隔离的情况下。我们开发了一个有效的情况下再现数$R_c(t)$，揭示了接触者追踪的作用，在缓解和抑制流行病的分析表达式。我们发现，有一个权衡之间的感染传播和隔离的情况下。如果隔离仅限于有症状的个体，发病率曲线可以变平，但不会弯曲。然而，如果接触者追踪也适用于无症状的个人，该战略可以弯曲曲线并抑制流行病。定量结果取决于网络拓扑结构。我们量化了接触者追踪有效性的最重要指标，即其扭转流行曲线上升趋势的能力，导致其弯曲。
2021-02-01 physics.soc-ph q-bio.PE
Agent-Based Campus Novel Coronavirus Infection and Control Simulation
2019冠状病毒病（COVID-19）由于其极高的传染性，在全球迅速蔓延，对社会经济发展和人们的日常生活带来巨大影响。以大学生返校后可能发生的病毒传播为例，定量分析了人群密度、自我防护等关键因素对病毒传播的影响。充分考虑封闭环境中人群反复接触、流动性强的特点，提出了一种新型冠状病毒的校园病毒感染与控制仿真模型（CVICS）。具体来说，我们建立了一个基于代理的感染模型，引入平均场理论计算病毒传播的概率，微观模拟了个体之间的每日感染流行情况。实验结果表明，本文提出的模型能够有效地模拟病毒在封闭环境下频繁接触的密集人群中的传播。此外，疫情期间采取自我防护、人群分散、隔离等防控措施，可有效延缓感染高峰的到来，降低疫情流行，最终降低学生返校后COVID-19传播的风险。
2021-09-01 cs.SI physics.soc-ph q-bio.PE
