Spatial-Temporal Dataset of COVID-19 Outbreak in China
我们提供中国2019冠状病毒病（COVID-19）统计数据集：中国城市/县级COVID-19疫情的每日统计数据。对于每个城市/国家，我们包括了流行病研究中最重要的六个数字：每日新增感染人数、累计感染人数、每日新增治愈人数、累计治愈人数、每日新增死亡人数和累计死亡人数。我们对数据集进行了交叉验证，估计误差率约为0.04%。然后，我们给出了几个例子，以展示如何追踪特定城市或省份的传播，并对比了COVID-19在中国所有城市的早期、中期和晚期阶段的发展。我们希望这个数据集可以帮助世界各地的研究人员更好地了解COVID-19在区域层面的传播动态，为政策制定者提供干预和缓解策略。
2020-04-07 q-bio.PE
Some fractal thoughts about the COVID-19 infection outbreak
关于广义逻辑方程描述COVID-19感染爆发以及其他许多流行病爆发的表观能力的物理动机，提出了一些想法。这里的主要重点是：描述"传染事件集"的轨迹的复杂、可能是分形的结构;从具有"羊群行为"的营养网模型中可以学到什么。
2020-04-08 math.DS physics.bio-ph q-bio.PE
Limited containment options of COVID-19 outbreak revealed by regional agent-based simulations for South Africa
COVID-19已从中国蔓延至欧洲和美国，并已成为全球大流行病。在全球南方国家，由于社会经济选择和医疗保健系统往往较弱，有效的地方对策仍然存在争议。我们将大规模的社会经济和交通调查数据与详细的基于代理的当地交通模拟相结合，以分析在一系列对策情景下，南非纳尔逊曼德拉湾市的区域模型中COVID-19的传播。模拟表明，任何现实的遏制战略，包括那些类似于正在南非，可能会产生多方面的超负荷可用的重症监护病房（ICU）。只有立即采取最严厉的应对措施，直至基本上禁止所有人类联合活动的全面封锁，才能有效遏制这一流行病。由于与全球南部的许多其他国家相比，南非表现出相当有利的条件，我们的研究结果构成了粗略的保守估计，并可能支持确定控制COVID-19以及这些国家未来任何重大流行病的策略。
2020-04-12 physics.soc-ph q-bio.PE q-bio.QM
Phenomenological analysis of the 2020 COVID-19 outbreak dynamics
在COVID-19病毒爆发后，对不同国家之间的疾病传播动态进行了简要的现象学（描述性，比较性）分析。结果表明，感染传播动态目前在美国最明显（确诊病例目前每2.16天翻一番，翻一番时间呈下降趋势），而确诊病例最多的其他国家显示出不同的值和趋势。目前，德国报告的死亡人数每2.28天翻一番，法国为2.56天，瑞士为2.57天，法国为2.59天，美国为2.62天，而目前只有法国和美国表现出进一步加速（加倍时间减少）。
2020-03-24 q-bio.PE
An empirical analysis of the Ebola outbreak in West Africa
在一个共同框架内分析了2014-2016年在西非三个国家发生的埃博拉疫情的数据。分析是使用一个代理的易感-感染-删除（SIR）模型的结果在欧几里得网络，其中节点在距离$l$连接概率$P(l) \propto l^{-δ}$，$δ$确定的范围内的相互作用，除了最近的邻居。这里，感染人口的累积（总）密度具有$R(t) = \frac{a\exp(t/T)}{1+c\exp(t/T)}$的形式，其中参数取决于$δ$和感染概率$q$。这一表格与数据吻合得很好。使用最佳拟合参数，估计达到峰值的时间，并显示与数据一致。我们还表明，在欧几里德模型中，可以选择$δ$和$q$值，这些值可以定性地再现这三个国家的数据。这些选择与人口密度、控制方案和其他因素有关。比较实际数据和模型结果，还可以估计易受这种疾病影响的实际人口的规模。对实际数据进行重新标度处理，得到了与模拟结果相当好的定量一致性.
2017-02-01 physics.soc-ph q-bio.PE
Choosing a growth curve to model the Covid-19 outbreak
Richards家族模型包括一组众所周知的模型，这些模型具有描述疾病爆发的几个方面的有用参数。其中一些模型已被用于研究当前的新冠肺炎疫情。然而，在竞争模式之间的歧视方面似乎存在混乱。在本文中，详细的应用Akaikes信息的方法是用来识别模型使用的数据来自欧盟，美国和英国。我们认为，来自竞争模型的流行病学特征，应检查，以补充选择策略，和隐含的属性的模型与现有的数据进行对比。所选择的参数化隐含的流行病学特征的详细的分析表达式也提供。
2020-07-07 q-bio.PE
Containing COVID-19 outbreaks using a Firewall
COVID-19疫情已被证明在蔓延之前很难隔离和扑灭。这背后的一个重要原因可能是，流行病学的障碍，包括停止症状的人很可能会失败，因为传染病发病前的时间，温和的情况下和/或无症状的载体。受这些特殊的COVID-19特征的启发，我们研究了一种在城市中遏制疫情的方案，该方案包括在疫情和城市其他地区之间添加额外的防火墙块。我们实现了一个耦合的随机噪声隔间模型来模拟局部爆发，是部分孤立的，并分析其演变与不同的合理模型参数的防火墙。我们探讨如何进一步改善可以实现，如果疫情的演变将触发政策变化的流量和/或锁定在不同的块。我们的研究结果表明，一个实质性的改善是通过仅仅增加一个额外的块之间的爆发和大部分的城市。
2020-08-28 physics.soc-ph q-bio.PE
A model of COVID-19 pandemic evolution in African countries
我们研究了选定非洲国家的COVID-19疫情演变。对于所考虑的每个国家，我们同时对活动、康复和死亡病例的数据进行建模。在这项研究中，我们使用了自第一例病例报告以来一年的数据。我们估计了时间依赖的基本繁殖数，$R_0$，以及感染但未受影响的人群的比例，为非洲国家的遏制和疫苗策略提供了见解。我们发现，$R_0\leq 4$在大流行开始时，但后来下降到$R_0 \sim 1$。研究人群中未受影响的部分在$1-10$- %与恢复病例之间变化。
2021-06-12 q-bio.PE
SEIRD Model for Qatar Covid-19 Outbreak: A Case Study
2020年爆发的新冠肺炎疫情要求许多政府为政策和规划目的开发疫情的数学统计模型。这项工作提供了一个教程，建立一个房室模型，使用易感，暴露，感染，感染和死亡状态通过时间。贝叶斯框架用于执行参数估计和预测。该模型使用干预措施来量化政府减缓病毒传播的各种尝试的影响。还进行预测以确定何时将发生高峰活动感染。
2020-05-26 physics.soc-ph q-bio.PE stat.AP
Optimized lockdown strategies for curbing the spread of COVID-19: A South African case study
为遏制COVID-19的蔓延，全球多个政府已实施不同程度的严格封锁。封锁级别通常在疾病传播时增加，在疾病消退时减少。预测控制方法用于制定优化的封锁策略，以遏制COVID-19的传播。然后将这些策略应用于南非的数据。南非的案例值得关注，因为南非政府定义了五个不同的封锁级别，作为一个离散的控制输入。先前开发了COVID-19在南非传播的流行病学模型，并与混合模型预测控制器结合使用，以优化不同政策情景下的封锁管理。考虑的情景包括如何将曲线拉平至医疗系统可以应对的水平，如何平衡生活和生计，以及人口遵守封锁措施对COVID-19传播的影响。本文的主要目的是显示最佳的锁定水平应给予的政策，是在地方，由闭环反馈控制器。
2020-11-13 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
Using statistics and mathematical modelling to understand infectious disease outbreaks: COVID-19 as an example
在传染病暴发期间，数据的偏差和潜在动态的复杂性对暴发的数学建模和政策设计构成了重大挑战。受持续应对COVID-19的激励，我们提供了一套统计和数学模型工具包，超越了简单的SIR型微分方程模型，用于分析疫情的早期阶段和评估干预措施。特别是，我们专注于参数估计的数据中存在已知的偏见，和封闭的亚群，如家庭和护理院的非药物干预的效果。我们通过将这些方法应用于COVID-19大流行来说明这些方法。
2020-05-11 physics.soc-ph q-bio.PE
Mathematical Modelling, Simulation, and Optimal Control of the 2014 Ebola Outbreak in West Africa
埃博拉病毒是目前人类最致命的病原体之一。最近一次大规模疫情于2014年在几内亚、塞拉利昂和利比里亚爆发。为了了解感染在受影响国家的传播情况，对病毒进行建模和模拟至关重要。在本文中，我们首先研究了一个简单的数学模型，该模型描述了2014年利比里亚埃博拉疫情。然后，我们使用数值模拟和世界卫生组织提供的数据来验证所获得的数学模型。此外，我们开发了一个新的数学模型，包括接种疫苗的个人。我们讨论了不同的疫苗接种情况，以预测随着时间的推移，疫苗接种对感染者的影响。最后，我们应用最优控制来研究疫苗接种对埃博拉病毒传播的影响。最优控制问题的数值求解采用直接多重打靶法。
2015-03-13 math.OC q-bio.PE
Optimizing testing policies for detecting COVID-19 outbreaks
COVID-19疫情对持续经济活动构成挑战，同时降低健康风险。虽然这些挑战可以通过测试来缓解，但测试预算往往有限。在这里，我们研究机构，如养老院，应该如何利用固定的测试预算，早期发现疫情。使用扩展的网络SEIR模型，我们表明，给定一定的预算的测试，它通常是更好地测试较小的子群的人口经常比测试较大的群体，但频率较低。数值结果是一致的分析表达式，我们推导出的爆发在检测的指数传播模型的大小。我们的工作为机构提供了一个简单的指导方针：将您的总测试分布在几个批次中，而不是一次使用它们。我们预期，在适当的情况下，这项易于实施的政策建议将导致更早发现和更好地缓解当地COVID-19疫情。
2021-01-01 physics.soc-ph q-bio.PE
A matlab code to compute reproduction numbers with applications to the Covid-19 outbreak
我们讨论了各种繁殖比率或数字的产生，这些比率或数字对监测像Covid-19这样的持续流行病非常有用，并检查了干预措施的效果。详细的SEIR算法描述了它们的计算，并应用于当前在一些国家（阿根廷，巴西，法国，意大利，墨西哥，西班牙，英国和美国）爆发的Covid-19疫情。相应的matlab脚本，完整的，准备使用，提供免费下载。
2020-06-23 physics.soc-ph q-bio.PE
The Diffusion Metrics of African Swine Fever in Wild Boar
为了有效控制非洲猪瘟（ASF），需要易于解释的疫情动态指标来规划和调整所需的措施。我们发现，非洲猪瘟病例在野猪中的传播模式遵循扩散过程的机制，至少在早期阶段，对于发生在德国的病例。在侵入以前未受影响的地区后，感染在一个幼稚和丰富的野猪种群中局部传播。使用德国的真实病例数据，我们得到了连续病例报告之间的时间差和距离的统计数据。使用这些统计数据，我们产生了一个合奏的随机游走（连续时间随机游走，CTRW），类似于所观察到的爆发模式的属性作为一个可能的实现所有可能的疾病传播模式。训练后的随机游走器集合产生了野猪早期ASF传播的扩散常数，受影响的区域和爆发速度。这些数量易于解释，稳健，并且可以推广或适用于不同地区。因此，扩散指标可以是早期疾病动态的有用描述符，有助于促进非洲猪瘟的有效控制。
2022-06-30 physics.bio-ph q-bio.PE
Temporal Analysis of COVID-19 Peak Outbreak
本研究的目的是探索如何利用数学模型，特别是易感-感染-清除（SIR）模型，预测从首次报告病例之日起，COVID-19流行病在感兴趣人群中的高峰爆发时间轴。直到这项研究的时候，还没有有效的和普遍接受的疫苗来控制这种感染的传播和蔓延。COVID-19主要通过受感染者咳嗽和打喷嚏产生的呼吸道飞沫在人群中传播，这些飞沫会感染附近的人。COVID-19正在世界各地蔓延。如果卫生政策制定者和医学专家能够在首次报告病例后及早及时了解感染率高峰何时出现，他们就可以规划和优化医务人员、消毒剂供应和其他医疗资源，而不会使基础设施负担过重。这些预测还可能帮助政策制定者制定控制疫情的策略，从而挽救许多人的生命。因此，它可以通过利用可用数据提供对COVID-19爆发的可操作见解来帮助关键决策过程。
2020-09-11 physics.soc-ph q-bio.PE
The Weather Impacts the Outbreak of COVID-19 in Mainland China
最近的文献表明，气候条件对COVID-19冠状病毒的传播有相当大的影响。然而，缺乏全面研究调查多种天气因素与COVID-19疫情发展之间的关系，同时排除社会因素的影响。本文研究了中国大陆250个城市的六个主要天气因素与COVID-19感染统计数据之间的关系。我们使用天气和感染统计数据进行的相关性分析表明，所有研究的天气因素都与COVID-19的传播相关，其中降水显示出最强的相关性。我们亦建立天气感知预测模型，以预测中国内地爆发第二波疫情时的感染个案数目。我们的预测结果显示，位于不同地理区域的城市可能会在非常不同的时间段受到COVID-19第二波的挑战，疫情的严重程度在很大程度上与不同的天气条件相对应。
2020-06-18 physics.soc-ph q-bio.PE
A three-state coupled Markov switching model for COVID-19 outbreaks across Quebec based on hospital admissions
本文开发了一个贝叶斯三态耦合马尔可夫切换模型，基于魁北克30家最大医院的住院数据，结合协变量与空间传播因素分析COVID-19爆发，改进了状态估计并提供了新的流行病学解释。
2024-09-22 q-bio.PE stat.AP
Trend and forecasting of the COVID-19 outbreak in China
通过使用2020年1月20日至2月11日的公开数据，我们对中国大陆特别是湖北省的COVID-19疫情进行了数据驱动的分析和预测。我们的研究结果表明，每日感染的转折点预测分别为2020年2月6日和2月1日，对于湖北和湖北以外的中国。中国的疫情预计将在2020年3月10日之后结束，预计总感染人数为51600人。数据趋势表明，中国采取的快速、积极的减少人类接触的策略已经对疫情的控制产生了良好的影响。
2020-02-14 q-bio.PE
Time-dependent and time-independent SIR models applied to the COVID-19 outbreak in Argentina, Brazil, Colombia, Mexico and South Africa
我们考虑SIR流行病学模型应用于COVID-19的演化，有两种方法。首先，我们拟合了一个全球SIR模型，该模型具有时间延迟，并且在整个疫情期间参数不变，包括传染率。竞争措施反映在有效减少的易感人群$N_{eff}$上。在第二种方法中，我们考虑了一个时间依赖的传染率，反映了竞争措施，无论是通过一步一步的拟合过程，或通过以下指数衰减。在最后一个模型中，人口被认为是国家$N$的人口。在微分方程的线性区域中，当总人口$N$较大时，预测与$N$无关。我们应用这些方法来研究阿根廷、巴西、哥伦比亚、墨西哥和南非的大流行的传播，这些国家尚未达到感染高峰。在所有这些情况下，我们提供的再生率和回收率的估计。考虑到采取了合理的措施，使得再生因子$R_0$呈指数下降，因此，随时间变化的传染率的情景是乐观的。报告了回收率$γ$的测量值，发现该参数在不同国家具有普遍性。我们讨论了全局SIR与有效布居$N_{eff}$的对应关系以及时间局部SIR的演化。
2020-06-22 physics.soc-ph q-bio.PE
A model for the outbreak of COVID-19: Vaccine effectiveness in a case study of Italy
我们提出了一个具有人口统计学的COVID-19疾病传播的房室数学模型，同时考虑了无症状感染者。计算了模型的基本再生比，研究了模型的局部稳定性和全局稳定性，并以意大利为例对模型进行了数值求解。我们提出了一个疫苗接种模型，我们得到的阈值条件，防止感染传播的情况下，不完美的疫苗。
2020-11-16 math.DS physics.soc-ph q-bio.PE
Predication of Inflection Point and Outbreak Size of COVID-19 in New Epicentres
截至2020年6月中旬，2019冠状病毒病（COVID-19）已导致超过800万人感染。最近，巴西已成为COVID-19的新震中，而印度和非洲地区是潜在的震中。这项研究的目的是通过借鉴其他国家“成熟”曲线的信息，在流行病早期预测这些新的/潜在的震中的拐点和爆发规模。在混合效应模型和幂变换后的四参数Logistic模型下，我们将累积病例建模为众所周知的S形增长曲线来描述流行趋势。非洲地区预计将有390万例（220万至600万）的最大总爆发规模，并将在2020年9月13日左右出现。预计巴西和印度的最终疫情规模相似，约为250万例（110万至430万），拐点分别于6月23日和7月26日到来。我们的结论是，在巴西、印度和非洲，COVI 19的流行尚未超过拐点;这些地区的疫情规模可能超过美国
2020-07-15 physics.soc-ph q-bio.PE stat.AP
Forecasting COVID-19 Chile's second outbreak by a generalized SIR model with constant time delays and a fitted positivity rate
2019冠状病毒病迫使各国在科学家和政府之间做出相当大的合作努力，以提供适当跟踪疫情后果的指标。数学建模在量化描述大流行病各个方面的指标方面发挥着关键作用。因此，这项工作的目的是开发一个明确的，高效的，可重复的参数优化方法，其实施说明使用来自智利的三个代表性地区的数据和一个合适的广义SIR模型与拟合的阳性率。我们的研究结果再现了感染者曲线的一般趋势，区分了报告病例和真实病例。最后，我们的方法是稳健的，它使我们能够根据报告的死亡病例定性预测COVID-19的第二次爆发和COVID-19的感染死亡率。
2020-12-28 physics.soc-ph q-bio.PE
Modelling the impact of vaccination on the COVID-19 pandemic in African countries
疫苗的快速发展，以打击由SARS-CoV-2病毒引起的COVID-19疾病的传播是一项伟大的科学成就。在开发COVID-19疫苗之前，大多数研究都利用了不包括药物措施的现有数据。该等研究集中于非药物措施（例如社交距离、卫生、佩戴口罩及封锁）的影响，以研究COVID-19的传播。在这项研究中，我们使用了SIDARTHE-V模型，这是SIDARTHE模型的扩展，其中我们包括疫苗接种。我们研究了疫苗接种对非洲国家病毒严重性（致命性）的影响。模型参数是通过同时拟合加纳、肯尼亚、莫桑比克、尼日利亚、南非、多哥和赞比亚政府报告的COVID-19死亡、康复、活动病例和全面疫苗接种的累积数据来提取的。由于各国的疫苗接种计划存在一定程度的差异，我们考虑了疫苗接种运动对这些国家死亡率的影响。研究表明，随着每个国家疫苗接种程度的增加，累计死亡率急剧下降;虽然感染率有时会随着新一波的到来而增加，但死亡率并没有像我们在疫苗接种前看到的那样增加。
2022-11-10 q-bio.PE
Arctic Oscillation: possible trigger of COVID-19 outbreak
当前的COVID-19大流行正在全球范围内产生不利影响。疫情于2020年1月底至2月初开始强劲发展，首先在中国，随后迅速蔓延至其他国家，新的疫情中心主要集中在北纬30至50度范围内（例如，韩国、日本、伊朗、意大利、西班牙）。与此同时，在全球范围内观察到北纬40度左右普遍存在一种不寻常的持续反气旋情况，这与北极涛动的异常强烈的正相位相一致。这种非典型的情况可能导致有利的气象条件，使病毒在上述纬度带上更快地传播。这种可能的联系需要进一步关注，以了解与COVID-19爆发相关的气象和气候因素，并预测未来可能的大流行病的时空分布。
2020-05-06 physics.ao-ph q-bio.PE
Forecasting hospital demand during COVID-19 pandemic outbreaks
我们提出了一个分区SEIRD模型，旨在预测当前COVID-19爆发期间大都市地区的医院入住率。该模型以无症状和有症状感染者为特征，并附有详细的医院动态。我们明确的模型分支概率和非指数停留时间在每个潜伏和感染的隔间。使用入院确诊病例和死亡病例，我们推断出接触率和动力系统的初始条件，考虑断点来模拟封锁干预措施。我们的贝叶斯方法使我们能够及时产生医院需求的概率预测。该模型已被墨西哥联邦政府用于协助公共政策，并已被应用于该国70多个大都市区和32个州的分析。
2020-06-05 q-bio.PE q-bio.QM
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
Modeling the Epidemic Outbreak and Dynamics of COVID-19 in Croatia
该文件涉及在克罗地亚共和国的封闭领土上由2019年冠状病毒病（COVID-19）引起的持续流行病的建模。利用官方公布的确诊感染者、康复者和死亡者的数量，建立了改进的SEIR房室模型来描述流行病的基本动态。拟合的修正SEIR模型提供了对近期疾病进展的预测，考虑到克罗地亚卫生部在2月25日COVID-19传播开始时对感染者和高危人群采取的社交距离和隔离等严格控制干预措施。假设所提供的数据的准确性和令人满意的代表性的模型使用，基本再生数的推导。所取得的成果说明了潜在的积极发展，并证明卫生部采取的严格预防措施是合理的。
2020-05-04 q-bio.PE
An epidemiological model for the spread of COVID-19: A South African case study
为COVID-19在南非的传播建立了流行病学模型。使用经典的房室SEIR模型的变体，称为SEIQRDP模型。由于南非仍处于全球COVID-19大流行的早期阶段，确诊感染病例尚未达到峰值，因此SEIQRDP模型首先根据德国、意大利和韩国的数据进行参数化，这些国家的感染病例数已远远超过峰值。通过合理预测COVID-19确诊病例、死亡病例和康复病例的数量将在何处结束以及何时结束，可以实现良好的拟合。然后使用2020年3月23日至5月8日期间的南非数据来获得SEIQRDP模型参数。结果发现，该模型拟合初始疾病进展良好，但该模型的长期预测能力是相当差的。南非SEIQRDP模型随后重新计算的基本再生数限制到报告的值。由此产生的模型与数据拟合良好，长期预测似乎是合理的。南非SEIQRDP模型预测，2020年10月底将出现确诊感染个体数的峰值，总死亡人数约为1万至9万人，名义值约为2.2万人。所有这些预测在很大程度上取决于疾病控制措施到位，并坚持这些措施。这些预测被进一步证明是特别敏感的参数，用于确定的基本再现数。未来的目标是使用反馈控制方法与南非SEIQRDP模型，以确定南非政府提出的不同封锁水平的流行病学影响。
2020-05-22 physics.soc-ph q-bio.PE
Estimation of the actual disease occurrence based on official case numbers during a COVID outbreak in Germany 2020
自2020年3月初以来，德国每天都有新型冠状病毒SARS-CoV-2感染病例的累计报告。这些报告源自国家法律，根据这些法律，阳性检测结果必须通过当地卫生当局提交给联邦卫生当局罗伯特·科赫研究所。由于预计会有大量未报告的病例，因此无法根据这些行政报告回答该疾病在人口中的传播范围问题。然而，使用数学模型可以进行估计。这些估计数表明，在疫情爆发之初进行的少量诊断检测忽略了相当一部分感染。为了覆盖未来疾病浪潮的初始阶段，建议进行广泛而全面的测试。
2020-05-07 q-bio.PE
Modeling the ASF (African Swine Fever) spread till summer 2017 and risk assessment for Poland
非洲猪瘟（African Swine Fever，ASF）是一种病毒性传染病，可引起家猪和野猪〈动〉<动>的急性疾病。虽然该病毒不会引起人类疾病，但它对经济的影响，特别是通过贸易和农业，是巨大的。最近ASF从东欧向西欧的快速传播促使我们为波兰准备风险评估。通过将发病率轨迹与指数函数相匹配，可以很容易地进行早期生长估计，从而近似了感染力。通过这些计算，可以估计流行病的基本复制率，有效的爆发检测和消除时间。在回归模式中，分析了380个波兰县（poviats），其中18个县（位于波兰东北部）受到空间传播（未来风险评估）的影响（直到2017年8月）。应用数学模型，考虑：猪量的意义，疾病媒介（野生板）的意义。我们使用伪引力模型的短期和远程相互作用，指的是社会迁移行为的野猪<动>和猪肉生产链的意义。在一定范围内的参数的空间建模证明了波兰国会边界内的自然保护屏障的存在。该疾病向大波兰地区的传播将导致非洲猪瘟生产链的加速爆发。在初步设置中，我们进行回归分析，网络爆发调查，早期流行病的增长估计和模拟基于病毒的传播。
2019-05-02 nlin.AO q-bio.PE stat.AP
Understanding the COVID19 Outbreak: A Comparative Data Analytics and Study
冠状病毒（亦称为COVID-19病毒）自二零一九年十一月下旬起在中国武汉出现。从那时起，它一直在大规模传播，直到今天在世界各地。它目前被认为是过去二十年来世界上病毒传播最严重的流行病，与2014年的埃博拉病毒，2012年的MERS和2003年的SARS相比。尽管仍处于疫情中期，但迫切需要了解COVID-19的影响。目的是澄清它是如何在短时间内以前所未有的方式在世界范围内传播如此之快的。本文是实现这一目标的第一个举措，它提供了关于冠状病毒的全面分析研究。本文的贡献在于提供了描述性和预测性模型，通过分析所有国家每日更新的疫情数据，深入了解COVID-19的影响。我们旨在回答几个悬而未决的问题：COVID-19如何在世界各地传播？它对大陆、区域和国家各级的确诊病例和死亡病例有何影响？它的严重程度与其他流行病爆发相比如何，包括2014年埃博拉病毒，2012年MERS和2003年SARS？确诊病例数和死亡病例数之间是否存在关联？我们提出了一个全面的分析可视化来解决上述问题。据我们所知，这是第一份为更好地了解COVID-19铺平道路的系统分析论文。本研究的分析仪表板和收集的数据可在线获取[1]。
2020-03-29 cs.SI q-bio.PE
COVID-19 Regional Waves and Spread Risk Assessment through the Analysis of the Initial Outbreak in Guatemala
2019冠状病毒病疫情于2020年3月首次爆发，袭击危地马拉。在国家范围内，疫情经历了一个相当知名和可区分的初始阶段，于2020年7月中旬达到高峰。然而，详细的情况更加复杂，反映了流行病动态的区域间差异，可能是基于社会人口、连通性和人员流动因素。对区域流行曲线进行分类并确定区域COVID-19传播的主要中心，有助于为未来具有类似传播特性的传染病爆发确定循证风险图。在这项工作中，我们做了一个区域波分解的初始流行病阶段登记在危地马拉，我们使用理查兹现象学模型及其估计的模型参数的多元排序技术绘制全国范围内的第一波流行病。通过探索模型空间参数的相似性，我们追踪了疾病在全国范围内传播的路线。我们评估了拟议的分类如何帮助定义一个区域风险等级，包括早期阶段的联络点，主要枢纽和二级流行病进展地区。
2022-09-13 q-bio.PE
COVID-19 attack rate increases with city size
目前爆发的2019新型冠状病毒病（COVID-19）对相互关联的人类社会构成了前所未有的全球健康和经济威胁。在研制出疫苗之前，控制疫情的策略依赖于积极的社交距离。这些措施在很大程度上切断了人类社会的社会网络结构，特别是在城市地区。在这里，我们估计了3月14日至3月19日美国城市COVID-19的增长率和繁殖数量，以揭示城市人口规模的幂律比例关系。这意味着COVID-19在大城市的平均传播速度更快，这意味着在不受控制的疫情中，预计在人口稠密的城市地区会有更大比例的人口受到感染。我们讨论了这些观察结果对控制COVID-19疫情的影响，强调有必要在大城市实施更积极的距离政策，同时保持社会经济活动。
2020-03-29 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
Importance of suppression and mitigation measures in managing COVID-19 outbreaks
我使用一个简单的流行病过程数学模型来评估四个基本量：繁殖数（R）、敏感个体（S）和传染性个体（I）的数量以及总社区规模（N）如何影响控制COVID-19的策略。数值模拟表明，在流行病开始时采取严格的抑制措施可以产生低传染性数字，此后可以通过更长时间的缓解措施来管理，以使流行病曲线变平。抑制措施越强，就能越快地实现有利于后续管理的低感染率。我们讨论了这种分析的预测，以及它如何适应长期的措施序列，包括使用群体免疫概念来利用获得性免疫。
2020-05-07 physics.soc-ph q-bio.PE
Disproportionate incidence of COVID-19 in African Americans correlates with dynamic segregation
社会经济差距往往在大规模灾难性事件的发生中发挥核心作用。持续的COVID-19大流行病最令人担忧的方面之一是，它对黑人和非洲裔美国人背景的影响不成比例，造成了意想不到的感染差距。有趣的是，对这些种族群体的异常影响似乎与其他风险因素几乎不相关，包括合并症，贫困，教育水平，获得医疗保健，居住隔离和对治疗的反应。对观察到的发病率差距的一个拟议解释是，来自非洲裔美国人背景的人更经常从事低收入服务工作，因此更容易通过面对面接触感染，但由于缺乏直接数据，迄今为止还不能在这个意义上得出强有力的结论。在这里，我们引入了动态隔离的概念，即由于流动性和通勤习惯，一个特定群体的人在内部聚集或暴露于其他群体的程度。通过分析美国120多个主要城市的人口普查和流动数据，我们发现非洲裔美国人社区的动态隔离与这些社区每周的COVID-19发病率和死亡率显著相关。结果证实，知道人们通勤的地方，而不是他们住在哪里，对疾病建模更有意义。
2020-07-08 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
COVID-19: $R_0$ is lower where outbreak is larger
我们使用意大利伦巴第大区（受COVID-19疫情影响最严重的地区）的每日数据，对每个城市单独校准SIR模型。这些都由同一个卫生系统覆盖，在我们关注的封锁后阶段，所有这些都受到相同的社交距离规定的约束。我们发现，在分析期开始时病例数较高的城市扩散率较低，这不能归因于群体免疫。特别是，有一个强大的和非常显着的负相关性之间的估计基本繁殖数（$R_0$）和初始爆发规模，在相反的作用$R_0$作为一个\emph{predictor}的爆发规模。我们探讨了对这一现象的不同可能解释，并得出结论，更多的病例会导致行为的改变，例如在人群中采取更严格的社交距离措施，从而减少传播。这一结果要求透明、实时地分发详细的流行病学数据，因为这些数据会影响受疫情影响地区人口的行为。
2020-04-16 econ.GN physics.soc-ph q-bio.PE
A Dynamical Framework for Modeling Fear of Infection and Frustration with Social Distancing in COVID-19 Spread
在本文中，我们介绍了一种新的建模框架，将感染的恐惧和挫折与社会距离到疾病的动力学。我们发现，由此产生的SEIR行为感知模型有三个主要模式的定性行为-没有爆发，控制爆发，和不受控制的爆发。我们还表明，该模型可以产生短暂的和持续的感染波符合二次爆发。我们将该模型与来自多个地区的COVID-19病例和死亡率数据进行了拟合。我们的分析表明，在第一波感染后出现显著下降的地区，如加拿大和以色列，更有可能遏制第二波感染，而在最初减缓疾病传播方面仅取得适度成功的地区，如美国，可能会出现大量的第二波或不受控制的疫情。
2020-08-13 math.DS physics.soc-ph q-bio.PE
COVID-19 Outbreak in Pakistan: Model-Driven Impact Analysis and Guidelines
受COVID-19在全球迅速传播的影响，我们对不同可能情况下的系统动态流行病传播模型进行了模拟。模拟不仅捕捉了病毒传播的模型动态，而且还考虑了人口和流动性数据。该模型是根据流行病数据和事件，特别是巴基斯坦，这可以很容易地推广校准。模拟结果相当令人不安，表明即使有严格的社交距离和测试策略，在相当长的时间内（甚至超过一年），传播将是显著的（成千上万）。真正的警报是，当这些措施中的一些在这段时间内被短时间泄露时，这可能导致灾难性的情况，数百万人将被感染。
2020-03-31 math.OC 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
Quickest Detection and Forecast of Pandemic Outbreaks: Analysis of COVID-19 Waves
截至二零二零年十二月，COVID-19疫情已在全球范围内造成逾170万人死亡，并令全球最先进的医疗系统承受沉重压力。在许多国家，政治当局采取的严厉限制措施，如全国封锁，并没有阻止新的大流行浪潮的爆发。在这篇文章中，我们提出了一个综合的检测-估计-预测框架，该框架使用公开可用的数据，旨在：（i）了解大流行的相关特征（例如，感染率）;（ii）尽快发现传染病指数增长的开始（或结束）;及（iii）可靠地预测大流行病的演变。通过分析美国的COVID-19第二波和第三波，验证了所提出的解决方案。
2021-04-21 eess.SP physics.soc-ph q-bio.PE
A model-based assessment of social isolation practices for COVID-19 outbreak response in residential care facilities
本文通过智能体模型评估养老护理机构中一般性社会隔离对 COVID-19 疫情的控制效果，发现其在无症状筛查和确诊病例隔离之外仅带来约 12% 的额外病例减少，边际效益有限。
2024-09-02 q-bio.PE
Modeling of Asymptotically Periodic Outbreaks: a long-term SIRW2 description of COVID-19?
随着COVID-19爆发进入第三个年头，我们现在有足够的数据可以用数学模型分析大流行在一段长时间内的行为。大流行病交替出现高感染率和低感染率时期，这一方式揭示了可用于可靠预测的数学模型的性质。这里提出的模型的主要假设是，振荡行为是爆发的结构特征，即使没有假定的系数的时间依赖性。因此，它应该反映在极限环作为渐近解的存在。这源于引入（i）基于免疫增强剂概念的非线性减弱免疫力（已用于其他病理）;（ii）区分首次感染/接种的个体和已感染/接种、经历新感染/剂量的个体的区室精细描述。我们提供了一个概念证明，我们的新模型能够再现许多传染病的长期振荡行为，特别是感染波的周期性。周期解是模型固有的，并且在不及时改变参数值的情况下实现。这可能是COVID-19和类似疾病长期建模的重要一步，因为解决方案的自然、非强制行为显示了COVID-19大流行期间观察到的定性特征。
2022-03-15 math.DS q-bio.PE
A machine learning methodology for real-time forecasting of the 2019-2020 COVID-19 outbreak using Internet searches, news alerts, and estimates from mechanistic models
Boston Children’s Hospital（波士顿儿童医院）；Harvard Medical School（哈佛医学院）；Tecnológico de Monterrey（蒙特雷理工学院）；Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院）；Northeastern University（东北大学）；ISI Foundation（ISI基金会）
我们提出了一种及时而新颖的方法，通过可解释的机器学习方法，将来自机械模型的疾病估计与数字痕迹相结合，以实时可靠地预测中国各省的COVID-19活动。具体来说，我们的方法能够产生稳定和准确的预测2天前的当前时间，并作为输入（a）从中国疾病预防控制中心的官方健康报告（中国疾病预防控制中心），（b）百度的COVID-19相关互联网搜索活动，（c）Media Cloud报告的新闻媒体活动，以及（d）GLEAM对COVID-19活动的每日预测，一种基于代理的机械模型。我们的机器学习方法使用聚类技术，可以利用中国各省COVID-19活动的地理空间同步性，并使用数据增强技术来处理少量的历史疾病活动观察结果，这是新爆发的特征。我们的模型在中国32个省份中的27个省份的预测能力优于一系列基准模型，并且可以轻松扩展到目前受COVID-19疫情影响的其他地区，以帮助决策者。
2020-04-08 cs.LG q-bio.PE stat.ML
Modeling, state estimation, and optimal control for the US COVID-19 outbreak
新型冠状病毒SARS-CoV-2和由此产生的COVID-19疾病已经史无前例地传播，并继续在全球范围内造成越来越多的死亡人数。虽然疫苗仍在开发中，但保持社交距离、广泛检测和对确诊感染者进行隔离仍然是遏制大流行的最有效措施。这些措施带来了巨大的社会经济成本。在这项工作中，我们介绍了一种新的基于优化的决策框架，用于管理美国的COVID-19疫情。这包括对受影响人群的动态进行建模，从数据中估计模型参数和隐藏状态，以及用于对社交距离和测试事件进行排序的最佳控制策略，以使感染数量最小化。对我们大量计算工作的分析表明，社交距离和隔离在早期实施时最有效，对确诊感染受试者的隔离具有更高的影响。此外，我们发现，在严格的社交距离和放松这些限制之间交替的“开关”政策可以有效地“拉平”曲线，同时可能最大限度地减少社会和经济成本。
2020-04-18 math.OC q-bio.PE
Course of the first month of the COVID 19 outbreak in the New York State counties
我们说明并研究了从3月1日至4月1日整个纽约州以及每个县报告的感染情况的演变。我们寻找指数趋势，并试图了解这些趋势的时间和动态是否与国家规定的社交距离和测试措施有任何相关性。我们的结论是，4月1日的报告可能严重低估了全州感染的实际数量，我们建议在未来几周内重新评估数据，以监测暂停指令的影响，以及作为验证措施的伤亡人数的增加。
2020-04-10 physics.soc-ph q-bio.PE
SEIR and Regression Model based COVID-19 outbreak predictions in India
COVID-19疫情已成为该国的主要威胁。到目前为止，没有经过充分测试的药物或解毒剂可以治愈这种疾病。根据世卫组织的报告，COVID-19是一种严重急性呼吸系统综合征，通过呼吸道飞沫和接触途径传播。对这一疾病的分析需要政府给予极大的关注，采取必要步骤，减少这一全球流行病的影响。在这项研究中，分析了印度截至2020年3月30日的这种疾病的爆发情况，并预测了未来两周的病例数。SEIR模型及回归模型已根据于二零二零年一月三十日至二零二零年三月三十日期间从约翰霍普金斯大学储存库收集的数据进行预测。用RMSLE对模型的性能进行了评价，SEIR模型的性能达到1.52，回归模型的性能达到1.75。SEIR模型和回归模型之间的RMSLE误差率为2.01。此外，计算出疾病传播的R 0值为2.02。预计在未来两周内，病例可能会增加5000-6000例。这项研究将有助于政府和医生准备未来两周的计划。基于对短期间隔的预测，这些模型可以被调整用于长期间隔的预测。
2020-04-01 q-bio.PE
Generalized logistic growth modeling of the COVID-19 outbreak: comparing the dynamics in the 29 provinces in China and in the rest of the world
COVID-19始于中国武汉，已蔓延至全球。我们将Logistic增长模型、广义Logistic增长模型、广义Richards模型和广义增长模型校准到中国全国、中国29个省和33个已经或正在发生重大疫情的国家和地区的报告感染病例数。我们剖析了疫情在中国的发展，以及在总体水平和每个省份内采取严厉控制措施的影响。我们定量地记录了中国爆发的四个阶段，并详细分析了各省之间的异质性情况。中国实施的极端遏制措施非常有效，各省之间存在一些具有指导意义的差异。借鉴中国的经验，我们对其他国家的疫情发展进行了情景预测。我们发现，14个国家（主要在西欧）的疫情已经结束，而其中几个国家的病例又死灰复燃。模拟结果清楚地表明，西方国家的后峰轨迹较长，而中国大部分省份的后峰轨迹的特点是衰减快得多。我们确定了处于不同疫情进展水平的三组国家，并为当前的全球大流行提供了信息性影响。
2020-09-23 physics.bio-ph q-bio.PE stat.AP
Metropolitan-scale COVID-19 outbreaks: how similar are they?
在这项研究中，我们使用2020年1月21日至3月25日的美国县级COVID-19病例数据，研究大都市规模病例增长的指数行为。特别是，我们假设所有本地化的爆发都处于早期阶段（无论是经历指数增长的情况下，或有效地控制），并比较不同的简单指数和线性增长模型的解释性能为不同的大都市地区。虽然我们发现城市规模与指数增长率之间没有关系（与$R0$直接相关，后者表示受感染个体感染的平均病例数），但我们确实发现，较大的城市似乎更早开始指数传播，因此在提交时处于大流行的更高级阶段。我们还使用最近的数据来计算我们模型的预测误差，并发现在许多城市，在3月26日之前的数据上训练的指数增长模型对最近一段时间（3月26日至30日）的病例数量预测效果不佳，这可能表明通过社交距离促进的新病例数量减少。
2020-04-06 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
Impact of contamination factors on the COVID-19 evolution in Senegal
在这篇文章中，我们对撒哈拉以南国家之一（热区）塞内加尔（西非）的COVID-19进行了分析。许多问题仍然没有答案：为什么非洲大陆与其他大陆相比没有受到严重污染。在分析污染因素时，考虑了交叉免疫、温度、种群密度、年龄等因素。对未来一周的预报进行了数值模拟。
2020-06-29 physics.soc-ph q-bio.PE
