The D model for deaths by COVID-19
我们提出了一个简单的分析模型来描述冠状病毒（COVID-19）感染造成的死亡人数快速增加。“D”（死亡）模型来自SIR（易感染-感染-康复）模型的简化版本，称为SI模型。它假设没有恢复。在这种情况下，动力学方程可以解析地求解，并且结果被扩展到描述依赖于我们可以拟合到数据的三个参数的D函数。来自西班牙，意大利和中国的数据的结果。通过与中国死亡数据的比较，验证了该模型的有效性。这使得可以预测西班牙和意大利的疾病发展。
2020-03-30 physics.soc-ph q-bio.PE
Vaccine-escape and fast-growing mutations in the United Kingdom, the United States, Singapore, Spain, South Africa, and other COVID-19-devastated countries
最近，来自英国、南非和巴西的SARS-CoV-2变种因其感染性增加、潜在的高毒力以及对现有疫苗和抗体疗法的可能威胁而受到广泛关注。问题仍然是，是否有其他更具传染性的变种在世界各地传播。我们对来自患者的252，874个SARS-CoV-2基因组分离株进行了大规模研究，以确定刺突（S）蛋白受体结合结构域（RDB）上的许多其他快速增长的突变。我们发现，在95个观察到超过10次的显著突变中，有88个增强了RBD与宿主血管紧张素转换酶2（ACE 2）之间的结合，表明病毒向更具感染性的变体进化。特别是，我们发现了新的快速生长的RBD突变N439 K，L452 R，S477 N，S477 R和N501 T，它们也增强了RBD和ACE 2的结合。我们进一步揭示了涉及英国（UK），南非和巴西变体的突变N501 Y可能会适度削弱RBD与许多已知抗体之间的结合，而在南非和巴西变体中发现的突变E484 K和K417 N可能会破坏RDB与许多已知抗体之间的结合。在三种新发现的快速增长的RBD突变中，L452 R（现在被称为加利福尼亚变体B.1.427的一部分）和N501 T能够有效地削弱许多已知抗体与RBD的结合。最后，我们假设RBD突变可以同时使SARS-CoV-2更具感染性并破坏现有的抗体，称为疫苗逃逸突变，将对目前的疫苗作物构成迫在眉睫的威胁。最有可能的疫苗逃逸突变列表，包括N501 Y，L452 R…
2021-03-21 q-bio.PE q-bio.QM
Logistic approximations used to describe new outbreaks in the 2020 COVID-19 pandemic
本研究使用Logistic模型拟合中国、伊朗等六国COVID-19每日死亡数据，预测各国死亡人数区间，发现韩国死亡增长率最低、西班牙等较高，还通过简易模型观察到部分国家内新疫情暴发。
2020-03-24 physics.bio-ph q-bio.PE
In Response to COVID-19: Configuration Model of the Epidemic Spreading
提出了一种基于无标度网络的传染病传播结构模型。我们得到的解析解描述了传染病传播的不稳定和稳定的动力学，并演示了如何这些制度可以在流行病的交换。我们将该模型应用于COVID-19病例，并展示了我们模型的预测特征。
2020-07-08 physics.soc-ph q-bio.PE q-bio.QM
Day Level Forecasting for Coronavirus Disease (COVID-19) Spread: Analysis, Modeling and Recommendations
于二零二零年三月中旬，COVID-19等冠状病毒被宣布为国际流行病。超过118个国家记录了超过125000例确诊病例和4,607例死亡病例。不幸的是，冠状病毒疫苗如果真的有效，预计至少需要18个月。此外，COVID-19疫情可能会变异成更具侵略性的形式。有关COVID-19传播的日级信息对于衡量这种新病毒在全球的行为至关重要。因此，本研究使用时间序列模型和数学公式对COVID-19受影响病例的日级预测模型进行比较。预测模型和数据强烈表明，在不强制隔离、限制旅行和公共集会以及关闭学校、大学和工作场所（社会距离）的国家，冠状病毒病例数量呈指数级增长。
2020-03-15 q-bio.PE stat.AP
An ARIMA model to forecast the spread and the final size of COVID-2019 epidemic in Italy
冠状病毒病（COVID-2019）是一种正在全球迅速蔓延的严重新型流行病。意大利被广泛认为是疫情的主要中心之一，至今已录得全球最高的COVID-2019死亡率及死亡人数。在这篇文章中，我估计了一个自回归综合移动平均（ARIMA）模型，通过使用意大利国家和地区层面的流行病学数据来预测2020年4月4日之后的流行趋势。该数据指的是意大利卫生部（www.salute.gov.it）在2020年2月20日至4月4日期间正式登记的每日确诊病例数。这种模式的主要优点是易于管理和适应。此外，它可以通过提出假设的流行病的拐点和最终规模，初步了解基本趋势。
2020-04-06 q-bio.PE stat.AP
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
Anomalous atmospheric circulation favored the spread of COVID-19 in Europe
目前由冠状病毒SARS-CoV-2引起的大流行正在全球范围内产生负面的健康、社会和经济后果。在欧洲，疫情于二零二零年二月底及三月初开始强劲发展。它随后在欧洲大陆蔓延，在意大利北部和西班牙内陆具有特殊的毒性。在这项研究中，我们表明，2020年2月欧洲西南部普遍存在的异常持续反气旋情况（即北大西洋和北极涛动的强烈正相）可能导致意大利和西班牙在空气温度和湿度方面的有利条件，与欧洲其他国家相比，该病毒的传播速度更快。这似乎是合理的，在这些地区占主导地位的强大的大气稳定性和相关的干燥条件可能有利于病毒的传播，通过短距离飞沫传播以及可能通过长距离气溶胶（空气传播）传播。
2020-04-26 physics.ao-ph q-bio.PE
Simulations of the spread of COVID-19 and control policies in Tunisia
在这项工作中，我们使用突尼斯的数据开发并分析了COVID-19的流行病学模型。我们的目标首先是评估突尼斯对COVID-19的控制政策，其次是了解不同的筛查、隔离和遏制策略的影响以及无症状患者对病毒在突尼斯人口中传播的规律。通过这项工作，我们表明，突尼斯的控制政策是有效的，在筛选感染者和无症状的个人，如果遏制和宵禁保持流行病将很快得到控制。
2020-05-02 q-bio.PE
Analytical solution of SEIR model describing the free spread of the COVID-19 pandemic
本文研究了SEIR（Susceptible Exposed Infectious Removed）传染病模型.其目的是为受COVID-19大流行影响的人群的峰值和渐近值及其特征时间提供简单的分析表达式。
2020-12-26 physics.soc-ph q-bio.PE
Using VERA to explain the impact of social distancing on the spread of COVID-19
COVID-19继续在全国和世界各地蔓延。目前管理COVID-19传播的策略包括保持社交距离。我们介绍了交互式人工智能工具VERA，它首先使用户能够指定社交距离对COVID-19传播影响的概念模型。然后，VERA从概念模型中自动生成基于代理的模拟，并在给定数据集的情况下，自动填充来自数据的模拟参数值。接下来，用户可以查看仿真结果，并且如果需要，可以修改仿真参数并运行另一个实验性试验，或者构建替代的概念模型。我们描述了如何使用VERA来开发一个SIR模型，用于COVID-19的传播及其与医疗能力的关系。
2020-03-30 cs.CY cs.HC q-bio.PE
Describing, modelling and forecasting the spatial and temporal spread of COVID-19 -- A short review
本综述总结SARS-CoV-2全球传播证据及建模预测方法，并提及2020年末新变种，旨在理解和预测疫情时空扩散。
2021-02-04 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
A new fractional model in Caputo sense for studying the dynamics of COVID-19 spread in France
COVID-19疫情在全球迅速蔓延，几乎所有涉及法国的国家的公共卫生都面临沉重负担。在SARS-CoV-2传播后，法国总共收获了许多死亡病例。在本文中，我们开发了整数阶和分数阶模型，以研究法国医院和重症监护室（ICU）中COVID-19传播的动态。此外，本文旨在利用现有的实际数据，探讨预防措施对整个法国的COVID-19医院和ICU感染病例总数的影响。
2022-08-11 math.DS physics.soc-ph q-bio.PE
Preliminary analysis of COVID-19 spread in Italy with an adaptive SEIRD model
在本文中，我们提出了一个易感-感染-暴露-死亡-死亡（SEIRD）差分模型，用于分析和预测意大利部分地区的COVID-19传播，使用意大利Protezione Civile从2020年2月24日开始的数据。在这项研究中，调查的适应模型。由于意大利政府在不同时间实施了几项限制措施，从2020年3月8日开始，我们建议通过引入时间相关的传输速率来修改SEIRD。在数值结果中，我们报告了最先受到COVID-19疫情影响的三个意大利地区（伦巴第、威尼托和艾米利亚-罗马涅）的最大感染传播。一旦获得更多的数据，这一方法将陆续推广到意大利其他地区。
2020-03-22 q-bio.PE
A scaling approach to estimate the COVID-19 infection fatality ratio from incomplete data
自2020年初中国正式宣布首次爆发SARS-CoV-2以来，它已经扰乱了全球数十亿人的生活。然而，它的致命程度或在不同国家的传播程度等重要问题仍然没有答案。在这项工作中，我们利用“普遍”增长的死亡率随着年龄的增长，观察到在不同的国家，因为他们各自的爆发，结合在西班牙人口的抗体流行率测试的结果，揭开这两个未知数。我们验证这些结果与类似的抗体率调查在瑞士日内瓦州。我们还认为，在大多数国家，70岁以上的官方死亡人数被严重低估，我们使用官方记录与死亡证明中提到COVID-19的死亡人数之间的比较来量化多少。利用这些信息，我们估计了不同年龄段的病死率感染率（IFR）和不同国家感染人口的比例，假设所有年龄段的病毒暴露一致。我们还使用西班牙的血清流行病学结果对非统一IFR进行了估计，显示出死亡率随年龄增长的非常相似的增长。仅在西班牙，我们估计了被确定为病例、住院或住进重症监护室的概率（如果感染）与年龄的关系。总的来说，我们观察到死亡率随着年龄的增长几乎呈指数增长，这预计在不同人口分布的国家中，总IFR存在很大差异，从意大利的1.82%到中国的0.62%，甚至是非洲中部的0.14%。
2021-01-27 physics.med-ph physics.soc-ph q-bio.PE
On the heterogeneous spread of COVID-19 in Chile
非药物干预（NPI）在控制COVID-19传播方面发挥了至关重要的作用。然而，国家之间和国家内部的NPI效果差异很大，主要是因为人口和行为的异质性。在这项工作中，我们采用了一个多组SEIRA模型来研究COVID-19在智利的传播动态，该模型通过不同的组来代表该国地理上分离的地区。我们使用全国动员统计数据来估计地区之间的连通性，并使用来自政府数据库的数据来获得每个地区的COVID-19传播率和死亡率。然后，我们通过研究生殖数Rt的时间演变来评估不同NPI的有效性。分析Rt的数据驱动和基于模型的估计，我们发现不同地区之间存在很强的耦合，突出了有组织和协调行动控制SARS-CoV-2传播的必要性。最后，我们评估了不同的情景，以预测COVID-19在人口最密集地区的演变，发现提前解除限制可能会导致新的疫情爆发。
2021-06-25 physics.data-an q-bio.PE
Monitoring the spread of COVID-19 by estimating reproduction numbers over time
为了控制目前2019年冠状病毒病的爆发，需要对疫情进行持续监测，因为截至目前，还没有针对它的疫苗或抗病毒药物。我们在https://stochastik-tu-ilmenau.github.io/COVID-19/上提供每日更新的繁殖数量估计。在本文中，我们描述了我们正在使用的估计量，该估计量是在（Fraser 2007）中开发的，推导出其渐近性质，并详细介绍了其实现。此外，我们验证了模拟数据上的估计，证明了真实数据上的估计导致合理的结果，并进行了敏感性分析。最后，我们讨论了为什么获得的估计需要小心解释。
2020-04-18 q-bio.PE stat.AP stat.ME
A Bayesian spatio-temporal study of meteorological factors affecting the spread of COVID-19
本文利用贝叶斯时空模型分析英格兰首次封锁期间气象条件对 COVID-19 传播的影响，发现湿度与传播呈负相关，并提示制定政策时应谨慎对待季节性因素。
2023-08-07 q-bio.PE
A multi-group SEIRA model for the spread of COVID-19 among heterogeneous populations
COVID-19的爆发及传播对现代社会构成重大挑战。特别是各国政府为防止病毒传播而采取的不同限制性行动，改变了人类交往和设想交往的方式。由于地理，行为或经济因素，人口中的不同亚组更有可能（或更少）相互作用，从而传播/获得病毒。在这项工作中，我们提出了一个通用的多组SEIRA模型，用于表示COVID-19在异质人群中的传播，并在数值研究案例中对其进行了测试。通过强调其适用性和其一般配方可以适应特定的研究，我们希望我们的模型，使我们更好地了解这种流行病的演变和更好的公共卫生政策，以控制它。
2020-04-28 q-bio.PE
A reaction-diffusion system to better comprehend the unlockdown: Application of SEIR-type model with diffusion to the spatial spread of COVID-19 in France
考虑到易感、暴露和无症状个体的平均每日移动，开发了一个反应扩散模型来描述COVID-19病毒的传播。该模型使用来自法国的确诊感染和死亡数据及其初始空间分布进行了校准。首先研究了偏微分方程组，然后导出了基本再生数R 0。其次，基于水平集和有限差分相结合的数值模拟显示了COVID-19从3月16日到6月16日的空间传播。最后，根据距离变化或部分空间锁定的情况下，解锁进行比较。
2020-05-06 math.AP 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
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
An empirical model on the dynamics of Covid-19 spread in human population
我们提出了一个数学模型来分析一个地区在持续的大流行中感染新冠病毒的总人数的时间演变。利用各国新冠病毒感染人口的现有数据，我们建立了一个模型，该模型可以成功跟踪这种传染病在给定波中从早期到饱和期的时间演变。它涉及一组可以从现有数据中提取的有效参数。利用这些参数，还可以预测疾病传播的未来轨迹。还提出了一组微分方程，其解是这些时间演化轨迹。使用这种形式主义，我们预测了一些国家的感染传播的未来时间演变轨迹，这些国家的COVID-19感染仍在迅速上升。
2020-08-13 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
Characterizing the spread of CoViD-19
自疫情开始以来，来自世界各地的CoViD-19病例，住院和死亡的每日报告已公开。本文介绍了方法来表征疾病的传播的广泛特点，相对较长的时间内恒定的传播率，使用一个新的人口建模框架的基础上离散时间差分方程。选择比较参数是因为它们对模型假设的依赖性较弱。他们的点和区间估计的方法，占额外的方差来源的情况下的数据，提出。这些方法为使用公开数据定量评估社交距离政策变化的影响提供了基础。作为例子，安大略省和德国各州的数据进行了分析，使用这个框架。德国病例数据显示，在2020年5月6日放宽封锁规则后，传播率略有增加。通过结合来自德国的病例和死亡数据，估计从感染到死亡的时间的平均值和标准差。
2020-07-14 physics.soc-ph q-bio.PE stat.AP
Modeling COVID-19 Spread in Small Colleges
我们在一个网络上开发了一个基于代理的模型，旨在捕捉COVID-19在一个小型住宿学院中传播的独特特征。我们发现，一个安全的重新开放需要强有力的政策，从管理员结合学生的谨慎行为。强有力的政策包括每周一次的筛查测试，快速周转和减半的校园人口。学生的谨慎行为意味着戴口罩，减少社交，并出现COVID-19检测。我们还发现，全面的测试和口罩是最有效的单一干预措施，建筑物的封闭可能会导致其他地区的感染高峰，这取决于学生的行为，更快的测试结果返回显着减少总感染。
2020-08-21 physics.soc-ph q-bio.PE
The geographic spread of COVID-19 correlates with the structure of social networks as measured by Facebook
我们使用Facebook的汇总数据显示，COVID-19更有可能在社交网络连接更强的地区之间传播。与两个早期COVID-19“热点”（美国纽约州韦斯特切斯特县和意大利洛迪省）有更多社会联系的地区，到3月底通常有更多的COVID-19确诊病例。在控制了到热点的地理距离以及该地区的人口密度和人口统计数据之后，这些关系仍然存在。随着疫情在美国蔓延，一个县与最近的COVID-19病例和死亡人数的社会接近程度，可以预测未来的爆发，而不仅仅是物理接近程度和人口统计数据。部分由于其广泛的覆盖范围，社交联系数据为基于智能手机位置或在线搜索数据的测量提供了额外的预测能力。这些结果表明，来自在线社交网络的数据可能对流行病学家和其他希望预测COVID-19等传染病传播的人有用。
2020-12-11 cs.SI physics.soc-ph q-bio.PE
Using a physical model and aggregate data to estimate the spreading of Covid-19 in Israel in the presence of waning immunity and competing variants
自COVID-19病毒首次在中国发现以来的两年多里，已有数亿人感染，数百万人死亡。除了迫切需要医疗解决方案（如疫苗和药物）来治疗这一流行病之外，日冕大流行还加强了对数学模型的需求，这些模型可以预测大流行病在不断变化的现实中的传播。在这里，我们提出了一种基于统计物理学基本原理的新型动态粒子模型，该模型能够预测在有效疫苗存在的情况下Covid-19的传播。这种粒子模型使我们能够准确地检查疫苗对接种人群和整个人群的不同亚群的影响，并确定疫苗的衰减。此外，粒子模型可以预测两种竞争变体随时间的流行率及其相关的发病率。
2022-05-16 q-bio.PE
Modeling the spread of COVID-19 pandemic in Morocco
如今，2019冠状病毒病（COVID-19）对全球公共卫生和经济构成了巨大威胁。不幸的是，目前还没有治疗这种疾病的有效药物。为此，多个国家已采取多种预防性干预措施，以避免COVID-19的传播。在这里，我们提出了一个延迟的数学模型来预测COVID-19在摩洛哥的流行趋势。对模型的参数估计和敏感性分析进行了严格的研究。此外，提出了数值模拟，以测试摩洛哥当局实施的预防措施和战略的有效性，并帮助决策者和公共卫生管理部门制定这样的战略。
2020-10-08 q-bio.PE
The challenges of modeling and forecasting the spread of COVID-19
我们为COVID-19提出了三种数据驱动的模型类型，这些模型具有最少的参数，可以深入了解疾病的传播情况，从而可用于制定政策应对措施。第一种是指数增长，在早期数据分析中被广泛研究。第二个是一个自激分支过程模型，其中包括传输和恢复延迟。它允许对早期随机数据进行有意义的拟合。第三个是著名的易感-感染-耐药（SIR）模型及其表亲SEIR，具有“暴露”成分。所有这三个模型都是定量相关的，SIR模型用于说明美国短期距离措施的潜在影响。
2020-04-09 q-bio.PE
Why a Mayor cannot Change the Course of a Pandemic -- An agent-based Study on the Covid Spread on Local Level in Germany
该研究利用基于智能体的模拟考察德国莱茵兰-普法尔茨州第二波疫情中地方发病率差异，发现其可完全由人口统计和统计效应解释，而非地方干预因素。
2023-12-18 physics.soc-ph q-bio.PE
Modeling the dynamics of COVID-19 transmission in India: Social Distancing, Regional Spread and Healthcare Capacity
在以健康为中心的治理新模式中，决策者不断需要适当的衡量标准和估计数，以便以非武断的方式确定最佳政策。因此，本文开发了COVID-19传播的分区模型，以促进政策制定。一个社交距离车厢被添加到模型中，并说明其效用在量化自愿社交距离的大小。作出了修改，以纳入区域间移徙，并提出了适当的衡量标准，以量化移徙对案件增加的影响。的医疗保健能力建模和方法的开发，以研究的后果饱和的医疗保健系统。该模型及相关措施用于研究COVID-19在印度的传播和传播性质，并得出适当的见解。
2022-04-19 q-bio.PE
Containment effort reduction and regrowth patterns of the Covid-19 spreading
在所有国家，政治决策的目标是实现几乎稳定的配置，每天有少量新感染者因COVID-19而感染。当达到这样的条件时，遏制努力通常会减少，有利于社会生活和各种经济部门的逐步重新开放。然而，在这个新的阶段，感染传播重新开始，对再生长的定量分析是非常有用的。我们讨论一个宏观方法，根据新阶段开始后数天首次封锁期间收集的数据，概述新冠病毒扩散的较长时间不同情景。本文的目的是一个示范的概念：一个简单的增长模型，认为现有的数据，并显示如何可以获得的蔓延的未来趋势。该方法应用了与时间相关的承载力，类似于生物学、经济学和种群动力学中的许多宏观增长规律。分析了新加坡、法国、西班牙和意大利的典型案例。
2020-12-02 q-bio.PE
A SIR model assumption for the spread of COVID-19 in different communities
在本文中，我们研究了建模方法对新型COVID-19疾病传播引起的大流行的有效性，并开发了一个可验证的感染-清除（SIR）模型，该模型为研究其在社区内的传播提供了理论框架。在这里，该模型是基于著名的易感-感染-去除（SIR）模型，不同之处在于总人口本身没有定义或保持不变，易感个体的数量不会单调下降。相反，正如我们在这里所示，它可以在浪涌期间增加！特别是，我们调查了不同人群的时间演变，并监测了疾病在不同社区（以美国德克萨斯州和国家为代表）传播的各种重要参数。SIR模型可以为我们提供有关病毒在社区中传播的见解和预测，这是单靠记录数据无法做到的。我们的工作表明了通过我们在这里提出的SIR模型对COVID-19传播进行建模的重要性，因为它可以通过提供有价值的预测来帮助评估疾病的影响。我们的分析考虑了2020年1月至6月的数据，这一时期包含了实施严格控制措施之前和期间的数据。我们对2020年9月之前与COVID-19传播相关的各种参数以及易感、感染和移除人群的数量提出了预测。通过将记录的数据与我们的建模方法的数据进行比较，我们推断，如果实施适当的限制和强有力的政策以在疾病传播早期控制感染率，COVID-19的传播可以在所有考虑的社区得到控制。
2020-06-18 physics.soc-ph q-bio.PE
Impact of the Euro 2020 championship on the spread of COVID-19
像2020年欧洲足球锦标赛这样的大型活动提供了一个独特的机会来量化集会对COVID-19传播的影响，因为参与国家的比赛数量和日期类似于随机研究。使用贝叶斯模型和COVID-19数据中的性别失衡，我们将12个国家的840，000例（95% CI：[0.39M，1.26M]）COVID-19病例归因于冠军。影响非线性地依赖于初始发生率、再生数$R$和比赛次数。影响最大的是苏格兰和英格兰，那里每百万居民中有多达10，000例原发病例发生在与冠军有关的集会上。在比赛日，由比赛引起的平均$R$增加值为0.46 [0.18，0.75]，但重要比赛引起的增加值高达+3。总之，我们的研究结果提供了定量的见解，有助于判断和减轻大规模事件对流行病传播的影响。
2023-01-18 physics.soc-ph q-bio.PE
Forecasting the outcome and estimating the epidemic model parameters from the fatality time series in COVID-19 outbreaks
在没有其他工具的情况下，监测保护措施的效果，包括社交距离和预测疫情的结果，具有巨大的意义。实时数据是嘈杂的，并且经常受到报告中的系统性错误的影响。详细的流行病模型可能包含大量的经验参数，这些参数无法以足够的精度确定。在本文中，我们表明，累计死亡人数可以被视为一个主变量，和流行病的参数，如基本再生数，易感人群的大小，和感染率可以确定。在SIR模型中，我们导出了一个显式的单变量微分方程的累积死亡人数的发展。我们发现，在西班牙，意大利和湖北省，中国的流行病密切遵循这个主方程。我们讨论了与Logistic增长模型的关系，我们表明，它是一个很好的近似时，基本再生数小于$2.3$。该条件适用于湖北的疫情，但不适用于西班牙、意大利和纽约的疫情。不同之处在于中国的传染期较短，这可能是由于感染者的隔离政策。对于具有更多内部变量的更复杂的模型，例如SEIR模型，由于时间尺度的分离，从SIR模型导出的方程近似地保持有效。
2020-08-01 physics.soc-ph q-bio.PE
A Spatial Stochastic SIR Model for Transmission Networks with Application to COVID-19 Epidemic in China
世界各国政府已实施预防措施，以防止冠状病毒病（COVID-19）的传播。在这项研究中，我们考虑了一个多变量离散时间马尔可夫模型来分析COVID-19在中国33个省级地区的传播。这种方法使我们能够评估流动限制政策对疾病传播的影响。我们使用跨区域的日常人类流动数据，并应用贝叶斯框架来估计所提出的模型。结果显示，疫情在中国的传播主要由区域内的社区传播驱动，而地方政府推出的封锁政策遏制了疫情的蔓延。此外，我们的文件表明，湖北只是早期流行阶段的震中。北京和广东等二级震中已于二零二零年一月底确立，疫情蔓延至相关地区。在各区域实行人员流动限制后，来自这些震中的传播大幅下降。
2020-08-17 econ.GN physics.soc-ph q-bio.PE
An efficient explicit approach for predicting the Covid-19 spreading with undetected infectious: The case of Cameroon
本文考虑了一种显式数值格式，用于求解具有未发现传染病例的新冠肺炎疫情传播的数学模型。在$L^{\infty}$ -范数下分析了新方法的稳定性和收敛速度。所提出的方法是耗时较少。此外，该方法是稳定的，至少二阶收敛，可以作为一个强大的工具，为一般系统的常微分方程的集成。一套广泛的数字证据，考虑喀麦隆的情况下，提出和讨论。
2020-05-26 cs.NA math.NA 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
Geospatial Spread of the COVID-19 Pandemic in Mexico
COVID-19是一种传染性呼吸道疾病，世界卫生组织已宣布其为大流行病。虽然这是一个全球现象，但有必要在当地采取迅速和知情的行动，因为一些基本计划在很大程度上取决于文化、地理、法律和习俗等因素。本文介绍了我们在州和市一级绘制COVID-19在墨西哥地理空间传播的方法，这是卫生部提供的公开数据集中允许的最高分辨率。为了可视化感染的程度，我们提供了一个地图，为确认的阳性，待定，和死亡的情况下，而支持流动性，我们提供了一个地理空间可视化的$R_t$，基本的繁殖数。本文档描述了数据集的结构，所使用的软件工具，以及地图功能的描述，我们公开了该定义。
2020-06-14 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
Network structure of COVID-19 spread and the lacuna in India's testing strategy
我们描述了COVID-19在印度的传播网络，发现传播率为0.43，每天的病例增长是由在国外感染病毒的个人推动的。我们探讨的问题，这是否代表指数衰减的动态或仅仅是一个人工制品的印度的测试策略。检测主要限于来自高风险国家的个人及其直接接触者，这意味着该网络反映了来自有偏见的检测样本的阳性识别。鉴于检测水平普遍较低，而且几乎完全没有社区传播检测，我们很有可能错过疫情的实际性质。印度目前的病例量仍然很低，采取行动的时间可能很短，因此应该积极和系统地扩大社区传播的随机检测，包括对无症状病例的检测。这将有助于了解真正的传输特性，并为不久的将来做出适当的规划。
2020-03-21 physics.soc-ph q-bio.PE
SIRNet: Understanding Social Distancing Measures with Hybrid Neural Network Model for COVID-19 Infectious Spread
SARS-CoV-2传染病爆发迅速蔓延到全球，并促成了不同的政策，以实现物理距离，以减轻其影响。在这项研究中，我们提出了一个新的混合机器学习模型SIRNet，用于预测与流行病学模型耦合的COVID-19大流行的传播。我们使用分类的时空明确的手机移动数据作为替代标记的物理距离，随着人口加权密度和其他本地数据点。我们证明了在不同的地理粒度，目前正在讨论的政策领导人之间的物理距离选项的频谱流行病学显着差异的后果，从病毒灭绝到接近完全的人口流行。目前的流动性拐点因地理区域而异。SIRNet的实验结果建立了这种局部流动性的初步界限，渐近诱导遏制。该模型可以支持研究非药物干预措施和方法，最大限度地减少社会附带损害和控制机制的一段时间。
2020-04-22 q-bio.PE
Comprehensive Investigation and Isolation have Effectively Suppressed the Spread of COVID-19
自二零一九年十二月起爆发的COVID-19已在全球范围内造成严重的生命及经济损失，许多国家受困于医疗资源限制或缺乏针对性疗法，因此应优先实施系统性政策以阻止此大流行病。基于乙型冠状病毒的传播机制和理化特性，构建了细粒度传播动力学模型（ICRD），预测公众关注的关键信息，并利用动力学系数量化控制政策实施时间和强度对疫情传播的影响。我们发现，在确诊病例急剧增加的阶段，对易感人群的全面调查政策和对疑似病例的隔离，显著有助于减少伤亡。统计证据有力地表明，社会应该采取强有力的公共卫生干预措施，在流行的初期切断传染渠道，直到大流行被阻断。
2020-04-24 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
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
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
Forecasting COVID 19 growth in India using Susceptible-Infected-Recovered (S.I.R) model
这项工作涵盖了对COVID 19在不同国家传播的分析，并处理了COVID 19增长的主要特征，即由参数\b{eta}控制的社会接触结构引起的传播。该参数\b{eta}对社会传播水平的依赖性表明了为保持社会距离而采取的措施的有效性。使用Scipy在Python中硬编码了一个单独的算法，Scipy学习社交联系结构并为\b{eta}提供合适的值，这对结果的结果有重大影响。对印度的疫情传播进行了预测，发现印度严格的社交距离不足以应对COVID 19的增长。
2020-04-01 q-bio.PE
Age-Stratified COVID-19 Spread Analysis and Vaccination: A Multitype Random Network Approach
COVID-19导致严重疾病和死亡的风险随着年龄的增长而显著增加。因此，COVID-19动态的年龄分层建模是研究如何减少COVID-19住院和死亡率的关键。利用网络理论，我们建立了一个复杂接触网络中的年龄分层COVID-19流行病模型。具体来说，我们提出了一个扩展的标准SEIR（易感染-暴露-感染-移除）房室模型，称为年龄分层SEAHIR（易感染-暴露-无症状-住院-感染-移除）模型，以捕捉COVID-19在具有一般度分布的多类型随机网络上的传播。我们得出了几个关键的流行病学指标，然后提出了一个年龄分层的疫苗接种策略，以降低死亡率和住院率。通过大量的研究，我们发现疫苗接种优先顺序的结果取决于繁殖数R 0。具体而言，只有当R 0相对较高时，才应优先考虑老年人。如果正在进行的干预政策，如普遍掩蔽，可以将R 0抑制在相对较低的水平，优先考虑高传播年龄组（即，年龄在20-39岁的成年人）对降低死亡率和住院率最为有效。这些结论为基于年龄的COVID-19疫苗接种优先级提供了有用的建议。
2021-03-18 cs.SI physics.soc-ph q-bio.PE
Analyzing COVID-19 pandemic with a new growth model for population ecology
我们提出了种群生态学的一种新的增长率形式。一般来说，增长率取决于特定时期的人口规模。我们引入了另一种与时间相关的增长率形式。这种形式满足描述种群增长的必要条件，可以作为生长模型分析种群动力学的一种替代形式。我们采用广义Richards模型作为准则来比较我们的结果。此外，我们已经将我们的模型应用于流行病的情况。为了检验模型的有效性，我们对2003年SARS数据进行了验证。该模型具有较好的准确性，估计了最终的流行规模。其后，我们拟描述目前的2019冠状病毒病疫情。我们对意大利、西班牙和德国的数据进行了分析。接下来，我们试图预测COVID-19病例的数量以及美国、英国和印度的转折点。
2020-04-27 physics.bio-ph q-bio.PE
Differential Games in the spread of Covid-19
鉴于新冠肺炎疫情正在持续，了解中央规划者（政府）采取的措施和个人行为的综合结果是如何传播感染的，是很有意义的。在这项工作中，Covid-19的传播被建模为规划者和人口之间的可微博弈，并具有适当的疾病传播动力学方程。我们首先用改进的易感-感染-繁殖（SIR）方程来描述只有种群的平衡动力学，以突出平衡的定性性质。利用这一结果，我们制定了联合平衡曝光的规划者和人口之间的配置文件。此外，与新冠肺炎一样，无症状携带者的作用、检测、接触者追踪和预防方面的不足，可能导致与仅检测到的人数相比，严重低估了真实的感染人数。因此，必须在人口中的个人所作选择的背景下模拟真实的感染人数。要纳入这一点，我们扩展我们的框架，通过修改的动态，包括额外的子隔间的“未检测到的感染”和“检测到的感染”的疾病动态。这些人根据检测到的数字对感染者总数进行自己的估计，并根据这些估计制定策略。我们表明，这些考虑导致一个延迟的最优控制问题的球员。我们提出了一些模拟结果的基础上，这些结果来证明如何人口行为，计划者控制，检测率和信任报告的数字在疾病传播中发挥了关键作用。
2021-09-30 physics.soc-ph q-bio.PE
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
Projections for COVID-19 spread in India and its worst affected five states using the Modified SEIRD and LSTM models
2019年的最后一站出现了一种名为COVID-19（2019冠状病毒病）的病毒。自从印度出现这种感染以来，政府实施了几项政策和限制措施，以遏制其在人口中的传播。随着时间的推移，这些限制被放宽，人们被建议自行采取预防措施。印度政府及时采取的这些决定在很大程度上帮助减缓了COVID-19的传播。尽管作出了这些决定，但这一流行病继续蔓延，因此，迫切需要规划和控制这一疾病的蔓延。这可以通过找到关于传播的未来预测来实现。全球的科学家正在努力估计COVID-19的未来增长。本文提出了一个修正的SEIRD（易感-暴露-死亡-死亡）模型，用于预测印度及其病例总数最高的五个邦的COVID-19感染情况。在该模型中，暴露区室包含可能无症状但具有传染性的个体。本文还使用了基于深度学习的长短期记忆（LSTM）模型来执行短期预测。从拟议的修正SEIRD模型获得的预测也与LSTM对未来30天的预测进行了比较。本文使用截至2020年8月15日的流行病学数据进行预测。这些预测将有助于安排足够的医疗基础设施，并提供适当的预防措施，以应对目前的流行病。印度政府实施的不同封锁措施的影响也被用于拟议的修正SEIRD模型的建模和分析中。本文所载结果将为未来制定控制COVID-19在印度传播的政策提供指引。
2020-09-07 cs.CY physics.soc-ph q-bio.PE
