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
Calibrated Intervention and Containment of the COVID-19 Pandemic
COVID-19在短时间内发展成为全球性大流行病。症状前和无症状病毒携带者的传播使干预和遏制疾病极具挑战性。基于报告的感染病例研究，我们构建了一个流行病学模型，重点是围绕症状发作的传播。该模型是根据武汉以外地区大流行最初爆发期间的潜伏期和成对传播统计数据进行校准的，其中非药物干预最少。数学处理的模型产生显式表达式的潜伏和症状前的亚群的大小在指数增长阶段，与当地的流行病的增长率作为输入。然后，我们探索通过具体的疾病控制措施，如接触者追踪、检测、社交距离、戴口罩和就地避难，降低基本繁殖数R_0。当这些措施结合起来实施时，它们对R_0的影响成倍增加。我们亦将模型行为与COVID-19在多个受影响地区的第一波传播进行比较，并强调疫情发展的一般及较不一般的特征。
2020-11-17 cond-mat.stat-mech physics.bio-ph physics.soc-ph
An Investigation of Containment Measures Against the COVID-19 Pandemic in Mainland China
随着近期COVID-19疫情在全球迅速蔓延，各国已采取各种遏制措施以对抗COVID-19疫情。在中国大陆，遏制措施包括三种类型，即，武汉出行禁令、市内隔离检疫、城际出行限制。为了实施这些措施，地方经济和信息获取发挥着重要作用。本论文探讨当地经济与中国内地为抗击COVID-19疫情而采取的防控措施的相关性。首先，我们使用一个简约的模型，即，SIR-X模型，估计代表中国大陆主要城市实施市内隔离检疫的参数。为了了解城市内部隔离和隔离的执行情况，我们分析了地方经济、流动性和信息获取等代表性参数之间的相关性。为此，我们从一个广泛使用的网络地图服务中收集了国内生产总值（GDP）、武汉流入和流出的数据，以及COVID-19相关的搜索频率，即，百度地图和网络搜索引擎，即，百度搜索引擎，在中国大陆。在此基础上，我们确认了中国大陆主要城市的地方经济与信息获取执行之间的强相关性。我们进一步证明，尽管人均GDP高的城市吸引了更多的武汉流入，但人们更有可能采取隔离措施，减少外出到其他城市。最后，使用搜索数据的相关性分析表明，消息灵通的个人可能会采取遏制措施。
2020-07-17 cs.SI physics.soc-ph
Infection Kinetics of Covid-19: Is Lockdown a Potent Containment Tool?
新型冠状病毒肺炎（COVID-19，即2019冠状病毒病）正在肆虐，其死亡率与感染率之比是有史以来最高的。由于缺乏疫苗和治疗手段，封锁成为唯一的遏制方式，从而造成社会排斥。在6维感染动力学模型中利用机器学习的预测能力，描述6个感染阶段的交互式演变-健康易感者（$H$），易感共病（$P$），感染（$I$），已恢复（$R$），免疫畜群（$V$）和死亡率（$D$）--PHIRVD模型首次提供了18个国家在不同战略封锁阶段的准确死亡率预测，最多30天，比上次数据培训更长。PHIRVD将死亡率与感染率之比确定为正确的大流行描述符，取代了繁殖数，并强调了早期和长期但战略性封锁的重要性，以遏制二次复发。重要性声明：1.准确预测18个国家的每日死亡率概况，超过数据培训的最后数据30天。2.精确量化早期与后期封锁措施的影响。3.准确预测继发性复发时间线/ 4。确立死亡率与感染率之比作为正确的大流行描述符，取代了流行的繁殖数量选择，这在预测未来感染动力学和继发性激增方面被证明是失败的。这些结果有可能重新定义健康的政策格局，特别是考虑到二次复发和未来可能发生的SARS-COV/埃博拉群体入侵。
2020-09-11 physics.soc-ph q-bio.PE q-bio.QM
COVID-19 Epidemic in Mumbai: Projections, full economic opening, and containment zones versus contact tracing and testing: An Update
孟买是世界上人口最稠密的城市之一，在印度所有城市中，病例数量第四多，死亡人数最多（截至2020年10月28日）。与印度其他地区一样，自2020年3月25日以来，孟买一直处于不同程度的封锁状态。鉴于封锁以及对人员和货物流动的相关限制对该国造成了巨大的经济损失，迅速开放经济尤其是在孟买这样的金融中心变得至关重要。在这份报告中，我们使用IISc-TIFR代理为基础的模拟器开发长期预测孟买的现实情况下，孟买的开放的工作场所，或等效的，经济，以及相关的公共交通，通过当地的火车和公共汽车。这些预测是考虑到如果经济和当地列车在2020年11月1日或2021年1月1日完全开放，可能会出现第二波。如果学校和大学在2021年1月的第一周开放，对孟买感染传播的影响也被考虑在内。我们还试图解释在Ganeshotsav节以及Navratri/Dussehra和Diwali节期间人口之间的混合增加。根据我们的模拟，我们的结论是，只要合理的医疗基础设施到位，11月1日全面开放经济的影响是可控的。此外，1月份开学的学校和学院不会导致感染人数过度增加。该报告还探讨了接触者追踪与隔离区的相对有效性，并包括2021年2月为老年人接种疫苗的效果的初步结果。
2020-10-29 physics.soc-ph q-bio.PE
Evaluating the effect of city lock-down on controlling COVID-19 propagation through deep learning and network science models
COVID-19的特殊认识特征，如潜伏期长和通过无症状病例感染，对遏制其爆发提出了严峻挑战。截至2020年3月底，中国已成功控制COVID-19的内部传播，但代价高昂，包括震中武汉在内的大部分主要城市被封锁。由于在2020年2月中旬之前爆发数据的准确性较低，这对基于早期爆发的统计推断的研究构成了一个主要的技术问题。我们采用监督学习技术来识别和训练NP-Net-SIR模型，证明了在较差的数据质量条件下的鲁棒性。通过训练好的模型参数，分析了人口流动与跨区域传染联系强度之间的联系，并在此基础上进行了一组反事实分析，研究了封锁的必要性以及封锁与其他遏制措施之间的可替代性。我们的研究结果支持存在的非锁定类型的措施，可以达到相同的遏制结果的锁定，并提供了一个更灵活的遏制策略的设计有用的指导方针。
2020-09-04 physics.soc-ph q-bio.PE q-bio.QM
Optimal Testing and Containment Strategies for Universities in Mexico amid COVID-19
本文提出了一个针对墨西哥高校在COVID-19期间重新开放的检测与遏制框架，将诊断检测视为资源分配问题，开发了检测分配机制和Web应用，并在ITESM进行了试点。
2023-06-27 cs.CY cs.GT math.OC
Data-driven Contact Network Models of COVID-19 Reveal Trade-offs between Costs and Infections for Optimal Local Containment Policies
尽管美国已实施数项非药物措施数月以减缓冠状病毒病（COVID-19）大流行，但随着限制措施被解除以重振经济，该疾病在多个县仍是一种危险。在经济复苏和感染控制之间做出权衡是许多重灾县面临的重大挑战。了解传播过程和量化地方政策的成本对于应对这一挑战至关重要。在这里，我们研究了匿名的，地理定位的移动数据和人口普查和人口统计数据的人口动态接触模式，以创建数据驱动的，基于代理的接触网络。然后，我们在美国的10个大都市县模拟了随时间变化的传染模型的流行病传播，并评估了流动性减少，口罩使用和重新开放政策的组合。我们发现，我们的模型捕捉到的时空和异质性的情况下，在不同的国家动态人口行为的基础上的轨迹。我们的研究结果表明，一个决策工具，同时考虑经济成本和感染的政策结果，可以在决策的地方遏制战略的经济放缓和病毒传播的最佳平衡的信息。
2021-04-03 cs.SI nlin.AO physics.soc-ph
The fractal time growth of COVID-19 pandemic: an accurate self-similar model, and urgent conclusions
COVID-19疫情全球影响的现有数据已使用维度分析和自相似假设进行分析。我们发现，受影响最严重和没有准备的国家的感染人口和死亡人数的时间序列表现出渐近幂律行为，与分形网络中信号的传播相兼容。我们提出了一个模型，它预测了一个渐进的自相似扩展的死亡人数在时间之前的遏制，并在总遏制措施下的最终死亡人数，作为一个函数，在采取这些措施后，观察到的扩展延迟。该模型的物理性质类似于分形维数为3.75的均匀域中火焰的膨胀。在采取遏制措施后，网络的自然分形结构发生了急剧变化，并观察到二次演化。根据中国大流行行为的现有数据，这种演变类似于静态隔离封闭空间中的均匀燃烧和最终淬火，其特征时间为20.1天。所提出的模型与现有数据非常一致，这支持了模型中所做的简化假设。还提出了一个作为延迟函数的隔离的通用公式。
2020-03-31 nlin.AO physics.soc-ph q-bio.PE
Containment strategies after the first wave of COVID-19 using mobility data
在应对COVID-19疫情时，各国政府面临着平衡公共卫生和经济的困境。流动性在这一困境中发挥着核心作用，因为人员流动既促进了经济活动，也促进了病毒传播。我们使用的移动性数据的区域之间的旅客计数的形式，扩展常用的SEIR模型，包括区域之间的流动性。我们量化的流动性和感染传播之间的权衡在一个单一的参数，由政策制定者选择，并提出了限制流动性的策略，使限制是最小的，而感染传播是有效的限制。我们考虑的限制，国家划分为地区，并研究在这些地区内的流动性是允许的情况下，他们之间不允许。我们提出了启发式方法来近似这些地区的最佳选择。我们根据我们的权衡来评估所获得的限制。结果表明，当感染高度集中时，我们的方法特别有效，例如，由于超级传播事件在COVID-19的传播中发挥了重要作用，一些城市周围出现了疫情。我们在荷兰的例子证明我们的方法。当流动性数据可用时，结果适用范围更广。
2020-10-27 math.OC physics.soc-ph
Maximising the Benefits of an Acutely Limited Number of COVID-19 Tests
我们提出了一种新的测试和遏制策略，以遏制SARS-CoV 2的传播，同时允许大部分人口恢复社会和经济活动。我们的方法认识到，许多国家的检测能力受到严重限制。在这种情况下，我们发现，找到最好的方式来利用这个有限的测试在大流行期间可以制定简洁的分配问题。我们的问题制定考虑到了人口的异质性，并使用合并测试来识别和隔离个人，同时优先考虑关键工人和具有较高传播疾病风险的个人。为了证明我们的测试和遏制机制的有效性，我们使用基于网络的SIR模型进行模拟。我们的模拟表明，应用我们的机制对人口的$100,000$个人，每天只有$16$测试减少感染的个人的峰值数量约$20\%$，当与没有干预的情况下实施。
2020-04-28 physics.soc-ph q-bio.PE
Mortality containment vs. economics opening: optimal policies in a SEIARD model
我们采用了一个包含无症状人口和COVID死亡的SEIRD微分模型（我们称之为SEAIRD）来模拟COVID-19的演变，并添加了一个影响病毒扩散和GDP的控制函数，包括所有直接和间接的遏制政策;为了模型的可行性，控制被假设为满足额外约束的分段线性函数。我们描述了感染和经济的联合动态，并讨论了生产和死亡之间的权衡。特别是，我们仔细研究的最优政策反应的存在条件和唯一性。唯一关键地取决于人类生命统计值和GDP之间的边际替代率;我们展示了一个具有相变的例子：在某个阈值以上，存在唯一的最优遏制政策;在阈值以下，最优的是放弃任何遏制;在阈值本身，有两个最优政策。然后，我们探索和评估各种配置文件的各种控制策略依赖于少量的参数。
2020-05-29 econ.GN math.OC physics.soc-ph
Wisdom of Crowds Detects COVID-19 Severity Ahead of Officially Available Data
在危机发展过程中，确定其严重性至关重要，但获得可靠数据具有挑战性。我们调查了意大利、西班牙和美国地区疫情开始时，初始COVID-19相关推文的地理定位推文强度与一个月后该地区死亡率之间的关系。我们发现，早期社交媒体反应与近一个月后COVID-19死亡的累计人数之间存在显著的比例关系。我们的研究结果表明，“人群”正确地感知了风险。这是为数不多的“群众智慧”可以量化并应用于实践的例子之一。这可以用来建立实时警报系统，有助于危机管理和干预，特别是在发展中国家。这类系统可有助于在危机的早期阶段为快速反应决策提供信息。
2020-06-22 cs.SI physics.soc-ph
Transparent Covid-19 prediction
我们提出了一种非常简单和透明的方法来解释确诊的COVID-19病例的时间序列。粗略地说，对每周每天新增感染病例的分析是界定和及早发现疫情转折点的工具。在意大利，新型冠状病毒活动的增长在一周前被克服，奥地利和瑞士紧随其后。本说明强调了从感染到将感染列入中央数据库之间的两周这一至关重要的延迟。我们对新型冠状病毒活动和繁殖率的时间进程的估计可以将信息差距缩短数天。我们表明，西班牙和德国已经超越了转折点。一般而言，估计繁殖率在主要封锁措施后短时间内变得低于临界值，其后Covid-19活动开始减少。这份说明对所有采取了严格控制措施的区域的前景表示非常乐观。
2020-04-08 physics.soc-ph q-bio.PE
Why are most COVID-19 infection curves linear?
许多国家已经度过了他们的第一个COVID-19疫情高峰。传统的流行病学模型将其描述为非药物干预导致增长率低于恢复率的结果。在大流行的这一新阶段，许多国家的确诊病例在很长一段时间内几乎呈线性增长。这种新的遏制机制很难用传统模型来解释，在传统模型中，感染人数要么爆炸性增长，直到达到群体免疫，要么疫情被完全抑制（零新病例）。在这里，我们根据接触网络的结构来解释这个令人困惑的观察结果。我们发现，对于任何给定的传播率存在一个临界数量的社会接触，$D_c$，低于此线性增长和低感染率必须发生。在$D_c$之上发生传统的流行病学动力学，例如在SIR型模型中。当我们根据传播率和传染天数的经验估计校准相应的模型时，我们发现$D_c\sim 7.2$。假设真实的接触网络度约为5，并假设封锁措施将减少到家庭规模（约2.5），我们以惊人的精度再现了实际的感染曲线，而无需拟合或微调参数。特别是，我们比较了美国和奥地利，作为一个最初没有采取措施的国家和一个在早期采取严厉封锁措施的国家的例子。我们的研究结果质疑标准房室模型描述COVID-19遏制阶段的适用性。在这些地区观察到线性增长的可能性几乎为零。
2020-05-22 physics.soc-ph q-bio.PE
Containment efficiency and control strategies for the Corona pandemic costs
新型冠状病毒（COVID-19）的迅速传播使政策制定者面临衡量遏制策略有效性的问题，平衡公共卫生考虑与社交距离措施的经济成本。我们引入了一个修改后的流行病模型，我们命名为受控SIR模型，其中的疾病繁殖率动态演变的政治和社会的反应。给出了一个解析解。该模型再现了超过疫情第一个高峰的大量地区和国家的官方COVID-19病例数。从现场数据中提取一个无偏反馈参数，并用于制定衡量遏制策略效率的指数（CEI指数）。给出了一系列国家的CEI值。对于受控SIR模型的两个变体，对整个流行病过程中的医疗和社会经济总成本进行了详细估计。成本包括医疗成本、社会距离的经济成本以及挽救生命的经济价值。在合理的参数下，严格的措施比不干涉政策效果更好。基于当前病例数的战略导致的总成本大大高于基于该流行病总体历史的战略。
2021-01-11 econ.GN physics.soc-ph q-bio.PE
Dynamical modelling and analysis of COVID-19 in India
我们认为新型冠状病毒在中国武汉市爆发后，新型冠状病毒疫情在印度蔓延。我们使用官方报告的疫情早期数据，借助易感（S）、暴露（E）、感染（I）和移除（R）人口模型，即所谓的SEIR动力学模型，估计了印度COVID-19初始感染个体的传播率。进行数值分析和模型验证，以根据有关感染人数的官方公开信息校准系统参数，然后评估可能适用于印度的几种COVID-19情景。我们的研究结果提供了一个估计的疾病发生在不久的将来，也证明了政府和个人的努力，以控制流行病相关的关键情况的影响和时间的重要性。我们还特别强调了遏制过程中的个别反应。
2020-12-08 physics.soc-ph q-bio.PE
A random walk Monte Carlo simulation study of COVID-19-like infection spread
最近对中国早期COVID-19数据的分析显示，确诊病例数遵循次指数幂律增长，增长指数约为2.2 [B.\，F.~ Maier，D.~ Brockmann，{ \it Science} { \bf 368}，742（2020）]。幂律行为归因于有效的遏制和缓解措施的结合，以及人口的行为变化。在这项工作中，我们报告了一个随机游走的Monte Carlo模拟研究基于邻近的感染传播。控制干预措施，如封锁措施和流动性限制，通过一个单一的参数，在随机游走过程中的每一步的大小纳入模拟。步长$l$被认为是$\langle r \rangle$的倍数，$\langle r \rangle$是个体之间的平均间隔。三个时间增长制度（二次，中间幂律和指数）自然出现从我们的模拟。对于$l = \langle r \rangle$，我们得到的中间幂律增长指数与中国的可用数据基本一致。另一方面，我们得到了较小的步长$l \lesssim \langle r \rangle/2 $的二次增长，而对于大的$l$的增长被发现是指数。结合现有数据，这些结果表明，中国对该病的早期控制接近最佳状态。我们进一步对来自其他三个国家（印度、巴西和南非）的早期死亡数据（在不同级别的封锁条件下）进行了比较案例研究。我们表明，合理的协议，这些数据可以通过将小世界连接在我们的模拟。
2021-04-10 physics.soc-ph q-bio.PE
COVID-19 lockdown induces disease-mitigating structural changes in mobility networks
COVID-19疫情爆发后，多个国家实施遏制措施以减少疾病传播。利用数字数据来源进行的研究表明，在多个国家，个人的流动性有效减少。然而，目前尚不清楚这些减少是否导致了移动网络更深层次的结构变化，以及这些变化如何影响网络上的动态过程。在这里，我们使用移动电话用户的移动数据来表明，德国的移动性不仅大大减少：封锁措施导致了移动网络的实质性和长期的结构性变化。我们发现，长途旅行大大减少。远程网络连接的削减导致了一个更加本地化的集群网络，并缓和了“小世界”效应。我们证明，这些结构性变化有相当大的影响传染病传播过程中的“平坦化”的流行曲线和延迟传播到地理上遥远的地区。
2020-12-18 physics.soc-ph q-bio.PE
Epidemic model on a network: analysis and applications to COVID-19
我们分析了一个网络上的传染病模型，该网络由在节点处通过扩散耦合的易感染-感染-恢复方程组成。我们引入了一个流行病的标准，并检查不同的疫苗接种/遏制策略：我们证明，这是最有效的接种最高程度的节点。该模型还有助于评估解除监禁的情景，并防止所谓的第二波。该模型的参数很少，能够拟合数据和输入感染者的基本成分;这些特征对于当前的COVID-19疫情尤为重要。
2020-09-24 nlin.PS physics.soc-ph
Characterizing the COVID-19 Transmission in South Korea Using the KCDC Patient Data
随着COVID-19疫情在全球范围内的发展，世界卫生组织（世卫组织）及其成员国一直严重依赖留在国内并采取封锁措施来控制病毒的传播。在过去几个月里，各种迹象表明COVID-19曲线正在平坦化，但即使部分解除了一些遏制措施（例如，学校关闭和远程办公）似乎有利于第二波疾病。因此，准确评估可能的对策及其适时撤销对于避免未来的波或减少其持续时间至关重要。本文分析了韩国疾病控制与预防中心（KCDC）从2020年1月20日至2020年5月31日收集的感染患者的患者和途径数据。这种数据分析有助于我们描述患者的移动模式，然后使用这种特征来参数化模拟，以评估不同的假设场景。虽然这不是COVID-19如何在人群中传播的确定模型，但它的有用性和灵活性通过使用真实世界的数据来探索各种情况下的病毒传播来说明。
2020-12-24 cs.SI physics.soc-ph q-bio.PE
Critical time-dependent branching process modelling epidemic spreading with containment measures
于COVID大流行期间，疫情呈指数级增长的时期已通过遏制措施得以缓解，在不同情况下导致病例数量呈幂律增长。Ziff和Ziff在参考文献[1]中首次观察到这种行为，来自中国的2020年晚春数据。在这一重要观察之后，在其他国家遏制蔓延期间也观察到了幂律缩放（尽管指数不同）。对这些结果的早期解释表明，这种现象可能是由于扩散的空间效应。在这里，我们表明，由于遏制措施的个人的传染性的时间调制也会导致幂律增长的情况下，随着时间的推移。为此，我们提出了一个随机混合的易感-感染-删除（SIR）模型的传染病传播存在遏制措施，导致时间依赖的传染性和我们探讨的统计特性的分支过程的临界。我们表明，在临界状态下，可以观察到幂律增长的情况下，指数范围在1和2之间。我们的渐近分析结果证实了广泛的蒙特卡罗模拟。虽然这些结果并不排除空间效应可能是重要的调制幂律增长的情况下，在临界状态，这项工作表明，即使是混合人口可能已经具有非平凡的幂律指数临界。
2022-03-31 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Self-similarity in pandemic spread and fractal containment policies
该研究提出用自相似分形方式描述多尺度疾病传播，基于多尺度再生数设计遏制策略，可同时降低健康与经济成本，且通过美国异质SIS模型模拟验证了理论结论。
2024-12-12 physics.soc-ph q-bio.PE q-bio.QM
Quantitative Relationship between Population Mobility and COVID-19 Growth Rate based on 14 Countries
这项研究建立了一个框架，用于量化因社交距离而导致的人口流动性变化对COVID-19感染增长率的影响。使用易感-感染-传播（SIR）流行病学模型，我们建立了在一些温和的假设下，COVID-19死亡的增长率是COVID-19感染增长率的延迟近似值。然后，我们假设COVID-19感染的增长率是人口流动性的函数，这导致了一个统计模型，该模型预测COVID-19死亡的增长率是人口流动性的延迟函数。统计模型的参数直接揭示了感染增长率、依赖于流动性的传播率、不依赖于流动性的恢复率以及临界流动性，低于临界流动性，COVID-19增长率变为负值。我们根据来自14个国家的公开数据拟合了拟议的统计模型，这些国家截至2020年5月6日的每日死亡人数超过100人，超过3天。公开提供的谷歌流动性指数（GMI）被用作衡量国家一级人口流动性的指标。我们的研究结果表明，COVID-19死亡人数的增长率可以作为GMI过境类别的二次函数（调整后的R平方= 0.784）提前20天准确估计。关键流动性的估计95%置信区间在COVID-19前流动性的36.1%至47.6%之间。这一结果表明，要扭转COVID-19疫情的增长，需要大幅减少人口流动。此外，本文建立的定量关系表明，一个容易获得的人口水平指标，如GMI，可以成为COVID-19流行过程的有用指标。
2020-06-03 physics.soc-ph q-bio.PE
Temporal data series of COVID-19 epidemics in the USA, Asia and Europe suggests a selective sweep of SARS-CoV-2 Spike D614G variant
2019冠状病毒病大流行始于中国武汉，并导致2019冠状病毒病病原体SARS-CoV-2的RNA病毒在全球传播。由于其突变率、广泛的地理分布和宿主反应差异，这种冠状病毒目前正在演变成一系列具有不断增加的遗传多样性〈动〉<动>的菌株。大多数变异对疾病传播和症状严重程度显然具有中性影响。然而，在负责宿主细胞附着和侵袭的病毒刺突蛋白中，含有位置614处的氨基酸D至G的取代（D 614 G）的出现的变体被认为增加病毒感染能力。为了测试这种变异是否具有流行病学影响，在美国、亚洲和欧洲比较了614位携带D或G的SARS-CoV-2样本的时间分布。比较了流行早期和晚期的流行曲线。在早期阶段，在遏制措施尚未完全实施的情况下，病毒变体应该是不受约束的，其生长曲线可能近似于自由病毒动力学。我们的分析显示，在美国、亚洲和欧洲，D 614 G流行率与COVID-19流行曲线的增长率相关。我们的研究结果表明，选择性扫描，可以解释，至少部分地，通过这种变体的传播优势，换句话说，D 614 G的分子水平的影响有足够的人口传播动力学的影响，检测到的流行病增长曲线的速率系数的差异。
2020-06-20 physics.soc-ph q-bio.PE
Epidemic oscillations induced by social network control: the discontinuous case
传染病传播可透过采取隔离措施（如社交距离及封锁）予以遏止。然而，当这些措施放松时，可能会出现新的流行病浪潮和感染周期。在这里，我们探讨了这个问题，在分区流行病模型的不连续控制的情况下，在人口的感染状态和其社会网络的结构之间存在反馈的图。我们表明，在随机图中的遏制措施的效果是简单地捕获的有效感染率，占网络的分支比的变化的重正化。在我们的简单设置中，可以使用分段平均场近似来导出流行病波的数量和长度的解析公式。使用不完全信息模型的一个变体对巴斯克地区和伦巴第地区最近的新冠肺炎疫情数据进行建模，我们估计了封锁期间社交网络中断的程度，并描述了动态吸引子的特征。
2020-12-04 physics.soc-ph q-bio.PE
Changes in mobility choices during the first wave of the COVID-19 pandemic: a comparison between Italy and Sweden
COVID-19疾病的传播影响了全球人们的生活，特别是他们的旅行行为和日常活动。在2020年春季的第一波大流行期间，各国采取了不同的策略来遏制病毒的传播。本文件旨在分析流动行为的变化，重点是在两个实行不同遏制政策的国家（意大利和瑞典），大流行病导致的模式选择的可持续性水平。调查数据揭示了在第一波疫情之前和期间，哪种交通工具在三种不同的出行目的（杂货购物、非杂货购物和通勤）中使用最多。然后通过描述性统计和显著性检验观察到模式选择的可持续性水平的变化。通过估计三个多项逻辑回归模型（每个模型对应一个出行目的），我们试图确定哪些国家以外的因素影响了疫情开始时交通方式选择的可持续性水平的变化。结果显示，与瑞典样本相比，意大利样本中的流动性下降幅度更大，特别是公共交通，与意大利人相比，瑞典人主要倾向于步行和骑自行车旅行，这也是由于在第一波大流行期间出行的可能性更大。最后，公共交通的安全感知似乎没有显着的影响变化的可持续性水平的模式选择与限制的开始。我们的研究结果可作为讨论COVID-19疫情如何影响人们对不同旅游选择的态度和偏好的起点。此外，在这项工作中，我们强调了人们如何以不同的方式对两个国家采取相反的遏制战略的前所未有的情况作出反应。
2023-03-14 cs.CY physics.soc-ph
How macroscopic laws describe complex dynamics: asymptomatic population and CoviD-19 spreading
宏观增长规律，平均场方程的解，以一种有效的方式描述了潜在的复杂动力学。它们被应用于研究感染的传播，如CoviD-19的情况，其中检测到的感染个体的累积数量$N(t)$的计数是普遍接受的粗粒度变量，以了解流行阶段。然而，$N(t)$未考虑未知数量的无症状、未检出的病例$A(t)$。因此，出现的问题是，观察到的$N(t)$数据的时间序列是否是监测传染病演变的可靠工具。我们研究了一个耦合微分方程系统，其中包括有症状和无症状的个人之间的传播动力学和强大的遏制效果，由于社会隔离。因此，该解决方案与宏观法律的人口$N(t)$来自一个单一的，非线性的，微分方程没有明确的参考$A(t)$，显示这两种方法的等价性。事实上，$N(t)$考虑了更复杂和详细的种群动力学，这也允许对无症状个体的数量进行评估。然后将该模型应用于意大利的Covid-19传播，在最近的数据中观察到$N(t)$从指数行为向Gompertz增长的转变。那么$N(t)$的数据分析中包含的信息对于理解流行阶段是可靠的，尽管它没有描述总的感染人群。在传播的快速增长阶段，无症状人群大于有症状人群。
2020-04-19 physics.soc-ph q-bio.PE
Space, time and altruism in pandemics and the climate emergency
本文提出一个涵盖空间、时间与利他尺度的框架，解释为何全球对COVID-19反应强于气候变化，并指出考虑规模与反馈是研究合作的核心。
2025-10-02 physics.soc-ph q-bio.PE
What Can We Learn from the Time Evolution of COVID-19 Epidemic in Slovenia?
最近的一项工作（DOI 10.1101/2020.05.06.20093310）表明，暂时将较大的群体分成较小的群体可以有效地减缓SARS-CoV-2病毒的传播。不久之后，2020年5月15日，拥有200万人口的斯洛文尼亚成为第一个宣布COVID-19疫情在国界内结束的欧洲国家，这一事实可能与此相关。受这一演变的推动，在本文中，我们调查了斯洛文尼亚冠状病毒病例的时间动态，重点是各种遏制措施如何有效地减少COVID-19感染人数。值得注意的是，本分析不依赖于任何推测性的理论假设;它完全基于原始流行病学数据。在这里提出的结果中，最重要的一个也许是发现，虽然实施严厉的宵禁和旅行限制将感染率kappa降低了四倍，与社会和经济生活中的许多不稳定状态相比，它们仅将\k{appa}值提高~15（合理）佩戴口罩和社交距离规则得到执行/遵守。对于行为科学和社会科学来说，重要的是，我们对时间依赖性\k{appa} = \k{appa}（t）的分析可能揭示了一种有趣的人群自我保护本能，这种本能甚至在官方封锁实施之前就变得明显了。
2020-05-25 physics.soc-ph q-bio.PE q-bio.QM
Robustly estimating the COVID19 epidemic curve in northern Italy using all-cause mortality
背景：意大利北部是受新冠疫情影响最严重的地区之一。现在人们普遍认为，在第一名患者被发现之前，病毒已经悄悄地传播了至少两周。在这一沉默阶段，以及在接下来的几周里，当医院系统负担过重时，数据收集的方式不够准确，无法估计流行曲线。为了评估病毒传播的动态和遏制措施的有效性，我们尝试使用全因死亡率数据重建流行曲线。研究方法：我们从国家统计局收集了按年龄分层的全因死亡率数据，以及其他政府机构发布的与COVID相关的死亡数据。使用SEIR模型与估计的暴露死亡时间分布，我们拟合的繁殖数量在不同阶段的传播在区域水平。结果：我们估计在病例1被确定之前的繁殖数为2.6+/-0.1。伦巴第大区的学校关闭使该指数降至1.3。软封锁措施导致R<0.8，当引入硬封锁时没有观察到进一步的降低（例如Emilia-Romagna软封锁0.67 +/-0.07，硬封锁0.69+/-0.071）。在严格封锁期间，>75岁年龄段的生殖数量始终高于其他人群（例如，米兰省为0.98 vs 0.71），这表明退休设施中爆发了疫情。从3月7日开始，贝加莫省和布雷西亚省的生殖数量明显低于采取同样严格封锁措施的其他地区（附近省份：0.73，布雷西亚：0.52，贝加莫0.43），这支持了这些省份的大部分人口在3月初已经感染的假设。
2020-08-09 physics.soc-ph q-bio.PE
How to Best Predict the Daily Number of New Infections of Covid-19
了解新冠肺炎每日新增感染人数非常重要，因为这是导致封锁和紧急医疗保健措施的政治决策的基础。我们以德国为例来说明官方数据的不足之处，至少在德国，官方数据的披露只有几天的延迟，并且在周末严重低估（超过40%）。这些缺陷表明迫切需要替代数据来源。约翰霍普金斯大学系统科学与工程中心（JHU）提供的另一个被广泛引用的来源也与德国的官方数据平均偏差79%。我们认为，谷歌搜索和Twitter数据应该补充官方数据。他们的预测甚至比约翰霍普金斯大学的原始值更好，而且提前了几天。这两个数据来源也可用于世界上没有官方数字或被认为不可靠的地方。
2020-04-08 cs.SI physics.soc-ph q-bio.PE
Quantifying the Effects of Contact Tracing, Testing, and Containment Measures in the Presence of Infection Hotspots
ETH Zürich（苏黎世联邦理工学院）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）；Zerobase Foundation（零基基金会）
多条证据有力地表明，感染热点，即一个人感染许多人的地方，在COVID-19的传播动态中发挥着关键作用。然而，大多数现有的流行病学模型未能捕捉到这一方面，既没有明确表示个人访问的网站，也没有将疾病传播作为个人流动模式的函数。在这项工作中，我们引入了一个时间点过程建模框架，专门代表访问的网站，个人接触和相互感染。在我们的模型下，由传染性个体引起的感染数量自然会出现过度分散。使用一个有效的抽样算法，我们演示了如何估计传染性个人在他们访问的网站，并在他们的家庭使用贝叶斯优化和纵向病例数据的传播率。模拟使用细粒度和公开的人口统计数据和网站的位置从伯尔尼，瑞士展示了我们的框架的灵活性。为了促进对其他城市和地区的研究和分析，我们发布了我们框架的开源实现。
2022-11-10 cs.LG cs.SI physics.soc-ph
Identification of a time-varying SIR Model for Covid-19
本文提出一种时变传播率参数的SIR模型，通过优化问题最小化模型与历史数据误差平方和来估计参数，在巴西数据上实现7天预测误差0.13%、14天0.6%的优异预测能力。
2024-07-25 cs.SY eess.SY physics.soc-ph
Strong correlations between power-law growth of COVID-19 in four continents and the inefficiency of soft quarantine strategies
在这项工作中，我们分析了截至2020年3月27日，来自亚洲，欧洲，北美和南美国家的COVID-19确诊感染病例的累积数量的增长。我们的研究结果表明：（i）所有国家都观察到幂律增长;（ii）通过使用距离相关性，国家之间的幂律曲线在统计上高度相关，表明这种曲线在世界各地的普遍性;（iii）软隔离策略对平坦化增长曲线是无效的。此外，我们提出了一个模型和策略，使政府达到平坦的幂律曲线。我们发现，除了个人的社会距离，众所周知的相关性，在一个大的日常率识别和隔离感染者的策略可以帮助扁平化的幂律。这些基本上就是大韩民国所采用的战略。不同国家的幂律曲线之间的高度相关性强烈表明政府遏制措施可以在全球范围内成功应用。这些措施必须是严厉的，并尽快实施。
2020-04-08 math.DS physics.bio-ph physics.soc-ph
Scaling features in the spreading of COVID-19
自COVID-19爆发以来，已进行了许多数据分析。其中一些是基于经典的流行病学方法，假设指数增长，但一些研究报告说，幂律缩放可能会提供一个更好的适合目前可用的数据。因此，我们检查了中国的数据（01/20/2020- 02/24/2020），确实发现在相当长的时间段内，增长密切遵循幂律动力学。确诊感染、死亡和治愈病例数的指数分别为$2.48(20)$、$2.21(6)$和$4.26(12)$，表明大流行中存在潜在的小世界网络结构。虽然死亡人数和治愈人数尚未出现明显的幂律增长，但感染人数明显出现负偏差，特别是湖北以外地区。这表明由于巨大的遏制努力，病毒传播开始放缓。同时，我们发现，尽管湖北省和湖北以外地区的感染人数的增长动力学表现出显着的差异，但湖北省和湖北以外地区的感染人数增长动力学表现出很大的相似性。在此基础上，在双对数图中，我们对湖北以外地区的感染人数进行了重新标度，使其尽可能与中国的总感染人数重叠，由此近似外推得到2020年3月3日左右的大流行最大值，感染人数约为$83,000$。此外，通过分析双对数尺度下的死亡率动力学，我们粗略估计，在3月3日附近，湖北省的COVID-19死亡率约为$4.7\%\thicksim 5.0\%$，湖北以外地区约为$0.7\%\thicksim1.0\%$。我们强调，我们的预测在数量上可能是不可靠的，因为数据分析纯粹是经验性的，并且使用了各种假设…
2020-02-25 physics.data-an physics.soc-ph q-bio.PE
Physics-informed machine learning for the COVID-19 pandemic: Adherence to social distancing and short-term predictions for eight countries
University of Crete（克里特大学）
于二零二零年上半年初期，COVID-19的传播已透过大多数国家实施的社交距离措施或多或少地受到遏制。在这项工作中，我们通过机器学习技术，将国家层面的感染数据直接链接到一个表示社交距离有效性的数字。我们假设，标准的SIR模型给出了一个合理的描述传播的动态，因此，社会距离方面可以通过外部施加的时间依赖性感染率建模。我们使用一个指数分析SIR模型，找到一个精确的解决方案的时间无关的感染率，并推导出一个简单的一阶微分方程的时间相关的感染率作为一个函数的感染人口。使用来自八个国家的“第一波”感染数据，并通过物理学信息的机器学习，我们提取了导致特定感染的社交距离的线性依赖程度。我们发现，在两个极端是希腊，一边是最高的衰减斜率，另一边是美国，几乎是平坦的“衰减”。斜坡的层次结构与每个国家的大流行遏制效果相一致。最后，我们在分析期结束后用数据训练我们的网络，并对当前感染阶段进行为期一周的预测，这些预测看起来非常接近实际感染值。
2020-08-18 cs.LG physics.bio-ph physics.soc-ph
Adaptive County Level COVID-19 Forecast Models: Analysis and Improvement
University of Maine（缅因大学）
准确预测县级COVID-19确诊病例对优化医疗资源至关重要。预测新出现的疫情构成了一个特殊的挑战，因为许多现有的预测技术从历史季节趋势中学习。具有基于LSTM的细胞的递归神经网络（RNN）是模型的逻辑选择，因为它们具有学习时间动态的能力。在本文中，我们采用了国家和县级流感模型，TDEFSI-LONLY，提出了在王等。[l2020]国家和县级COVID-19数据。我们发现，该模型对当前的大流行预测不佳。我们分析了两个星期的预测能力的TDEFSI-LONLY模型与正则化技术的组合。TDEFSI-LONLY模型的有效训练需要数据增强，为了克服这一挑战，我们利用SEIR模型并对此模型进行了县间混合扩展以模拟足够的训练数据。此外，我们提出了一个替代预测模型，{ \it县级流行病学推理递归网络}（\alg{}），它在国家确诊病例上训练LSTM骨干，以学习低维时间模式，并利用时间分布的密集层来学习单个县确诊病例每天的变化，为期两周。我们发现，最好的，最坏的，和中位数的状态预测使用CLEIR-Net模型分别是纽约州，南卡罗来纳州和蒙大拿州。
2020-07-01 cs.LG physics.soc-ph q-bio.PE
Temporal Clustering of Disorder Events During the COVID-19 Pandemic
University of Trento（特伦托大学）；University of California, Los Angeles（加州大学洛杉矶分校）；California State University at Northridge（加州州立大学北岭分校）
COVID-19大流行引发了多重公共卫生、社会经济和制度危机。为减缓病毒传播而采取的措施在当局和公民之间造成了严重的紧张关系，导致了一波又一波的社会动荡和反政府示威。我们研究了“COVID-19疾病追踪”计划所记录的大流行相关疾病事件的时间性质，重点关注事件数量最多的三个国家，印度，以色列和墨西哥。通过对数据流的泊松过程和霍克斯过程的拟合，我们发现，在这三个国家的无序事件是相互依赖和自激的。地理聚类证实了这些功能在国家以下一级，表明全国范围内的混乱出现的自我激励的中尺度模式的收敛。在计算国家以下各级群组之间事件的相关性时，观察到各国之间存在相当大的差异;这些差异是在具体的政治、社会和地理特征背景下讨论的。以色列是领土最紧凑的国家，也是为应对政府封锁而协调大规模抗议活动的国家，在事件发生后表现出最大的反应和最短的影响力，以及最强的全国同步性。在墨西哥，完全封锁命令从未被强制执行，反应性和全国同步性最低。我们的工作突出表明，当局需要促进地方宣传运动，以确保生计和病毒遏制政策不被视为相互排斥的。
2021-04-23 cs.LG econ.GN physics.soc-ph
The Coexistence of Infection Spread Patterns in the Global Dynamics of COVID-19 Dissemination
本文基于2020-2022年全球COVID-19感染数据，采用复Hilbert主成分分析研究感染扩散模式，发现传播趋势受地理、人口、GDP、应对措施、疫苗接种率和政府类型等因素影响，并随时间动态交替变化。
2024-01-11 cs.SI physics.soc-ph
