Estimación del número de reproducción de la epidemia COVID-19 en Culiacán Sinaloa, México
目前,COVID-19疫情正在墨西哥库利亚卡利亚里锡那罗亚市发展,截至今年4月20日,已有35人因疫情死亡。流行病的繁殖数$(R_0)$代表感染者在其感染期间感染的平均人数。在这项工作中,我们使用锡那罗亚州卫生部长公布的数据,每天确认的新感染病例数,我们估计,$R_0$的值为1.562,95%置信区间为(1.401,1.742)。我们还估计了确诊病例的死亡率,结果是16.8%。- - 墨西哥库利亚坎锡那罗亚城的COVID-19疫情已经持续了35年之久,今年4月20日已经开始蔓延。El número de reproducción $(R_0)$ de una mia representa el número promedio de personas contagiadas por una personas infectada durante su periodo de infección.在这一工作中,我们使用锡那罗亚州卫生秘书处公布的数据,证实了$R_0$的价值为1.562,其中95%的置信区间为(1.401,1.742)。据估计,确诊病例的死亡率为16.8%。
2020-04-21 q-bio.PE stat.AP
City-Scale Agent-Based Simulators for the Study of Non-Pharmaceutical Interventions in the Context of the COVID-19 Epidemic
我们强调了城市规模的基于代理的模拟器在研究各种非药物干预措施以管理不断发展的大流行中的有用性。我们的研究以COVID-19大流行为背景,并通过在孟加拉国和孟买两个大都市的几个探索性案例研究来展示模拟器的功能。在我们迈向数字健康的过程中,这些工具在任何城市管理部门的工具包中都是常见的。
2020-08-11 cs.OH physics.soc-ph q-bio.PE
Urban Scaling of COVID-19 epidemics
由于COVID-19大流行,对易感-无效-无效(SIR)数学模型的需求很高。它们被用于标准公式,或通过许多变体,试图拟合并有望预测未来几天或几周内任何地方,城市或国家的新病例数量。这是当局为卫生系统需求做好准备或实施限制以减缓传染曲线的关键知识。即使当模型可以很容易地解决-通过使用专门的软件或通过编程的微分方程的数值解,代表模型-,预测是一个不容易的任务,因为人们的行为变化反映在一个连续的变化的参数。一个相关的问题是,我们可以从一个城市到另一个城市利用什么;如果在马德里发生的事情可以适用于纽约,那么,我们从这个城市学到的东西是否对圣保罗有用。考虑到这一想法,我们分析了COVID-19的传播率相关指标,作为美国所有县的人口密度和人口规模的函数,以及巴西城市和德国城市。与流行病建模中的常见假设相反,我们观察到城市人口密度和人口规模越高,{\em人均}接触率越高。此外,我们发现,人口规模有一个更好的解释效果比人口密度。接触率标度理论提出了解释的结果。
2020-05-15 physics.soc-ph q-bio.PE
Network-Based Prediction of the 2019-nCoV Epidemic Outbreak in the Chinese Province Hubei
在撰写本文时(2020年2月12日),2019-nCoV病毒的未来演变尚不清楚。对疫情进一步发展的预测对于部署有针对性的疾病控制措施具有决定性意义。我们考虑一个基于网络的模型来描述湖北省2019-nCoV疫情。该网络由湖北的城市及其相互作用(例如,交通流量)。然而,城市之间的确切相互作用尚不清楚,必须通过观察疫情来推断。我们提出了一种基于网络的方法来预测2019-nCoV病毒在每个城市的未来流行情况。我们的研究结果表明,基于网络的建模是有益的准确预测的流行病爆发。
2020-02-12 physics.soc-ph q-bio.PE
Hospitalization dynamics during the first COVID-19 pandemic wave: SIR modelling compared to Belgium, France, Italy, Switzerland and New York City data
利用经典的易感-感染-治愈流行病学模型,推导出了新冠肺炎患者占用床位数的解析公式。分析曲线与比利时、法国、纽约市和瑞士的数据拟合,相关系数超过98.8%,这表明对于这样的宏观数据,更精细的模型是不必要的。拟合用于提取流行病上升阶段的倍增时间、平均恢复时间以及需要医疗干预者的平均住院时间的估计数。在不同的暴发中可以观察到很大的差异。
2021-02-19 physics.soc-ph q-bio.PE
Meteorological indicators of dengue epidemics in non-endemic Northwest Argentina
在过去的二十年里,登革热病例在世界各地大幅增加。在一些地区,登革热重新出现,特别是在拉丁美洲,那里的登革热病例不仅增加,而且更频繁地发生。因此,有必要了解在非流行地区推动流行病爆发的机制,以帮助设计控制策略。我们开发了一个随机模型,其中包括气候变量,社会结构,和流动性之间的非流行城市和流行地区。我们选择作为一个案例研究的非流行性城市圣拉姆德拉努埃瓦或,位于阿根廷西北部。与玻利维亚接壤的边境地区人员流动频繁,登革热全年持续传播。城市人口被建模为一个元人口,考虑到每个补丁的家庭和人口数据。通过将降雨量、相对湿度和温度时间序列纳入模型,考虑了气候变异性。这些气候变量是蚊子种群生态模型的输入,该模型又与流行病学模型相耦合。不同的假设之间的流行和非流行地区的人的流动性进行测试,考虑到当地的气候变化,典型的非流行性城市。模拟与2009年至2016年报告的每周临床数据在质量上一致。我们的模型结果可以解释所观察到的暴发模式,即大规模登革热流行和几年较小的暴发交替。我们发现,每个主机和有效的繁殖数量的载体的数量是大流行病的代理,都与气候变化,如降雨量和温度,打开的可能性,以测试这些气象变量的预测目的。
2022-04-10 q-bio.PE
Vector-borne epidemics driven by human mobility
病媒传染的流行病是不同因素结合的结果,如人与病媒之间的交叉传染、其人口分布和人类流动等。目前关于前一种成分的信息的可用性要求将其纳入目前的病媒传播疾病传播的数学模型。在这里,依靠集合种群动力学,我们提出了一个框架,其结果是在公平的协议与那些从机械模拟。这个框架使我们能够获得一个表达式的流行病阈值捕获高精度的条件导致流行病的发作。在这些见解的驱动下,我们获得了一个流行指标,根据受病媒传播疾病影响的风险对补丁进行排名。我们通过复制2015年至2016年圣地亚哥-德卡利市(哥伦比亚)报告的登革热病例的空间分布来说明这一流行病风险指标的实用性。
2019-10-11 physics.soc-ph q-bio.PE
Spread of Covid-19 in urban neighbourhoods and slums of the developing world
我们研究了新冠肺炎在发展中国家城市社区的传播情况,发现少数社区占大多数病例(k指数约为0.7)。我们还发现,这些国家的州/省之间的全国范围内的病例分布也显示出类似的不平等,表明跨尺度的自相似性。在所审议的所有城市中,贫民窟所在的社区的病例密度最高,这表明贫民窟是这一流行病中风险最高的城市地点。我们提出了一个随机网络模型来研究呼吸道流行病的传播,通过物理上接近和偶然的日常人类接触在一个城市,并模拟结果的城市有两种邻里-贫民窟和非贫民窟。该模型再现了观察到的一组广泛的参数值的经验结果-反映了这些发现的潜在有效性的流行病传播一般,特别是在发展中国家的城市。我们还发现,随着疫情的发展,病例分布的不平等程度有所降低,在疫情结束时,贫民窟居民区的高峰和累积病例数都比非贫民窟居民区更糟。因此,发展中国家的大型贫民窟容纳了疫情中最脆弱的人群,从公共卫生和社会经济公平的角度来看,亚洲和非洲大都市的持续增长对未来的呼吸道疫情提出了重大挑战。
2020-10-14 physics.soc-ph q-bio.PE
Predicting COVID-19 distribution in Mexico through a discrete and time-dependent Markov chain and an SIR-like model
COVID-19是一种紧急病毒感染,于2019年12月在中国湖北省武汉市出现;这种感染的病毒病因现在被称为COVID-19病毒,属于β冠状病毒属。这种病毒产生的急性呼吸系统应激综合征,已经在其他冠状病毒中观察到,例如中东国家的MERS-CoV或2002年和2003年在中国观察到的SARS-CoV。该病毒通过其刺突(S)蛋白与肺上皮细胞中的ACE 2受体相互作用介导其进入,并可能通过炎性小体NLRP 3激活和未折叠蛋白反应(这些可能是COVID-19病毒包膜E蛋白的结果)促进炎症反应。世界各地都在努力防止这种疾病的进一步传播,但在2020年3月,世卫组织宣布其为大流行紧急情况,墨西哥开始报告其首批病例。本文试图总结该病毒的生物学特征及其致病的可能病理生理机制,以及通过微分方程模型描述墨西哥各州病例概率分布和估计墨西哥病例数的随机模型(改进的SIR模型),因此,我们将能够描述这种疾病及其在墨西哥的发展过程,以显示更多的准备工作,并促进决策者以及普通民众。
2020-03-15 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
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
Estimating, Monitoring, and Forecasting the Covid-19 Epidemics: A Spatio-Temporal Approach Applied to NYC Data
我们提出了一个SEIR类型的元种群模型来模拟和监测COVID-19疫情的演变。基本模型由七个部分组成,即易感(S)、暴露(E)、三个感染类别、恢复(R)和死亡(D)。我们在m个不同的空间位置为n个年龄和性别组定义这些隔间。因此,对于每个年龄组,性别和地点,所产生的模型具有所有流行病学类。它们之间的混合是通过依赖于时间的感染率矩阵来完成的。该模型使用纽约市及其行政区每日新增感染的曲线进行校准,包括人口普查数据,以及每个年龄段的感染,住院和死亡比例。我们最终得到了一个模型,该模型与报告的曲线相匹配,并准确预测了不同地区和年龄段的感染信息。
2020-11-17 physics.soc-ph q-bio.PE
Stochastic oscillations in models of epidemics on a network of cities
我们在一个由$n$城市组成的网络上对一个疾病传播的易感-感染-康复模型进行了随机振荡的分析研究。在该模型中,一小部分来自城市$k$的个体$f_{jk}$通勤到城市$j$,在那里他们可能感染他人或被他人感染。从模型的连续时间马尔可夫描述出发,恢复了在每个城市的人口为无穷大时的极限下有效的确定性方程。利用vanKampen系统尺寸展开法,导出了这些方程关于不动点的随机涨落。不动点结构的确定性方程是非常简单的:一个唯一的非平凡的不动点总是存在的,并具有的特点,即易感,感染和康复的个人的比例是相同的每个城市,无论其大小。我们发现,随机波动有一个类似的简单的动力学:所有的振荡有一个单一的频率,等于在一个城市的情况下发现的。我们解释这一现象的性质的谱的矩阵的线性逼近的确定性方程在不动点。
2012-05-17 cond-mat.stat-mech nlin.AO physics.bio-ph
Agent Based Simulators for Epidemic Modelling: Simulating Larger Models Using Smaller Ones
Columbia University(哥伦比亚大学);Ashoka University(阿肖卡大学)
本文提出一种基于智能体模拟器的加速方法,利用分支过程和均值场极限,通过较小模型准确模拟较大模型的流行病传播,并应用于Covid-19。
2025-10-09 physics.soc-ph q-bio.PE
Phase lag in epidemics on a network of cities
我们研究的同步性和相位滞后的波动,在一个网络的城市之间的个人通勤感染的个人的数量。这些振荡的频率和振幅是已知的,是非常好的捕获的van Kampen系统大小的扩展,我们使用这种近似来计算复杂的相干函数,描述它们的相关性。我们发现,如果城市之间的感染率不同,并且它们之间的耦合不是太强,则这些振荡与城市之间的明确相位滞后同步。的效果的分析描述是在很好的协议与现实的人口规模的随机模拟的结果。
2012-05-17 cond-mat.stat-mech nlin.AO physics.bio-ph
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
The Network of Mexican Cities
研究了墨西哥人口超过5000人的5823个城市的网络。我们的分析主要集中在邻接矩阵的谱性质,网络的小世界性质,聚类系数的分布和顶点的度分布。这些功能的连接与流行病在这个网络上的传播进行了讨论。
2010-06-19 nlin.AO q-bio.PE
Dynamics of Stochastic Epidemics on Heterogeneous Networks
流行病模型目前在我们试图理解和控制传染病方面发挥着核心作用。在这里,我们推导出一个模型的扩散极限的随机易感染性删除(SIR)的流行病动力学的异构网络。利用这一点,我们认为分析早期的渐近指数增长阶段的这种流行病,显示如何进入随机行为的网络度分布的高阶矩的流行病。我们发现,网络度分布的前三个时刻需要充分指定疾病流行率的方差,这意味着度分布的偏度影响感染流行率的方差。我们比较这些渐近模拟结果,并发现一个密切的协议,城市规模的人口。
2013-04-17 math.PR q-bio.PE
Minimal epidemic model considering external infected injection and governmental quarantine policies: Application to COVID-19 pandemic
由于现代交通网络(飞机,游轮等)某一国家或城市的流行病可能是由外来感染者的到来引发的。为了控制疫情的发展,政府通常采取事后检疫措施。我们制定了一个最小的流行病演化模型,考虑到这些组件。通过考虑每个阶段中不同的复杂性参数,以单独的方式对隔离策略的前一阶段和后一阶段的演化进行建模。该模型应用于不同国家的COVID-19数据。估计的感染高峰时间发生和流行病的饱和值,以及可能的检疫后的情况下进行了分析的基础上的模型,报告的数据,和人口的比例,采用检疫政策。
2020-05-05 physics.bio-ph 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
Visual Data Analysis and Simulation Prediction for COVID-19
COVID-19(以前称为2019-nCoV)疫情已成为全球卫生紧急事件,因此,世卫组织宣布PHEIC。中国是自该病毒爆发以来遭受打击最严重的国家,一些专家认为,该病毒可以追溯到11月下旬。直到1月23日,武汉市政府才终于认识到疫情的严重性,采取了严厉措施,关闭了所有与外界联系的交通工具,以遏制病毒的传播。在这项研究中,我们试图回答几个问题:病毒是如何从震中武汉市传播到全国其他地区的?封城和社区隔离等措施在多大程度上有助于控制局势?更重要的是,如果某些条件发生变化,我们能否预测事件的任何重大未来发展?通过收集和可视化公开数据,我们首先展示疫情发展的模式和特征;然后使用疾病传播动力学的数学模型来评估一些疫情控制措施的有效性,更重要的是,提供一些预防措施的建议。
2020-03-07 physics.med-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
Lessons from being challenged by COVID-19
我们介绍了不同方法的结果,以模拟阿根廷COVID-19疫情的演变,特别关注布宜诺斯艾利斯市及其大都市区所形成的特大城市,包括41个地区,人口超过1300万。我们首先强调,根据从国外入境的传染性旅行者来解释流行病的早期阶段是有意义的。接下来,我们批判性地评估某些建议的解决方案,以遏制流行病的基础上瞬时修改的再生数。最后,我们建立越来越复杂和现实的模型,从简单的同质模型用于估计当地的繁殖数量,完全耦合的非同质(确定性或随机性)模型,结合移动性估计从手机位置数据。这些模型能够以最小的参数拟合和微调产生与官方案例数高度一致的预测。我们讨论了所提出的模型的优势和局限性,重点是不同的必要的第一近似的有效性,并警告未来的建模工作,以行使非常谨慎的长期预测的解释,并在通过非药物干预支持的数值模拟。
2020-05-12 physics.soc-ph q-bio.PE
Why integral equations should be used instead of differential equations to describe the dynamics of epidemics
至关重要的是要了解和跟踪迅速蔓延的流行病的动态。当前COVID-19大流行的健康和经济后果提供了一个尖锐的案例。在这里,我们指出,由于它们是基于微分方程,因此最广泛使用的流行病传播模型受到近似的困扰,而在当前的COVID-19大流行病中,这种近似是不合理的。以纽约市的数据为例,我们表明,目前使用的模型显着低估了初始基本再生数($R_0$)。正确的描述,积分方程的基础上,可以实现在大多数报告的模型,它更准确地占了动态的流行病后,急剧变化的$R_0$由于限制性的公众集会措施。它还提供了一种确定潜伏期的新方法,最重要的是,正如我们在几个国家所证明的那样,这种方法可以准确监测$R_0$,从而微调任何限制性措施。基于积分方程的模型不仅提供了概念上正确的描述,而且比基于微分方程的模型具有更高的预测能力,因此我们看不到使用后者的任何理由。
2020-04-27 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
An epidemic model for COVID-19 transmission in Argentina: Exploration of the alternating quarantine and massive testing strategies
COVID-19疫情对全球各级政府管理当局构成挑战。在面对如此严重的疾病时,当局拥有预测工具,提前估计对卫生系统的影响以及所需的人力、物力和经济资源,是有用的。在本文中,我们构建了一个扩展的易感-暴露模型,该模型结合了马德普拉塔的社会结构,马德普拉塔是阿根廷$4^\circ$人口最多的城市,也是普埃尔雷顿将军市的负责人。此外,我们还考虑了根据疾病严重程度对感染者进行的详细划分,以及当地卫生资源的数据,以使这些预测更接近当地的现实。调整COVID-19的相应流行参数,我们研究了一种交替隔离策略,其中一部分人群可以在任何时候不受限制地流动,而其余人群则被平均分为两组,并进行连续的正常活动和封锁,每个阶段的持续时间为$τ$天。此外,我们在人口上实施随机测试策略。我们发现,$τ= 7$是隔离策略的一个很好的选择,因为它与每周周期相匹配,因为它减少了感染人口。关注卫生系统,从截至9月30日的情况预测,我们预计难以避免ICU饱和,因为所需的流动性极低。在最坏的情况下,我们的模型估计将发生4000人死亡,其中30%可以通过适当的医疗护理来避免。尽管如此,我们发现,积极的测试将允许增加的人的百分比,可以不受限制地流通,作为设备所需的处理额外的危重病人相对较低。
2021-07-16 physics.soc-ph q-bio.PE
Hyperbolic compartmental models for epidemic spread on networks with uncertain data: application to the emergence of Covid-19 in Italy
空间网络在流行病传播中的重要性是传染病动力学建模的一个重要方面。此外,任何现实的数据驱动模型都必须考虑到官方来源报告的数值中存在的很大不确定性,例如传染性个体的数量。在本文中,我们通过网络上的双曲房室模型来解决上述问题,其中节点识别感兴趣的位置,如城市或地区,弧代表主要移动路径的集合。该模型描述的空间移动和相互作用的人口分区,从流行病学的角度来看,在扩展的隔间结构的基础上,分为通勤者,移动在郊区的规模,和非通勤者,在城市规模的行动。通过扩散重标度,该模型使我们能够恢复经典的扩散方程相关的通勤动力学。数值解的多尺度双曲型系统的不确定性,然后处理使用随机配置方法结合有限体积IMEX方法。该模型能够正确描述流行病在现实城市网络中传播的空间异质性,并通过对意大利COVID-19爆发及其在伦巴第大区传播的研究得到证实。
2021-05-29 cs.NA math.NA physics.soc-ph
Uncertainty quantification in mechanistic epidemic models via cross-entropy approximate Bayesian computation
本文提出一种数据驱动的近似贝叶斯计算框架,通过识别初始条件与交叉熵方法学习先验分布,结合广义SEIR模型在巴西COVID-19数据上实现了参数估计与不确定性量化,能准确外推预测,适用于实时流行病建模。
2023-02-02 cs.CE math.DS q-bio.PE
Estimating the Attack Ratio of Dengue Epidemics under Time-varying Force of Infection using Aggregated Notification Data
疾病发病率的量化是流行病学推断和公共卫生规划的关键。然而,对于多血清型病原体,不同类型特异性免疫水平使得难以评估处于风险中的人群。在本文中,我们提出了一个贝叶斯方法估计的攻击率的流行病和初始分数的易感人群使用聚集发病率数据。我们推导出有效再生数R t的概率分布,并使用MCMC获得具有时变感染力的单株SIR传播模型参数的后验分布。我们的方法展示在一个数据集,包括18年的登革热发病率在巴西里约热内卢市。我们证明,它是可能的,以了解初始分数的易感性和攻击率,即使在没有血清型的具体数据。另一方面,这一方法提供的信息有限,强调需要进行详细的血清学调查,以确定人群中特定型免疫力的分布。
2015-02-04 q-bio.PE stat.AP
Estimation of reproduction number and non stationary spectral analysis of Dengue epidemic
在这项工作中,我们通过分析2005-2012年印度西部艾哈迈达巴德市登革热发病率及其环境相关因素的短期和长期动态来分析季风后登革热疫情。利用季风期后登革热暴发的增长率、宿主和媒介潜伏期、媒介死亡率等生物学参数计算繁殖数$R_p$,并通过Monte-Carlo模拟,从各自的概率分布中抽取参数,估计其不确定性。还计算了有效预防登革热爆发所需的雌性伊蚊密度的减少。利用小波分析方法,对登革热发病率及其与降雨、气温等气候相关因子的非平稳模式进行了分析。我们发现,季风高峰和登革热之间的平均时滞为9周。季风和登革热病例从2008年至2012年锁定在16-32周的范围内。季风爆发后的持续时间逐年增加,特别是2008年后,尽管季风强度和持续时间一直在减少。温度和登革热发病率在同一频带内存在相关性,但锁相不稳定。
2016-11-16 q-bio.PE
Mobile phone data reveal spatiotemporal dynamics of Omicron infections in Beijing after relaxing zero-COVID policy
该研究利用大规模手机位置数据推断个体感染状态并重建北京2022年11月至2023年1月奥密克戎感染时空动态,发现12月21日感染达峰、1月14日80.1%人口感染,为疫情监测提供了高覆盖率数据来源。
2023-06-25 physics.soc-ph q-bio.PE
Detecting Suspected Epidemic Cases Using Trajectory Big Data
新出现的传染病是对人类健康和全球稳定的生存威胁。近期爆发的新型冠状病毒COVID-19已迅速形成全球大流行,造成数十万人感染及巨大经济损失。世卫组织宣布,采取更精确的措施来跟踪、检测和隔离感染者是迅速控制疫情的最有效手段之一。基于大数据提供的轨迹和平均场理论,提出了HiRES风险地图的时空模型,建立了包含所有风险传播粒子信息的聚合风险平均场。它具有动态精细空间分辨率和高计算效率,能够快速更新。然后,我们提出了一个客观的个人流行病风险评分模型命名为HiRES-p的基础上HiRES风险地图,并使用它来开发统计推断和机器学习方法检测可疑的疟疾感染者。我们将所提出的方法应用于研究中国COVID-19的早期爆发进行了数值实验。结果表明,HiRES风险地图具有较强的全局趋势和局部变化能力,可应用于国家、省、市、社区以及医院、车站等特定高风险场所的疫情风险监测。HiRES-p评分似乎是个人流行病风险的有效测量。在人群感染率低于20%的情况下,两种检测方法的准确率均在90%以上,在疫情风险防控实践中具有很大的应用潜力。
2020-04-15 q-bio.PE stat.AP
Modelling strong control measures for epidemic propagation with networks -- A COVID-19 case study
我们表明,精确的知识,流行病传播参数是不需要建立一个信息模型的疾病传播。我们提出了一个详细的模型,各种外部控制制度下的接触网络的拓扑结构,并证明这是足够的捕获显着的动态特性,并告知决策。社区中个体之间的联系以联系图为特征,该联系图的结构被选择为模仿社区控制措施。我们的传染源城市级传播模型(SEIR模型)描述了通过以下方式传播的特征:(a)无标度接触网络(无控制);(b)随机图(消除大规模聚集);(c)小世界网格(部分到完全锁定-“社交”距离)。该模型在模拟与2020年冠状病毒大流行传播的数据之间表现出良好的定性一致性。SEIR模型的相关速率参数的估计,我们证明了这些估计的不确定性下,我们的模型预测的鲁棒性。这项工作的社会背景和效用被确定,有助于在西澳大利亚州的一个非常有效的流行病应对。
2020-06-08 nlin.CG q-bio.PE
Mathematical modeling and prediction of COVID-19 in Moscow city and Novosibirsk region
该论文基于SEIR类型模型,基于有关检测病例数、死亡率、自我隔离系数以及自2020年3月23日起对莫斯科市和新西伯利亚地区进行的测试等额外信息,制定并解决了COVID-19冠状病毒感染传播数学模型未知参数的识别问题。在所用模型的框架内,人口被分为七个(SEIR-HCD)和五个(SEIR-D)组,具有相似的特征,组间的转移概率取决于特定区域。进行了SEIR-HCD数学模型的可辨识性分析,揭示了对附加测量最不敏感的未知参数。细化参数的任务减少到最小化相应的目标泛函,这是使用随机方法(模拟退火,差分进化,遗传算法等)解决。对于不同数量的测试数据,开发了莫斯科市和新西伯利亚地区疾病发展的预测方案,预测了莫斯科疫情发展的高峰,误差为2天,检测到174例,并对开发的模型的适用性进行了分析。
2020-06-18 math.DS q-bio.PE
Ambiguity in the use of SIR models to fit epidemic incidence data
本文证明 SIR 模型拟合疫情发病数据时存在参数歧义:任意 $R_0>1$ 均可构造良好拟合,且多仓室模型的过参数化问题更严重。
2024-04-05 math.DS physics.soc-ph q-bio.PE
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
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
Effects of Reactive Social Distancing on the 1918 Influenza Pandemic
1918年流感大流行的特点是多波流行。我们调查了反应性社交距离,一种行为反应形式,以及它对英国多重流感浪潮的影响。在以前的研究中使用了两种形式的反应性社会距离:幂函数,这是最近流感死亡率在人群中的比例的函数,希尔函数,这是最近流感死亡率的实际数量的函数。使用一个简单的流行病模型与幂函数和一组共同的参数,我们提供了一个很好的模型适合在伦敦自治市,伯明翰和利物浦观察到的多个流行病波。我们的方法不同于以往的研究,其中单独的模型适合每个城市。然后,我们将这些模型参数应用于英格兰和威尔士的所有334个行政单位,包括各个行政单位的人口规模。我们计算了皮尔森的相关性之间的观察和模拟数据为每个行政单位。我们实现了0.636的中位数相关性,表明我们的模型预测表现相当不错。我们的建模方法需要减少参数的数量,从而在不过度拟合模型的情况下提高了计算效率。我们的工作具有科学和公共卫生意义。
2017-03-13 q-bio.PE
Spatial spread of COVID-19 outbreak in Italy using multiscale kinetic transport equations with uncertainty
在本文中,我们引入了一个空间相关的多尺度模型来描述不确定数据下传染病的空间传播,特别是在模拟意大利COVID-19疫情的爆发方面。虽然病毒传播是由SEIAR型房室模型,在我们的方法中,人口是由一个总和的通勤者移动在城市外的规模和非通勤者互动,只有在较小的城市规模。交通动力学的通勤人口在大的空间尺度上,动力学方程的基础上,在城市尺度上的非通勤者的扩散模型相结合。由于一个合适的尺度限制,动力学运输模型用于描述通勤者的动态,在一个给定的城市区域内,与扩散方程的特点,非通勤个人的运动相吻合。由于疫情早期报告的数据具有高度不确定性,因此在模型中纳入了初始数据和疫情参数中存在的随机输入。一个强大的数值方法的设计,以处理多尺度的存在和不确定性量化过程。在我们的模拟中,我们考虑了一个现实的地理区域,描述了伦巴第地区,其中城市的规模,感染人数,每天从一个城市到另一个城市的通勤者的平均人数,以及流行病方面考虑通过校准模型参数的基础上,实际可用的数据。结果表明,该模型能够正确描述意大利北部COVID-19第一波空间扩展的主要特征。
2021-06-14 cs.NA math.NA physics.soc-ph
Spatiotemporal dynamic of COVID-19 mortality in the city of Sao Paulo, Brazil: shifting the high risk from the best to the worst socio-economic conditions
目前,巴西是世界上COVID-19疫情增长最快的国家之一,迄今已造成至少9.4万人确诊死亡。圣保罗市特别脆弱,因为它是该国人口最多的城市。分析COVID-19的时空动态对于帮助迫切需要整合更好的行动来应对这一流行病非常重要。因此,本研究旨在分析2020年3月至7月期间巴西人口最多城市的COVID-19死亡率,同时考虑到时空结构、人口的社会经济背景,并使用精细粒度水平。为此,我们进行了一项生态研究,使用来自死亡率信息系统的二级公共数据。我们按性别和年龄描述了每个流行病学周和整个时期的死亡率。我们使用时空和空间架构以及潜在高斯贝叶斯模型方法中的泊松概率分布对死亡进行建模。我们得到了时间和时空趋势和社会经济条件的相对风险。为了减少可能的次级通报,我们考虑了确诊和疑似死亡病例。我们的研究结果显示,在这一时期结束时,时间趋势明显稳定,但未来可能会发生变化。死亡率随着年龄的增长而增加,男性死亡率更高。在整个研究期间,社会条件最差的地区的死亡风险更大。然而,随着时间的推移,这并不是一个统一的模式,因为我们发现,从社会经济条件最好的地区的高风险转移到最差的地区。我们的研究强调了在死亡风险较高的地区进行地理筛查的重要性,目前,社会经济环境更差,这是通过综合公共卫生行动减少疾病死亡率和卫生不平等的一个关键方面。
2020-08-05 q-bio.PE stat.AP
Simultaneous reconstruction of evolutionary history and epidemiological dynamics from viral sequences with the birth-death SIR model
RNA病毒如HIV、丙型肝炎病毒和流感病毒的进化如此之快,以至于病毒的基因组包含了过去生态动态的信息。因此,我们开发了一种动态的方法,使联合估计的流行病学参数和系统发育史。该方法基于房室易感染-感染-清除(SIR)模型,提供了关于感染发生率和患病率的单独信息。关于宿主种群动力学和进化历史相互作用的详细信息可以为如何控制或完全避免疾病爆发的决策提供信息。我们应用我们的死亡SIR方法(BDSIR)的两个病毒数据集。首先,分析了1999年至2003年期间在英国采样的5个人类免疫缺陷病毒1型簇。估计的基本繁殖比在集群之间的范围从1.9到3.2。所有集群都显示,在90年代中期或末期,当地流行病的增长率有所下降。对丙型肝炎病毒(HCV)基因型2c数据集的分析表明,科尔多瓦市Cruz del Eje的当地流行病起源于1906年左右(中位数),与1880- 1920年从欧洲到阿根廷中部的移民潮相吻合。估计流行高峰期在1970年左右。
2014-03-21 math.PR q-bio.PE stat.AP