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
Forecasting confirmed cases of the COVID-19 pandemic with a migration-based epidemiological model
自2020年首几个月开始侵入公众日常生活以来,史无前例的2019冠状病毒病(COVID-19)大流行仍是全球范围内对人类生命的威胁。预测确诊病例的规模对于国家和社区制定适当的防控政策以有效遏制COVID-19的传播至关重要。与2003年SARS疫情和2009年全球H1N1流感大流行不同,COVID-19在其传染性和恢复性方面具有独特的流行病学特征。这促使我们制定一个新的传染病动态模型,用于预测人类流动网络中的COVID-19大流行,命名为SaucIR模型,因为新的房室模型扩展了基准SIR模型,将感染状态下的人群分为无症状、病理感染但未确诊和确诊。此外,我们采用人口流动的动态模型在模型中,以便空间效应可以有效地纳入。我们预测了2020年2月底至5月初期间,中国大陆部分省份和其他经历严重感染的国家的累计确诊病例的传播。将大流行的地理传播纳入其中的新颖性导致了与已公布的确诊病例报告惊人的良好一致性。数值分析验证了我们提出的SaucIR模型的高度可预测性相比,现有的相似性。所提出的预测SaucIR模型在Python中实现。Dash还开发了一个基于网络的应用程序(正在建设中)。
2020-12-01 physics.soc-ph stat.AP
Drawing a parallel between the trend of confirmed COVID-19 deaths in the winters of 2022/2023 and 2023/2024 in Italy, with a prediction
本研究比较意大利2022/2023与2023/2024冬季COVID-19死亡趋势,基于相似波次特征预测2023-2024年冬季死亡人数约4100-4200人,初步验证方法准确。
2024-02-07 physics.soc-ph
On the Emergence of a Power Law in the Distribution of COVID-19 Cases
美国于2020年1月21日报告了首例2019冠状病毒病(COVID-19)确诊病例。截至2020年3月底,美国确诊病例超过18万例,分布在2000多个县。我们发现,该分布的右尾呈现幂律,帕累托指数接近1。我们研究了一个涉及Gibrat定律的COVID-19病例增长的简单模型是否可以解释这种幂律的出现。该模型经校准以匹配(i)确诊病例的增长率,及(ii)COVID-19在每个县存在的不同时间长度。经过校准后,该模型生成了一个幂律,其帕累托指数几乎完全等于3月底各县确诊病例分布直接估计的指数。
2020-06-14 physics.soc-ph q-bio.PE
Impact of COVID-19 on City-Scale Transportation and Safety: An Early Experience from Detroit
COVID-19疫情对美国各地的地方及区域交通网络带来前所未有的破坏,尤其是汽车城底特律。这主要是由于迅速采取了限制性措施,如全州隔离和封锁命令,以限制病毒的传播。这项工作是通过分析2019年1月至2020年6月底特律的五种真实数据集来推动的,这些数据集与交通量、每日案例、天气、社交距离指数和车祸有关。主要目标是弄清楚COVID-19对底特律交通网络使用(交通量)和安全(事故)的影响,探索这些不同数据特征之间的潜在相关性,并确定每种类型的数据(例如,交通量数据)可以是确诊病例预测中的有用因素。此外,还利用长短期记忆网络开发了一个深度学习模型,用于预测未来一周内的确诊病例数。该模型显示出有希望的预测结果,决定系数(R^2)高达约0.91。此外,为了提供证实案例预测的统计评估措施,并量化每种类型的数据的预测效果,6个特征组的预测结果进行了介绍和分析。此外,还提出了六项基本意见,并附有支持性证据和分析。本文的目标是提出一种拟议的方法,该方法可以应用、定制、调整和复制,用于分析COVID-19对交通网络的影响,并使用从美国其他大城市或世界各地获得的类似数据集预测预期的COVID-19病例。
2020-08-28 physics.soc-ph
Artificial Neural Network Prediction of COVID-19 Daily Infection Count
本文利用人工神经网络,结合检测数据、死亡人数和IFR回溯推算真实感染数,并用SEIR模型校准,以预测COVID-19每日感染人数。
2023-06-23 physics.soc-ph 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
Strategizing COVID-19 Lockdowns Using Mobility Patterns
在2019冠状病毒病大流行期间,各国政府试图通过与他人隔离、限制非必要旅行和对旅行者实施强制性旅行禁令来保持其领土的安全。虽然大规模隔离是最成功的短期政策,但长期而言是不可持续的,因为它给社会带来了巨大的代价。因此,能够部分控制疾病传播的政府已决定重新开放企业。然而,世界卫生组织警告说,过早重新开放的风险,就像西班牙,法国和美国加利福尼亚州,佛罗里达州,亚利桑那州和德克萨斯州等一些国家一样。因此,迫切需要考虑一种灵活的政策,限制传输,而不需要大规模和破坏性的网络。在此,我们根据个人的流动模式和美国COVID-19传染的严重程度设计了一个多级隔离流程。通过确定社会流动的自然边界,政策制定者可以实施对社会和经济活动干扰最小的旅行限制。通过将模块化优化的Louvain方法应用于每周移动网络,分析了COVID-19爆发期间社会碎片化的动态。在多尺度社区检测过程中,利用确诊病例的地点,确定自然断点以及传染的高风险地区。在较小的范围内,对于确诊病例数量较多的社区,接触者追踪和相关的检疫政策越来越重要,社区结构可以提供信息。
2020-12-06 physics.soc-ph
The Reconstruction and Prediction Algorithm of the Fractional TDD for the Local Outbreak of COVID-19
从2019年12月下旬开始,新型冠状病毒开始在中国大陆传播。为了预测冠状病毒的传播趋势,提出了几种时滞动态系统(TDD)。本文建立了一个新的分数时滞动力系统(FTDD)来描述COVID-19局部爆发。引入分数阶导数来描述被证实和治愈的人口增长的次扩散过程。基于政府提供的公共卫生数据,提出了一种稳定的系数重建算法。重构后的系数被用来预测冠状病毒的趋势。数值计算结果与公开数据吻合较好。
2020-02-24 physics.soc-ph
Heavy-tailed distributions of confirmed COVID-19 cases and deaths in spatiotemporal space
本文系统分析了COVID-19病例与死亡数在时空上的重尾分布特征,发现其演化可划分为三个阶段以指示疫情严重程度,为基于复杂网络的SIR等模型提供了更严格的约束。
2023-11-23 physics.bio-ph physics.med-ph physics.soc-ph
Improving the Estimation of the COVID-19 Effective Reproduction Number using Nowcasting
随着人与人之间的互动增加,COVID-19爆发的威胁迫在眉睫,并有实施封锁的倾向。在这方面,必须有易于使用的指标供人们参考。确认阳性的基本再现数$R_t$履行了这一作用。本文提出了一种数据驱动的方法,以临近预报$R_t$的基础上,以前的观测的统计行为。随着更多信息的到来,该方法自然会对确认的阳性结果的最终计数变得更加精确。我们的方法的优势在于,它是基于自我报告的症状发作,而不是使用每日报告的计数来推断这个数量的其他方法。我们表明,我们的方法可能是确定有用的跟踪指标的基础。
2021-01-25 physics.soc-ph q-bio.PE
Universal Urban Spreading Pattern of COVID-19 and Its Underlying Mechanism
目前,全球COVID-19疫情正在恶化,迫切需要采取有效的控制和预防措施。了解COVID-19的传播模式已被广泛认为是实施非药物措施的重要一步。以前的研究调查了大规模的这样一个问题(例如,国家间或国家间)的情况,而城市蔓延模式仍然是一个悬而未决的问题。在这里,我们通过利用中国9个城市197,808名智能手机用户(包括17,808名匿名确诊病例)的轨迹数据来填补这一空白。我们发现一个普遍的传播模式,在所有的城市:确诊病例的空间分布遵循幂律模型和传播质心是时不变的。此外,我们发现,人类流动在一个城市驱动的时空传播过程:长的平均旅行距离导致高的传播半径的增长率和广泛的空间扩散的确诊病例。有鉴于此,我们采用Kendall模型来模拟COVID-19的城市传播,该模型能够很好地拟合真实的传播过程。我们的研究结果揭示了COVID-19时空城市演变背后的潜在机制,可用于评估许多政府实施的流动限制政策的绩效,并估计COVID-19的不断演变的传播情况。
2020-12-30 cs.SI physics.med-ph physics.soc-ph
Implication of Repatriating Migrant Workers on COVID-19 Spread and Transportation Requirements
由于COVID-19全国封锁,滞留在印度各地的移民工人迫切需要公共交通工具返回原籍。安排运输可能会使COVID-19感染病例数量激增。因此,本文调查了COVID-19感染的确诊和活跃病例的潜在激增,并评估了遣返移民工人所需的训练和巴士车队规模。通过预测2011年人口普查数据并与新闻媒体报道的信息进行比较,获得了预期遣返的农民工人口。提出了一种改进的易感染-暴露-感染-清除(SEIR)模型,以估计印度选定的移民外流率高的邦的确诊和活动性COVID-19患者病例的激增。开发的模型考虑了不同水平的移民工人的每日到达率,总的移民工人需要运输,和旅行依赖症状的情况下到达的起源的组合。减少移徙工人大量外流的国家的每日移徙工人抵达率(即,北方邦和比哈尔邦)可以帮助降低确诊病例和活跃病例的激增。尽管如此,这可能会造成将所有遣返的移民工人运送到家乡所需天数的差异。因此,建议每天安排大约100,000名移徙工人前往北方邦和比哈尔邦,每天安排大约50,000名移徙工人前往拉贾斯坦邦和中央邦,每天安排20,000名移徙工人前往马哈拉施特拉邦,每天安排不到20,000名移徙工人前往印度其他邦。
2020-07-30 physics.soc-ph q-bio.PE
Temporal and spatial evolution of the distribution related to the number of COVID-19 pandemic
该工作基于全球200多个国家于二零二零年四月至二零二二年六月期间的累计及每日确诊COVID-19病例及死亡人数,系统地进行数据分析。该研究旨在揭示COVID-19大流行中观察到的国家级分布的时间和空间演变,并获得了以下一些有趣的结果。(1)累计确诊病例数和死亡人数的分布在COVID-19的早期阶段服从幂律,在随后的过程中服从拉伸指数函数。(2)每日确诊病例数和死亡人数在COVID-19早期和晚期服从幂律分布,在中期服从拉伸指数函数分布。幂律和拉伸指数行为之间的交叉区域似乎取决于“感染”事件和“死亡”事件的演变。这种观察暗示了一种与COVID-19传播动力学过程相关的重要对称性。(3)各指标的归一化数的分布在2年内表现出时间尺度行为,并可用拉伸指数函数来描述。在这种国家一级的分布中观察到的幂律和拉伸指数行为表明,在人类相互联系的社会中,病毒传播过程的内在动力。因此,它对于理解和数学建模COVID-19大流行非常重要。
2022-08-23 physics.data-an physics.soc-ph q-bio.PE
Estimating Active Cases of COVID-19
准确及时地获得确诊的活动性COVID-19病例的数据是一项挑战,因为这取决于检测能力和适当基础设施的可用性,以进行检测并汇总其结果。在本文中,我们提出了根据官方数据(确诊病例和死亡病例)和调查数据估计COVID-19活动病例数量的方法。我们表明,后者是一个可行的选择,在国家减少测试能力或次优的基础设施。
2021-08-06 cs.DC physics.soc-ph stat.CO
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
How relevant is the decision of containment measures against COVID-19 applied ahead of time?
截至2020年4月30日,新型冠状病毒爆发的累计确诊感染人数为以下国家:比利时,巴西,英国(英国)和美利坚合众国(美国)。在新感染者发病率较低的最初阶段之后,观察到确诊病例数量呈幂律增长。对于每个国家,获得不同的增长指数。对于比利时、英国和美国这些感染人数众多的国家,在幂律增长之后,当接近饱和时会获得明显的行为。巴西仍处于权力法律制度之下。这些数据和预测的更新证实了最近关于病毒的幂律增长及其在世界各地一些国家之间的强距离相关性的结果。此外,我们表明,及时采取行动是卫生组织在抗击COVID-19(由最近发现的冠状病毒引起的传染病)的斗争中最相关的非药物武器之一。我们研究了在不同的三天,即4月16日(早期)、4月30日(当前)和5月14日(晚期)应用时,改变社交距离和每日检测次数以识别感染的无症状个体如何干扰COVID-19确诊病例的数量。结果表明,遏制行动是必要的,以平坦的曲线,并应尽快实施。
2020-05-04 physics.soc-ph q-bio.PE
Controlling the Hidden Growth of COVID-19
COVID-19疫情已困扰全球数月。美国已采取措施应对,每天都有新确诊病例报告。在早期,这些数字呈上升趋势。最近,这些数字基本上被拉平了。这份报告试图通过使用确诊病例来估计人群中目前存活的感染者的隐藏数量。一个主要结果表明,现有感染估计约为每日确诊新病例的10-50倍,严格的社交距离政策倾向于这一范围的上限。它明确了感染率和检测率之间的关系,以控制疫情,即检测率应与感染率保持同步,以防止爆发。在美国和世界重新开放业务之后,这种关系是有意义的。该报告还揭示了所采取的所有措施与流行病传播的联系。提出了一种分层抽样方法,以补充现有的流行病控制工具包。同样,这份报告是对一些直接观察和想法的总结,而不是通过实地数据支持的全面研究。结果似乎是显而易见的,适合于对感兴趣的决策者和公众进行一般教育。
2020-05-19 physics.soc-ph q-bio.PE
Backtesting the predictability of COVID-19
H2O.ai(H2O.ai公司)
COVID-19疫情的到来在全球许多国家引发了前所未有的变化,给卫生部门带来了重大负担,影响了宏观经济状况,并改变了人口之间的社会互动。作为回应,学术界已经产生了多种预测模型,方法和算法,以最好地预测COVID-19的不同指标,例如确诊感染病例的数量。然而,研究人员几乎没有关于大流行的历史信息可供他们使用,以便为他们的预测方法提供信息。我们的工作研究模型在疫情不同阶段的预测表现,以更好地了解其基本不确定性以及数据可用性对此类预测的影响。我们使用253个地区自2020年1月22日至2020年6月22日期间的COVID-19感染历史数据,通过滚动窗口回溯测试框架预测未来7天和28天的累计感染病例数。我们实现了三个简单的模型来跟踪这6个月跨度内的均方根对数误差,一个总是预测累积确诊病例的最后已知值的基线模型,一个幂增长模型和一个称为SEIRD的流行病学模型。由于数据有限,在大流行的早期阶段,预测误差要高得多。在整个大流行期间,错误缓慢但稳步地消退。一个国家在任何时间点出现的确诊病例越多,预测未来确诊病例的误差就越小。我们强调建立严格的回溯测试框架的重要性,以准确评估此类模型在疫情爆发期间任何时间点的预测能力,从而可用于为这些预测分配正确的确定性水平,并促进更好的规划。
2020-07-22 cs.LG physics.soc-ph q-bio.PE
Critical data analysis of COVID-19 spreading in Indonesia to measure the readiness of new-normal policy
Institut Teknologi Sepuluh Nopember(十月科技学院(印度尼西亚));Politeknik Caltex Riau(廖内加理工学院);Politeknik Negeri Malang(玛琅国立理工学院);Universitas Pembangunan Nasional Veteran Jawa Timur(东爪哇退伍军人国家发展大学);STIE Perbanas(佩尔巴纳斯经济学院)
COVID-19疫情已成为当今的全球性问题。为打破COVID-19的传播链,已作出各种努力。印尼政府发布大规模社会限制政策,以防止COVID-19的传播。然而,大规模的社会限制政策影响了印尼的经济。经过几次考虑,印度尼西亚政府实施了一项新常态政策,以严格的健康协议规范家庭以外的活动。这项研究的目的是衡量印度尼西亚在大规模社会限制时期之后进入新正常时期的准备程度。以规定的准备程度、测量参数的形式对所需数据进行统计分析和预测建模。根据统计分析和预测的结果,过去一个月,新增确诊病例增加了两倍多。此外,与预测结果相比,新确诊病例的增长率急剧上升。因此,政府必须重新审视新常态政策,强调经济因素,思考健康因素
2020-11-16 cs.LG physics.soc-ph
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
Statistical properties of COVID-19 transmission intervals in Republic of Korea
本研究通过分析韩国两年的COVID-19确诊病例数据,探究传播间隔的统计特性,发现其受性别影响小,年龄两端群体及部分地区的传播间隔存在差异,助力理解流行病传播动力学机制。
2023-07-25 physics.data-an physics.soc-ph
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
Modeling the early evolution of the COVID-19 in Brazil: results from a Susceptible-Infectious-Quarantined-Recovered (SIQR) model
严重急性呼吸系统综合征冠状病毒2(SARS-Cov2或简称COVID-19)的全球演变导致世界卫生组织宣布其为大流行病。这种疾病于2019年12月在中国出现,并在世界各地迅速蔓延,特别是在意大利和西班牙等欧洲国家。巴西于2月26日记录了第一例报告病例,此后病例数量迅速增长。为了减缓疾病在全国的最初增长,确诊的阳性病例被隔离,以防止疾病传播。为了更好地了解COVID-19在巴西的早期演变,我们应用易感-传染-隔离-隔离(SIQR)模型分析了巴西卫生部从2020年2月26日至2020年3月25日获得的数据。根据分析和数值计算的结果,并根据已有的数据,估计了基本再生数为$R_{0}=5.25$。此外,我们估计,在疫情开始时,未确定的传染性个体和确诊病例的比例约为$10$,与以前的研究一致。我们还估计流行病的倍增时间为$2.72$天。
2020-05-22 physics.soc-ph q-bio.PE
Correlations Between COVID-19 and Dengue
本文提出了一种神经网络模型,通过分析新冠和登革热数据及其外部因素,揭示两者病例趋势的相似性,并利用LSTM模型估算登革热感染情况。
2022-07-27 cs.LG physics.soc-ph q-bio.PE
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
Correlation between COVID-19 morbidity and mortality rates in Japan and local population density, temperature and absolute humidity
本研究分析了COVID-19大流行在日本不同都道府县的发病率和死亡率。在每日最高确诊死亡人数和每日最高病例数分别应超过4人和10人的限制下,纳入了14个都道府县,并对影响发病率和死亡率的辅助因素进行了评价。特别是,评估了确认的死亡人数,不包括医院感染病例和疗养院患者。发病率与人口密度呈轻度相关(R2=0.394)。此外,老年人占人口的百分比也不容忽视。在天气参数中,最高温度和绝对湿度在持续时间内平均被认为是在适度的相关性与发病率和死亡率,不包括医院感染的情况下。观察到较高温度和绝对湿度的发病率和死亡率较低。考虑到这些因素的多变量分析表明,决定系数的蔓延,衰减,和合并阶段分别为0.708,0.785,和0.615,分别。这些发现可能有助于未来大流行期间的干预计划,包括潜在的第二次COVID-19爆发。
2020-07-30 cs.CY physics.soc-ph q-bio.PE
Age-structured estimation of COVID-19 ICU demand from low quality data
本研究针对低质量数据,基于年龄结构概率采样重症病例并利用ICU占用数据计算漏报因子,通过logistic拟合及平台期情景修正曲线,进而预测未来COVID-19的ICU病床需求。
2020-06-16 physics.soc-ph q-bio.PE stat.ML
Inferring incubation period distribution of COVID-19 based on SEAIR Model
为了减少传统的基于调查的方法的偏差,本文提出了一种基于流行病模型的方法,利用公开报告的确诊病例数来推断COVID-19的潜伏期分布。我们构建了一个流行病模型,即SEAIR,并利用SEAIR描述的动态传播过程,估计在8个受影响的国家暴露个人每天的发病概率。基于该等估计,COVID-19的一般潜伏概率分布已被揭示。该方法可以避免传统的基于调查的方法的一些偏见。然而,由于该方法基于几何模型的性质,推断结果对参数的设置有些敏感。因此,应在对所研究的流行病有一定了解的基础上,合理运用该方法。
2020-07-22 physics.soc-ph q-bio.PE
US faces endemic Covid-19 infections and deaths; ways to stop the pandemic
一个新的新型冠状病毒疫情模型已经构建并模拟了美国八个州。该模型的系数基于七个耦合微分方程,并根据记录的病例和死亡数据进行了仔细评估。这些预测表明,新冠肺炎将成为地方性疾病,传播时间将超过两年。如果居家令放宽,2021年大部分州可能会出现二次高峰。如果继续封锁,在大多数开放的州,新冠肺炎死亡人数本可以显著降低。此外,我们的模型预测,将接触率降低10%,或将检测增加约15%,或将封锁依从性(从目前的$\sim$ 15%)增加一倍,将在一年内消除德克萨斯州的感染。应用于整个美国,基于当前情况的预测表明,到2020年11月1日,总感染人数约为1100万(包括未发现的),累计确诊病例为800万,累计死亡人数为63万。
2020-07-21 physics.soc-ph q-bio.PE
On the problem of comparing Covid-19 fatality rates
了解新型冠状病毒的致命性及其在不同国家的差异,对于支持各国政府选择适当的战略至关重要。采用正确的指标来监测疫情过程中感染的致命性是一个至关重要的问题。这一工作突出表明,即使我们的注意力仅限于确诊病例的子集,时间依赖性病死率在多大程度上是估计疫情过程中病死率的误导性指标。我们的分析证明,欧洲几个主要国家的最终病死率肯定会大大超过10%。意大利和其他主要欧洲国家之间死亡率的差异在很大程度上被讨论,这主要归因于(德国除外)意大利流行病的晚期阶段。
2020-04-06 physics.soc-ph q-bio.PE
The Interplay of Demographic Variables and Social Distancing Scores in Deep Prediction of U.S. COVID-19 Cases
Princeton University(普林斯顿大学);New York University(纽约大学)
随着COVID-19疫情的严重性,我们使用谱聚类和相关矩阵的新组合来描述美国各县增长轨迹的性质。随着美国和世界其他地区正在经历严重的第二波感染,为各县分配增长成员资格和了解增长的决定因素的重要性越来越明显。随后,我们选择在统计上最显着区分社区的人口统计特征。最后,我们使用三个社交距离分数,通过LSTM有效地预测了给定县的未来增长。这项全面的研究在非常微观的层面上利用增长社区、人口因素和社会距离表现来捕捉县增长的性质,以帮助政府机构利用已知信息做出适当的决定,确定哪些潜在的县应该获得资源和资金。
2021-01-06 cs.LG cs.SI physics.soc-ph
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
COVID-19 Induced Economic Uncertainty: A Comparison between the United Kingdom and the United States
本研究旨在探讨COVID-19疫情对美国及英国经济政策不确定性的影响。国内COVID-19病例和死亡人数增加以及国外病例和死亡人数增加的影响可能会有所不同。为了验证这一点,该研究从2020年3月8日到2020年5月24日采用了自举ARDL协整方法。根据自举ARDL结果,10个模型中有5个模型证实了长期均衡关系。从ARDL模型获得的长期系数表明,英国和美国以外的COVID-19病例和死亡人数的增加对经济政策的不确定性产生了重大影响。美国受COVID-19病例增加的影响更大。另一方面,英国受境外COVID-19死亡人数增加的负面影响大于病例数增加。此外,该研究的另一项重要发现表明,COVID-19在短期内对两国都是一个很大的不确定性因素。
2020-06-29 econ.GN physics.soc-ph q-fin.EC