Ostwald growth rate in controlled Covid-19 epidemic spreading as in arrested growth in quantum complex matter
在此，我们着重对启动不同遏制政策的国家的COVID-19疫情传播增长情况进行数据分析。众所周知，大流行病传播的增长在其临界点是指数级的，但不知道如何量化不同遏制政策的成功。我们确定，一个成功的方法给出了一个逮捕相制度后的奥斯特瓦尔德增长，其中，随着时间的推移，一个阶段转化为另一个亚稳相具有类似的自由能观察到的氧间隙扩散在量子复杂的物质和蛋白质的结晶。我们引入S因子，量化衡量所采取遏制政策的效率和速度，这不仅对监测COVID-19大流行的传播非常有帮助，而且对其他国家选择最佳遏制政策也很有帮助。结果表明，基于联合隔离、有针对性的检测和追踪阳性病例的政策是最快速的大流行遏制政策;事实上，我们发现中国、韩国和意大利的成功s因子值分别为9、5和31，其中最低的s因子表示最佳遏制政策
2020-03-29 cond-mat.other physics.soc-ph q-bio.PE
The COVID-19 pandemic: growth patterns, power law scaling, and saturation
越来越多的国家显示，由于政府实施有效的封锁和社交距离措施，新冠肺炎感染人数显著放缓。我们通过局部斜率分析分析了受影响最严重的25个国家的增长行为，发现各个国家根据封锁协议的严格程度遵循三种不同的模式：指数上升和下降，幂律或逻辑。对于呈现幂律增长的国家，我们确定了标度指数。对于感染率大幅下降的国家，我们推断了感染人数的预期饱和度和预期最后日期。使用了两种不同的外推方法（logistic和抛物线）。这两种方法在饱和度和结束日期的数量级上是一致的。用同样的方法分析全球感染率。这些外推的相关性和准确性进行了讨论。
2020-04-08 physics.soc-ph q-bio.PE
On the uncertainty of real-time predictions of epidemic growths: a COVID-19 case study for China and Italy
虽然COVID-19在全球迅速传播，但提供疫情实时预测的需求推动了动态和统计模型对可用数据的适应，超出了其能力。在这里，我们专注于通过将渐近分布拟合到实际数据来进行COVID-19感染的统计预测。通过对中国各省和意大利地区的COVID-19感染总数的流行演变进行案例研究，我们发现，在疫情增长的早期阶段，预测的特点是具有很大的不确定性。这些不确定性在流行病达到高峰后大大减少。区域一级预测不确定性的差异可用来突出病毒传播的延迟。我们的研究结果警告说，长期外推的流行病计数必须极其小心地处理，因为它们不仅取决于数据的质量，而且还取决于流行病的阶段，由于内在的非线性本质的基本动力学。这些结果表明，实时流行病学预测应包括广泛的不确定性范围，并迫切需要编制高质量的感染计数数据集，包括无症状患者。
2020-04-20 physics.soc-ph q-bio.PE
Contact network models matching the dynamics of the COVID-19 spreading
本文研究了传染病传播在两个节点相连的概率随它们的距离按幂律衰减的空间网络上的传播。随着距离依赖指数的增长，模型网络从随机网络极限平滑地过渡到规则格点极限。我们发现，尽管保持接触的平均数量不变，增加的指数阻碍了传染病传播，使长距离连接不太频繁。扩散动力学也受到距离依赖指数的影响，从指数增长变为幂律增长。观察到的幂律增长与最近对COVID-19在许多国家传播的经验数据的分析相符。
2020-12-11 physics.soc-ph q-bio.PE
Short-term predictions of country-specific Covid-19 infection rates based on power law scaling exponents
冠状病毒（COVID-19）感染的数量在全球范围内增长。为了建立短期预测，为全球大流行的程度做好准备，我们分析了来自受影响最严重的25个国家的感染数据。结果表明，所有国家的具体感染率遵循幂律增长行为和每个国家的标度指数计算。我们发现两种不同的增长模式：从一开始就稳定的幂律增长，适度的标度指数为3-5或爆炸性的幂律增长，显着的标度指数为8-11。在美国的情况下，我们甚至发现指数为16.59。通过数据分析，我们确认，制定严格的封锁措施，加上人口的强烈遵守，是降低增长率的有效手段。虽然许多国家已采取措施，但迄今只有三个国家（丹麦、挪威和韩国）的封锁导致增长率大幅下降。在丹麦的情况下，我们计算的标度指数从6.82移动到1.47的减少。
2020-03-26 physics.soc-ph q-bio.PE
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
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
Emerging Polynomial Growth Trends in COVID-19 Pandemic Data and Their Reconciliation with Compartment Based Models
我们研究了2020年1月至5月在119个国家爆发的COVID-19大流行的报告数据。我们观察到，个别国家活跃病例的时间序列（确诊感染总数与报告死亡和康复病例总数之差）显示出与多项式增长的高度一致性，在后期流行阶段也显示出与指数衰减相结合的多项式增长。我们的结果也制定在隔间类型的流行病数学模型。在这些模型中，表征在晚期流行病阶段观察到的状态的通用标度可以被解释为相对繁殖数$R_0$的代数衰减为$T_M/t$，其中$T_M$是常数，$t$是流行病爆发的持续时间。我们展示了我们的研究结果如何应用于改善对报告的大流行数据的预测，并估计一些流行病参数。请注意，尽管该模型显示与报告的数据很好的一致，但我们并没有对流行病的实际规模做出任何声明，因为观察到的报告数据与人口中感染总人数的关系仍然是未知的。
2020-05-14 physics.soc-ph q-bio.PE
SEIRD model to study the asymptomatic growth during COVID-19 pandemic in India
根据目前的认识，有症状、症状前和无症状的感染者都可以感染对SARS-Cov-2易感的健康人群。更重要的是，各种报告表明，无症状病例的数量可能比报告的有症状病例高出数倍。在这篇文章中，我们以截至9月1日印度和该国各邦报告的病例为样本，了解COVID-19的进展情况。采用改进的SEIRD模型，我们预测了COVID-19在有症状和无症状感染人群中的传播。考虑到报告的感染主要是由于症状，我们比较模型预测的结果与现有的数据，以估计无症状感染人群的动态。我们的数据表明，在没有无症状感染人群的情况下，有症状病例的数量会少得多。因此，通过广泛或随机检测来消除无症状感染人群，可以减少有症状感染的当前进展。本研究的动机严格限于学术追求;这种理论研究并不意味着影响政策决定或公共卫生实践。
2020-09-11 physics.soc-ph q-bio.PE
COVID-19 and Global Economic Growth: Policy Simulations with a Pandemic-Enabled Neoclassical Growth Model
于二零一九╱二零二零年COVID-19大流行期间，当局已采取临时特别政策措施，例如封城及大规模防疫措施，以减缓其传播。然而，人们对广泛使用这些前所未有的措施的后果知之甚少。为了帮助理解这些政策措施的经济和人类后果，我们构建了疫情影响下的经济数学模型，选择了代表COVID-19影响下全球经济的参数值，并通过模拟大量可能的政策应对措施进行了数值实验。通过改变模拟情景中政策干预的开始日期，我们发现，最有效的政策干预发生在活动性感染人数以最高速度增长的时候，也就是说，结果表明，只有当疾病充分传播时，才应该实施最严厉的措施。干预的强度，在一定的阈值以上，似乎并没有对我们的模拟结果产生很大的影响，由于强凹的关系，我们确定生产短缺和感染率降低。我们的实验进一步表明，干预应该持续到感染率降低所建立的峰值之后，这意味着更严格的政策应该持续更长时间。该模型及其实施，以及我们的政策实验的一般见解，可以帮助政策制定者设计有效的紧急政策应对面对一个严重的流行病，并有助于我们理解之间的关系经济增长和传染病的传播。
2020-06-15 econ.GN physics.soc-ph q-fin.EC
COVID 19, a realistic model for saturation, growth and decay of the India specific disease
这项工作提出了一种简单而现实的方法来处理印度COVID-19患者的现有数据并预测情况。建议的模式是基于现有的事实，例如封锁的开始（政府在第25天宣布）、τ0和由平均寿命恢复时间τ1（通常约为14天）决定的恢复模式。2020年3月2日至4月16日期间感染COVID-19患者的数据已用于拟合感染、康复和死亡人数的演变。一个缓慢上升的指数增长，与R 0接近1/6，被发现代表感染的计数表明几乎是线性上升。数据的其余增长、饱和和衰减可通过结合锁定时间控制的R 0来理解地建模，具有正常误差函数，如在τ2的某个时间范围内衰减到零的行为。恢复平均寿命τ1决定了峰值和衰减。对未来几天的预测结果是有趣和乐观的。引入的时间常数的基础上的实验数据的恢复率，以及确定锁定后的R 0的活动的时间跨度是有争议的主题，并提供了可能性，引入触发因素来改变这些更适合于模型。该模型可以扩展到其他社区自己的R 0和恢复时间参数。
2020-04-21 physics.soc-ph q-bio.PE
Estimating the number of COVID-19 cases from population isolation level
我们使用逻辑函数来估计在一段时间内感染病毒的个体数量，作为感染发生前一段时间的社会隔离水平的函数。每个时期由一个固定的日期范围组成，以天为单位，社会隔离应该在下一个日期范围内的病毒传播中生效。样本为巴西圣保罗州的COVID-19病例和社会隔离水平数据。所提出的方法分为两个阶段：1）针对COVID-19经验数据拟合Logistic函数，以获得函数参数; 2）使用除总体增长率外的函数参数，以及所有时间段的社会隔离水平的平均值来计算一个称为$λ$的常数。使用$λ$和该时间段的隔离水平计算每个时间段的逻辑增长率。一段时间内的病例数是使用逻辑斯蒂函数和前一段时间的增长率来估计的，以获得在过去的时间内社会隔离的效果。在经验数据和估计数据之间产生更好相关性的时间段为5天。我们的结论是，该方法执行的数据估计与经验数据的高度相关性。
2021-10-26 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
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
Vaccination rates modulate the correlation between country latitude and covid-19 surge date arising this autumn 2021
2020年秋季，观察到新冠病毒激增日期与国家纬度之间存在明显的线性相关性，但与温度和湿度之间没有相关性，这表明季节性维生素D状况下降是一个影响因素。接种疫苗良好的欧洲国家在2021年秋季重复爆炸性激增。我们的目标是评估激增日期，国家纬度和人口接种率之间的潜在联系。今年秋天只观察到了微弱的相关性。然而，在将国家纬度按其疫苗接种率比例向南移动后，检索到了明显的线性相关性。这一观察结果与其他观察结果相结合，支持维生素D缺乏会降低疫苗接种效率。保持维生素D缺乏没有客观的好处。因此，虽然欧洲人口正在经历季节性秋冬维生素D状态下降，但筛选老年人维生素D状态并修复个体缺乏症已经是有意义的。
2021-11-02 physics.soc-ph
Small Area Estimation of Case Growths for Timely COVID-19 Outbreak Detection
Singapore Management University（新加坡管理学院）；Georgia Institute of Technology（佐治亚理工学院）；Massachusetts General Hospital（麻省总医院）；Harvard Medical School（哈佛医学院）
本文提出TLRF框架，通过随机森林的自适应加权机制，有效平衡准确率与速度，提升小样本区域的疫情增长率估计精度，并在科罗拉多州案例中验证其在爆发检测中的优越性。
2026-05-13 cs.LG physics.soc-ph stat.ML
Time Series Analysis and Correlation of Subway Turnstile Usage and COVID-19 Prevalence in New York City
在本文中，我们显示了纽约市大都会交通管理局提供的纽约市地铁旋转栅门使用数据与纽约市卫生局报告的COVID-19死亡和病例之间的强相关性。转门使用数据不仅显示了城市地铁的使用情况，还显示了人们的活动，这些活动促进了2020年3月至5月期间COVID-19城市居民的大规模流行。虽然这种相关性是显而易见的，但以前没有提供任何证据。在这里，我们证明了这种相关性，通过应用程序的长短期记忆神经网络。我们发现，COVID-19流行率与死亡的相关性考虑了报告死亡的潜伏期和症状期。在建立了这种相关性后，我们使用自回归综合移动平均模型估计在报告的死亡人数减少后COVID-19死亡人数和病例数接近零的日期。我们还通过回溯数据集来估计第一例病例和死亡发生的日期，并将其与报告的日期进行比较。
2020-08-30 physics.soc-ph stat.AP
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
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
Shut and re-open: the role of schools in the spread of COVID-19 in Europe
我们通过将丹麦、挪威、瑞典和德国各州作为案例研究，调查了学校关闭和随后重新开放对COVID-19传播的影响。通过比较不同干预措施下每日住院或确诊病例的增长率，我们提供的证据表明，学校关闭的影响是可见的，因为实施后约9天的增长率下降。有限的入学率，如年龄较大的学生参加考试或年轻群体的部分返回，似乎不会显著影响社区传播。在丹麦或挪威等社区传播普遍较低的国家，大规模重新开放学校，同时控制或抑制疫情似乎是可行的。然而，在德国等社区传播相对较高的国家，学校重新开放可能有助于显著提高增长率。我们的研究结果强调，需要对重新开放策略进行谨慎评估，以确保低教室占用率和坚实的基础设施，以快速识别和隔离新的感染。
2021-04-26 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
A model for the spread of an epidemic from local to global: A case study of COVID-19 in India
在本文中，我们提出了一个新冠肺炎传播的流行病学模型。传播的动力学是基于人口中的四个基本类别的人：测试和感染，未测试但感染，测试但未感染，和未测试而未感染。该模型是基于两个层次的人口传播的动态：在地方一级和全球一级。地方层面的增长以数据和参数描述，包括COVID-19的测试统计数据、全国封锁等预防措施以及邻近地区的人口迁移。在印度的情况下，当地位置被视为地区，跨地区的迁移或交通流量由感染COVID-19的地区的集合人口网络的归一化边权重定义。根据当地的增长情况，对COVID-19阳性检测人数进行了州一级的预测。此外，考虑到当地的位置作为国家，预测国家一级。模型参数的值是使用网格搜索和最小化误差函数来确定的，同时用真实数据训练模型。这些预测是基于目前的测试统计数据，以及州和国家一级测试的线性和对数线性增长。最后指出，如果试验次数能按一定的因素线性或对数线性增加，并在不久的将来采取预防措施，则可以抑制扩散。这对于防止感染人数急剧增加和消除第二波大流行病也是必要的。
2020-06-04 cs.SI 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
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
Effects of Population Co-location Reduction on Cross-county Transmission Risk of COVID-19 in the United States
COVID-19在美国迅速蔓延，对公共卫生、实体经济和人类福祉构成重大威胁。在缺乏有效疫苗的情况下，保持社交距离及减少旅行等预防措施被视为控制COVID-19传播的重要非药物方法。此前的研究表明，人类活动和流动性推动了中国COVID-19的时空分布。然而，人们对减少同地办公对COVID-19跨县传播风险的模式和影响知之甚少。这项研究利用了2020年3月至5月初美国所有县的Facebook托管数据。该分析考察了旅行减少与大流行增长轨迹之间的同步性和时滞，以评估社交距离在停止人口共居概率以及随后每周新病例增长方面的功效。结果表明，减少同地办公的缓解效应表现在延迟一周的每周新病例增长上。此外，在根据病例数量分类的不同州组之间发现了明显的隔离。结果表明，组内共址概率保持稳定，社会距离政策主要导致跨组共址概率降低（由于从病例数较多的县到病例数较少的县的旅行减少）。这些发现可能对地方政府提供重要的实际影响，以指导其监测和减少COVID-19传播的干预措施，以及在未来大流行中采用。公共政策、经济预测和流行病建模在评估COVID-19跨县传播风险时需要考虑人口共址模式。
2020-06-01 physics.soc-ph q-bio.PE
Spatial correlations in geographical spreading of COVID-19 in USA
COVID-19大流行的全球传播途径复杂，主要归因于病毒的高传染性、人类旅行模式以及多项缓解措施的实施。由此产生的地理模式描述了流行病的演变，并可以指示有爆发风险的地区。在这里，我们分析了美国县级新活跃病例的空间相关性，并描述了这些相关性在不同时间的程度。我们发现，流行病并没有统一的进展，我们确定了不同的阶段，区分的相关长度的显着差异。我们的研究结果表明，相关长度可能是大的，即使在案件数量下降的时期。我们发现，城市中心之间的相关性比农村地区之间的相关性要显著得多，这一发现表明，城市之间的旅行主要促进了远程传播，特别是在疫情爆发的头几个月。我们还显示，2020年11月存在一个渗透过渡，当时该国最大的部分地区连接到一个跨越集群，2021年1月存在一个较小规模的过渡，这两个时间都对应于该国的疫情高峰。
2021-06-26 physics.soc-ph
Forecasting COVID-19 Pandemic in Mozambique and Estimating Possible Scenarios
COVID-19目前是本世纪最大的流行病危机，全球登记病例超过1600万例。非洲国家现在已开始登记越来越多的病例，但针对具体非洲国家开发的模式并不多。在我们的研究中，我们使用一个简单的SEIR模型来评估和预测未来的情况下，在莫桑比克的大流行危机。我们比较了不同政策对感染曲线的影响，并估计了当前感染再生数Rt和增长率g等流行病学参数。我们已经发现了一个较低的Rt值，范围从1.11至1.48和一个积极的增长率，g = 0.22至0.27之间。我们的模拟还表明，封锁显示出将感染高峰高度平均降低28%的潜力，范围从20%到36%不等。
2020-07-28 physics.soc-ph q-bio.PE
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
Examining the Global Spread of COVID-19 Misinformation
2019冠状病毒病全球大流行导致了基于健康、政治和阴谋的错误信息在网上泛滥。了解这种错误信息的影响范围和信念对于管理这场危机以及未来的危机至关重要。我们的全球调查结果发现，人们对与新冠肺炎相关的错误信息的看法令人不安，而且与那些主要从社交媒体上消费新闻的人存在相关性，在美国，这与政治倾向有很强的相关性。
2021-01-27 cs.SI physics.soc-ph
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
Effect of Mitigation Measures on the Spreading of COVID-19 in Hard-Hit States
州政府强制推行的社交距离措施有助减缓COVID-19疫情在美国的增长。目前COVID-19发展的预测模型，特别是在缓解措施之后，主要基于从其他国家推断的数据。由于大多数州在3月底执行了居家令，其影响应反映在4月底的死亡和感染人数中。使用截至4月25日的数据，我们调查了缓解措施导致的感染率变化，并预测了截至2020年9月的死亡和感染人数，其中包括一些受影响最严重的州：纽约州，新泽西州，密歇根州，马萨诸塞州，伊利诺伊州和路易斯安那州。我们发现，在目前的缓解努力下，这六个国家中有五个将其繁殖数量减少到小于1的值，阻止了大流行的指数增长。我们还预测了缓解措施放松后的不同情景。对其他州的分析可以在https://covid19projection.org/上找到。
2020-04-30 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
The SHIR Model: Realistic Fits to COVID-19 Case Numbers
我们考虑一个全球（独立于地点）流行病增长模型，该模型概括了SIR模型，以适应COVID-19流行病的重要特征，特别是实施流行病减少措施。这种“SHIR”模型被应用于COVID-19数据，并显示出作为一种简单、易于处理的形式主义的希望，其参数很少，可用于对大流行病例数进行建模。作为一个例子，我们表明，来自15个中欧和西欧国家的每日新冠肺炎病例的平均时间依赖性与模型的分析，无参数预测非常一致
2020-07-28 physics.soc-ph q-bio.PE
Epidemic parameters for COVID-19 in several regions of India
报告了对2020年4月期间印度不同地理区域病例和死亡病例的公开时间序列的贝叶斯分析。研究发现，感染最初明显的快速增长可能部分是由于混杂因素，如疾病监测的最初快速增长。一个简短的讨论给出的谬误，如果出现这种可能性被忽视。4月10日之后的增长与时间无关，但与区域相关的指数一致。由此，使用已知病例和死亡率提取R 0。在许多情况下，这两个估计值被认为是一致的;对于这些CFR报告。可以看出，CFR和R 0一起增加。一些公共卫生的影响，这一观察进行了讨论，包括目标加倍间隔，如果医疗设施是保持足够的。
2020-05-18 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
The Gompertz Growth of COVID-19 Outbreaks is Caused by Super-Spreaders
在个别SARS-CoV-2爆发中，确诊病例和死亡人数的计数遵循Gompertz增长函数，适用于大小差异很大的地区。这种对区域大小的依赖性的缺乏使我们假设病毒的传播取决于社会互动网络的普遍属性。我们通过模拟不同拓扑结构的网络上的病毒传播来测试这一假设。我们的主要发现是，Gompertz增长观察到的早期爆发只发生在一个无标度网络，其中节点的邻居比平均水平多得多是常见的。这些有很多邻居的节点在疫情爆发的早期就被感染，然后迅速传播感染。当这些节点不再具有传染性时，具有最多邻居的剩余节点接管并继续传播感染。通过这种方式，传播速度在一开始是最快的，并立即减慢。从几何学上可以看出，流行病的“表面”，即与受感染节点接触的易感节点的数量，在流行病的早期和较大的节点一被感染就开始迅速减少。在我们的模拟中，病毒爆发的速度和影响取决于三个参数：每个节点的平均接触次数、被邻居感染的概率以及恢复的概率。减少未来疫情影响的明智干预措施需要关注这些关键参数，以尽量减少经济和社会附带损害。
2021-12-31 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
Quantifying Inaccuracies in Modeling COVID-19 Pandemic within a Continuous Time Picture
通常，对COVID-19大流行预测的数学模拟研究是基于确定性微分方程，该方程假设各种流行病学类别中的个体数量（$n$）和它们所依赖的时间（$t$）都是连续变化的量。这一情况与$n$和$t$的离散表示形成对比，后者是根据每日感染病例数报告的真实流行病学数据的基础，基于有限差分方程的描述将更合适。采用逻辑增长框架，本文提出了一个定量分析的错误所引入的连续时间描述。该分析表明，尽管流行病学曲线最大值的高度基本上不受影响，但在连续时间表示中获得的位置$T_{1/2}^{c}$相对于在离散时间表示中预测的位置$T_{1/2}^{d}$在时间上系统地向后移动。相反，与直觉相反，这种时间偏移$τ\equiv T_{1/2}^{c} - T_{1/2}^{d} < 0$的幅度基本上对感染率$κ$的变化不敏感。对于在极端情况下（时间呈指数增长和完全封锁）从COVID-19数据推导出的广泛$κ$值，我们发现了相当稳健的估计值$τ\simeq -2.65\,\mbox{day}^{-1}$。在没有任何特定假设的情况下获得，本数学结果适用于一般的逻辑增长，而不限于特定的实际系统。
2020-09-04 physics.bio-ph physics.soc-ph q-bio.PE
Did the lockdown curb the spread of COVID-19 infection rate in India: A data-driven analysis
为了分析印度连续三次全国封锁的效果，我们对四个关键参数进行了数据驱动分析，即降低传播率，抑制增长率，平坦化流行曲线和改善医疗保健系统。通过考虑四个不同的指标，即繁殖率、生长率、倍增时间和死亡与恢复比率，对这些指标进行了量化。本集团利用指数增长、最大似然估计、序贯贝叶斯方法及时间依赖性繁殖估计，分析印度COVID-19疫情（于二零二零年三月二日至二零二零年五月三十一日期间）的发病率数据，以获得与疫情曲线的最佳拟合。最佳拟合（基于所考虑的数据）是时间依赖性方法。因此，该方法用于评估对有效繁殖率的影响。从封锁前到封锁3结束的时间段，有效繁殖率下降了$45\%$。在同一时期，生长速率从锁定前的$393\%$降低至锁定3后的$33\%$，伴随着平均倍增时间从$4$ - $6$天增加至$12$ - $14$天。最后，死亡与康复比率从$0.28$（封锁前）下降到封锁3后的$0.08$。总括而言，评估封城措施成效的四项指标自封城措施前至封城措施三结束期间均出现重大有利变化。使用这些指标分析封锁后期间的数据将更清楚地说明封锁的成功程度。
2020-06-22 physics.soc-ph q-bio.PE
The effect of cities and distance on COVID-19 spreading in the United States
2019冠状病毒病大流行通过多种时空动态随时间演变。不同地理区域之间相互作用的程度不同，可能会导致复杂的传播模式，因此很难辨别这些区域之间的影响。在这里，我们使用互相关分析来检测美国县级新冠肺炎病例时间演变的同步演变和潜在的相互影响。我们的分析确定了两个主要的时间段，在相关性的行为中具有可区分的特征。在第一阶段，只有城市地区之间出现了一些强相关性。在该流行病的第二阶段，强相关性变得普遍，并且存在从城市到农村地区的明显方向性影响。总体而言，两县之间的距离的影响远远弱于县人口的影响。这种分析可以提供关于疾病演变的可能线索，并可以确定该国哪些地区的干预措施在限制疾病传播方面可能更有效。
2022-11-14 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
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
Lack of evidence for correlation between COVID-19 infodemic and vaccine acceptance
信息消费如何影响行为是一个开放和广泛辩论的研究问题。一个流行的假说认为，所谓的信息流行对个人决策的方向有着重大影响。一个与之竞争的假设强调，接触大量甚至相互矛盾的信息对个人选择几乎没有影响。COVID-19疫情提供了一个研究这种关系的机会，分析了COVID-19相关信息流通与用户接种疫苗倾向之间的相互作用。我们通过查看2020年1月1日至2021年4月30日期间2000万个帐户产生的1.46亿条内容来分析Twitter和Facebook上的疫苗信息统计学。我们发现，疫苗相关新闻通过社交媒体引发了巨大的兴趣，影响了注意力模式和信息传播的方式。然而，我们观察到，这种混乱的信息格局只在整体疫苗接受度方面产生了微小的变化，这是通过Facebook对160万用户样本进行的每日COVID-19趋势和影响调查（以前称为COVID-19世界症状调查）来衡量的。值得注意的是，观察期包括欧洲药品管理局（EMA）对可能与疫苗接种有关的血栓病例的调查，这一系列事件可能会削弱对疫苗接种活动的信任。最后，我们通过调查各种信息学指数和疫苗接受度之间的数值相关性，观察与零模型的强兼容性来总结本文。这一发现支持的假设，改变信息消费模式是不是一个可靠的预测集体行为的变化。相反，社交媒体上更广泛的关注似乎在两极分化中解决，疫苗倾向者和疫苗犹豫者保持各自的立场。
2021-09-14 cs.SI 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
City size and the spreading of COVID-19 in Brazil
目前爆发的2019冠状病毒病（COVID-19）是一个前所未有的例子，表明传染病在全球（特别是在城市地区）传播的速度有多快，以及它对公共卫生和社会经济活动造成的巨大影响。尽管近期有关COVID-19大流行不同方面的调查激增，但我们对城市规模对城市地区这种疾病传播的影响仍然知之甚少。在这里，我们调查了COVID-19的病例和死亡人数如何与巴西城市的人口规模相关。我们的研究结果表明，在疾病最初传播期间，小城镇受COVID-19影响的比例更大，因此人均累计病例数和死亡人数最初随着人口规模而减少。然而，在大流行的长期过程中，这种城市优势消失了，大城市开始显示出更高的病例和死亡发生率，因此，自最初的两例每日死亡病例以来，人口每增加1%，人均死亡人数在大约四个月后增加0.14%。我们认为，这些模式可能与大城市中存在的按比例更多的卫生基础设施和大城市地区老年人比例较低有关。我们还发现大城市的病例和死亡人数的初始增长率较高;然而，随着时间的推移，这些增长率在大城市往往会下降，而在小城市则会增加。
2020-08-25 physics.soc-ph q-bio.PE
COVID-19 reproduction number estimated from SEIR model: association with people's mobility in 2020
本文是在世界范围内对两个流行病学问题的探索性研究。疾病传播的速度有多快？对人们的限制（特别是行动限制）是否带来了预期的效果？为了回答第一个问题，我们提出了一个工具，估计再现数的流行病（继发感染的数量$R_t$）的SEIR模型的基础上，并将其与非模型$R_t$估计。为了衡量不同国家COVID-19的$R_t$，从约翰霍普金斯大学系统科学与工程中心（CSSE）检索了冠状病毒感染、康复和死亡的每日病例的实时数据。为评估2020年COVID-19疫情期间流动限制措施的有效性，我们列出了$R_t$与人们流动性之间的相关性（基于Apple流动性指数）。考虑了12个国家的相关性，其中大多数国家的相关性为负。这表明在实施流动限制方面出现了延迟--各国实施这些限制是为了应对新冠肺炎病例的增长，而不是为了预防。
2021-08-27 cs.SI physics.soc-ph q-bio.PE
Forecasting the transmission of Covid-19 in India using a data driven SEIRD model
使用确定性暴露-感染-恢复-死亡（SEIRD）房室模型研究了印度特定病例的SARS-CoV-2病毒感染和死亡情况。其中最重要的流行病学参数之一，即感染的有效繁殖数是从报告的感染的日增长率数据中提取的，并将其包含在具有时间变化的模型中。我们评估了迄今为止实施的控制干预措施的效果，并估计了这些限制性措施避免的感染和死亡病例数。我们进一步预测未来COVID-19在印度的传播程度，并预测在各种潜在情况下的可能感染人数和死亡人数。
2020-06-08 physics.soc-ph q-bio.PE
Estimating the Impact of Social Distance Policy in Mitigating COVID-19 Spread with Factor-Based Imputation Approach
University of Hong Kong（香港大学）；Toulouse School of Management（图卢兹管理学院）；University of International Business and Economics（对外经济贸易大学）；Beijing University of Chemical Technology（北京化工大学）
本研究构建控制州层面异质性的模型，采用因子插补法结合美国2020年2-4月的面板数据，证实社交距离政策可显著降低新冠感染与死亡增速，且效果具有时变性，在高收入、高教育水平等特征的州效果更突出。
2024-05-20 econ.EM physics.soc-ph
A simple iterative map forecast of the COVID-19 pandemic
我们开发了一个简单的三维迭代地图模型来预测冠状病毒疾病的全球传播。我们的模型最多包含两个拟合参数，这些参数是根据世界卫生组织提供的每天病例总数和新病例数的数据确定的。我们发现，我们的模型提供了一个令人惊讶的好适合目前可用的数据，表现出从指数到幂律增长的交叉，因为锁定措施开始生效。在采取这些措施之前，我们的模型预测从世界卫生组织提供第一份“情况报告”之日（2020年1月21日$-$第1天）开始，从第30天到第69天呈指数级增长。根据这一初步数据，预计该疾病将感染全球约23%的人口，即约17.6亿人，夺走约8300万人的生命。在这种情况下，全球新增病例预计将在第133天（约2020年5月中旬）达到峰值，估计每天新增病例6000万例。如果目前的封锁措施可以保持，我们的模型预测从第69天起的幂律增长。这种增长相对缓慢，并且在足够数量的人（至少占全球人口的23%）通过感染而对该疾病产生免疫力之前必须持续几十年。封锁措施似乎非常有效地推迟了每日新增病例数量的不可阻挡的高峰，如果没有任何干预措施，这种高峰就会出现。然而，如果放松这些措施，这种疾病的传播很可能会恢复到原来的指数增长模式。因此，封锁措施的持续时间和严厉程度应根据其对世界经济的潜在破坏性影响谨慎选择时间。
2020-04-16 physics.soc-ph q-bio.PE
Detecting Global Community Structure in a COVID-19 Activity Correlation Network
过去两年半的COVID-19全球大流行产生了大量的流行病/公共卫生数据集，这些数据集也可能有助于研究我们全球互联世界的基本结构。在这里，我们使用约翰霍普金斯大学COVID-19数据集构建了一个国家/地区的相关网络，并研究了其全球社区结构。具体而言，我们从数据集中选择了至少有10万例累积阳性病例的国家/地区，并生成了每个国家/地区报告的新阳性病例的7天移动平均时间序列。然后，我们计算了一个时间序列的每日变化指数，采取每日的差异，在对数的新的阳性病例。我们构建了一个相关性网络，通过连接国家/地区，在其每日变化指数时间序列中具有正相关性，使用他们的皮尔逊相关系数作为边权重。应用模块化最大化方法发现有三个主要社区：（1）主要是欧洲+北美+东南亚，在大流行期间呈现类似的六峰模式，（2）主要是近东/中东+中亚/南亚+中亚/南美洲，松散地跟随社区1，但由于Delta变体，活动显著增加，后来受到Omicron的显著影响主要分布在非洲+加拿大中部/东部+澳大利亚，直到Omicron变种引起巨大的高峰才有太多的活动。这三个社区在不同的环境下被检测到。通过使用这三个社区的中位曲线作为x-y-z坐标来构建3D“相空间”，生成了全球大流行如何发展的有效摘要轨迹。
2022-07-18 cs.SI physics.soc-ph
Logistic growth model and modeling of factors for community case transmission
在本文中，我们分析了塞内加尔社区传播COVID-19导致的病例传播，以确定统计关联。确定和了解与这种社区传播有关的因素可以成为限制疾病传播的决策支持工具。我们估计参数并评估生长因子，社区率，每周增长和每日差异，并进行预测，以帮助如何找到控制情况的具体行动。
2020-11-05 physics.soc-ph q-bio.PE
Analyzing the Dynamics of COVID-19 Lockdown Success: Insights from Regional Data and Public Health Measures
本文利用区域疫情数据识别人口密度、感染、死亡和康复等因素与封锁成败的关联，并提出未来大流行防控策略。
2024-02-25 cs.DL physics.soc-ph
COVID-19 transmission risk factors
我们分析了与不同国家近期COVID-19大流行的初始传播增长率相关的风险因素。病例数在其早期阶段几乎呈指数级增长;我们选择每个国家的第一天$d_i$作为起点，有30个病例，我们拟合了12天，从而捕获了早期的指数增长。然后，我们在126个国家的样本中寻找指数$α$与其他变量的线性相关性。我们发现正相关，{ \it，即COVID-19的更快传播}，具有高置信水平，以下变量，各自的$p$值：低温（$4\cdot10^{-7}$），老年人与~老年人的高比率，劳动年龄人口（$3\cdot10^{-6}$），预期寿命（$8\cdot10^{-6}$），国际游客人数（$1\cdot10^{-5}$），较早的流行病开始日期$d_i$（$2\cdot10^{-5}$），问候习惯中的高水平身体接触（$6 \cdot 10^{-5}$），肺癌患病率（$6 \cdot 10^{-5}$），男性肥胖（$1 \cdot 10^{-4}$），城市地区人口比例（$2\cdot10^{-4}$）、癌症患病率（$3 \cdot 10^{-4}$）、饮酒量（$0.0019$）、每日吸烟患病率（$0.0036$）、紫外线指数（$0.004$，73个国家）。我们还发现了与低维生素D水平的相关性（$0.002-0.006$，较小的样本，$\sim 50$国家，将在较大的样本中确认）。与血型也有高度显著的相关性：与RH-型（$…
2021-05-10 physics.soc-ph q-bio.PE q-bio.QM
COVID-19 Forecasts via Stock Market Indicators
本研究将COVID-19每日病例转化为K线图，应用MACD、RSI等技术指标进行短期预测，验证了其在疫情和股市数据上的统计显著性，并用于识别疫情浪潮及评估卫生政策效果。
2021-12-13 physics.soc-ph q-bio.PE q-fin.TR
