Simulating the spread of COVID-19 via spatially-resolved susceptible-exposed-infected-recovered-deceased (SEIRD) model with heterogeneous diffusion
我们提出了一个早期版本的易感暴露-中毒-死亡（SEIRD）的数学模型的基础上偏微分方程耦合的非均匀扩散模型。该模型描述了COVID-19大流行的时空传播，旨在根据人类习惯和地理特征捕捉动态。为了测试该模型，我们将有限元求解器生成的输出与意大利伦巴第大区的测量数据进行了比较，该地区在2020年2月至4月期间受到这场危机的严重影响。我们的研究结果显示，对伦巴第大区COVID-19时空传播的模拟预测与在市政一级收集的流行病学数据之间存在很强的定性一致性。探索放松封锁限制的替代方案的其他模拟表明，重新开放战略应考虑到地方种群密度和传染的具体动态。因此，我们认为，对我们模型的数据驱动模拟最终可以为卫生当局提供信息，以设计有效的流行病遏制措施，并预测关键医疗资源的地理分配。
2020-05-11 cs.NA math.NA physics.soc-ph
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
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
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 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
SEAIR epidemic spreading model of COVID-19
我们研究了COVID-19的易感-暴露-隔离-传染-隔离（SEAIR）传染病传播模型。它抓住了COVID-19传染性的两个重要特征：延迟开始和在症状出现之前出现，甚至完全没有症状。在随机正则图和复杂网络上，分别对该模型进行了连续时间分区和离散时间分区的理论分析。我们分析表明，有流行病的阈值和方程的易感人群在地方病平衡在所有三个版本，当流行病是弱的。我们提供的理论论据，一个节点的特征向量中心性近似决定其被感染的风险。
2020-08-28 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
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
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
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
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
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
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
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
Spreading of infections on random graphs: A percolation-type model for COVID-19
利用渗流理论中的概念，我们引入了一个网络上的传染病传播模型。该模型的动机是讨论标准的SIR模型，扩展到描述人口内的封锁的影响。的基本思想和行为的晶格模型，实现使用相同的锁定方案的SIR计划，详细讨论和说明了广泛的模拟。就美国COVID-19数据的情况提供了两种模型之间的比较。这两个拟合的经验数据是非常好的，但两种方法之间出现了一些差异，这表明有一个替代的方法，广泛的SIR模型的有用性。
2020-06-01 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
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
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
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
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
Identify Hidden Spreaders of Pandemic over Contact Tracing Networks
COVID-19感染病例在全球范围内激增，对社会和经济都造成了影响。造成持续传播的一个关键因素是存在大量无症状或隐藏的传播者，他们混在易感人群中而未被发现或隔离。在这里，我们提出了一种有效的非药物干预方法来检测接触者追踪网络中的无症状传播者，并在新加坡的COVID-19传播网络上进行了验证。我们发现，使用纯物理传播方程，可以非常准确地识别COVID-19的隐藏传播者。具体而言，基于COVID-19传播动力学的独特特征，我们提出了一个计算框架，捕获网络中不同传染状态之间的转移概率，并将其扩展为识别渐近个体的有效算法。我们的模拟结果表明，使用我们的预测的筛选方法优于机器学习算法，例如图神经网络，这些算法在这项工作中被设计为基线，以及中国在其早期爆发中广泛使用的感染最密切接触者的随机筛选。此外，我们的方法提供了高精度，即使在不完整的信息的合同跟踪网络。我们的工作对于COVID-19的非药物干预至关重要，特别是随着越来越多地采用各种新技术的接触者追踪措施。除了COVID-19，我们的框架还可以用于其他以无症状传播为特征的流行病
2021-03-17 physics.soc-ph 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
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
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
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
Parameter estimation in dynamical systems via Statistical Learning: a reinterpretation of Approximate Bayesian Computation applied to COVID-19 spread
提出了一种基于统计学习技术的动态系统鲁棒参数估计方法，该方法的目的是估计出一组与动态系统相适应的参数，以获得关于其轨迹定性行为的鲁棒证据.该方法是相当通用和灵活的，因为它不依赖于任何特定的动力系统的属性，并代表了近似贝叶斯计算方法通过统计学习的镜头重新解释。该方法特别适用于流行病学房室模型中的参数估计，以获得疾病演变的定性性质。我们将其应用于美国COVID-19传播的模拟和真实数据，以定性评估其随时间的演变，显示如何评估为减缓传播而实施的措施的有效性以及疾病当前和未来演变的一些定性特征。
2021-02-25 q-bio.PE stat.ME stat.ML
Control Intervention Strategies for Within-Host, Between-Host and their Efficacy in the Treatment, Spread of COVID-19 : A Multi Scale Modeling Approach
本研究提出多尺度模型连接COVID-19宿主内与宿主间动态，评估不同干预策略疗效，发现药物联合免疫疗法及环境清洁与社交距离的综合策略最优，可有效降低基本再生数与病毒传播。
2020-09-24 math.DS 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
A machine learning aided global diagnostic and comparative tool to assess effect of quarantine control in Covid-19 spread
我们通过用神经网络模块增强经典SIR流行病学模型，开发了一个全球适用的新型冠状病毒肺炎诊断模型。我们的模型不依赖于SARS/MERS等以前的流行病，所有参数都通过对公开可用的Covid-19数据采用的机器学习算法进行优化。该模型分解的感染时间序列的贡献，分析和比较在欧洲，北美，南美和亚洲的高度受影响的地区，在控制病毒的传播检疫控制政策的作用。对于所考虑的所有大陆，我们的结果显示，加强检疫控制之间普遍存在很强的相关性，正如模型所了解的那样，以及各地区政府所采取的行动。最后，我们在一个公共平台上托管了全球70个受影响国家的检疫诊断结果，公共卫生官员和研究人员可利用该平台做出明智的决策。
2020-07-23 physics.soc-ph q-bio.PE
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
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
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
A stochastic metapopulation state-space approach to modeling and estimating Covid-19 spread
数学模型被广泛认为是分析和理解传染病暴发动态、预测其未来趋势以及评估疾病控制和消除的公共卫生干预措施的重要工具。基于离散时空易感/暴露/感染/恢复/死亡（SEIRD）模型，提出了一种新的COVID-19传播随机集合种群状态空间模型.建议的框架允许隐藏的SEIRD状态和未知的传输参数估计噪声，不完整的时间序列报告的流行病学数据，通过应用无迹卡尔曼滤波（UKF），最大似然自适应滤波，和元启发式优化。使用合成数据和德克萨斯州2020年秋季Covid-19浪潮的真实数据进行的实验证明了所提出模型的有效性。
2021-06-15 cs.SI eess.SP q-bio.PE
Controlling the spread of COVID-19 on college campuses
这项研究是在杜克大学的DOMath项目期间于2020年5月18日至7月10日完成的。当时，杜克大学和全国其他大学正在努力解决如何安全地欢迎学生在秋季回到校园的问题。正因为如此，我们的项目专注于使用数学模型来评估抑制病毒在校园内传播的策略，特别是在宿舍和教室里。对于宿舍，我们表明，给学生提供单人间而不是双人间可以大大减少病毒传播。对于教室，我们表明，移动类的大小以上的一些截止在线可以使基本的再生数$R_0<1$，防止广泛传播的流行病。截止日期将取决于疾病在教室中的传染性。
2020-08-17 math.PR physics.soc-ph q-bio.PE
Solvable delay model for epidemic spreading: the case of Covid-19 in Italy
我们研究了一个简单的现实模型，用于描述传染病在人群中的扩散。的动态是由一个单一的功能延迟微分方程，其中，在一个大的人口的情况下，可以精确地解决，即使在存在的时间依赖性的感染率。这种延迟模型比流行病学中常用的所谓SIR模型具有更高的准确度，SIR模型是用常微分方程来表示的。我们应用此模型描述新型传染病Covid-19在意大利的爆发，并考虑到政府为减缓病毒传播而实施的遏制措施以及人口的社会成本。
2020-09-10 cond-mat.stat-mech 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
An application of discrete-time SEIR model to the COVID-19 spread
多个国家采用了易感-暴露-易感-隔离（SEIR）模型，以确定2019冠状病毒病（COVID-19）的传播情况。研究了离散SEIR传染病模型在一个不考虑出生和死亡的封闭系统中的传播，所考虑的总总体规模为常数。该动力系统由依赖于四个参数的非线性演化算子生成。在一定的参数条件下，我们将演化算子化为一个二次随机算子（QSO），它将三维单纯形映射到自身。我们证明了类星体有不可数的不动点集（都位于单形的边界上）。结果表明，SEIR模型的动力系统（由类星体产生）的所有轨迹都是收敛的（即类星体是正则的）。此外，我们还讨论了乌兹别克斯坦模式的效率。
2021-05-01 math.DS q-bio.PE
Measuring COVID-19 spreading speed through the mean time between infections indicator
我们建议使用平均感染间隔时间（MTBI）度量，从最近推出的非齐次马尔可夫随机模型。执行不同类型的参数校准。我们估计MTBI使用数据从不同的时间窗口和从整个阶段的历史，并比较结果。为了检测输入数据中的波和阶段，应用预处理滤波技术。显示了将该指标应用于阿根廷、德国和美国的COVID-19报告感染数据的结果。我们发现，MTBI的行为类似于不同的数据输入，而模型参数完全改变他们的行为。还显示了参数和MTBI指标随时间的演变。我们有证据支持这样的说法，即MTBI是一个相当好的指标，以衡量流行病的传播速度，具有类似的值，无论输入数据的大小。
2022-07-15 q-bio.PE
Interplay between risk perception, behaviour, and COVID-19 spread
药物和非药物干预（NPI）对于控制COVID-19至关重要。它们还得到自愿的健康保护行为的补充，在风险认知、行为和疾病传播之间建立了复杂的相互作用。我们研究了自愿健康保护行为和疫苗接种意愿如何影响长期动态。我们分析了不同级别的强制性NPI如何决定个人如何使用自愿行动的余地。如果强制性NPI太弱，COVID-19的发病率将激增，这意味着在个人做出反应之前，发病率和死亡率就会很高;如果强制性NPI太强，一旦限制解除，人们预计会出现反弹波，挑战向地方病的过渡。相反，适度的强制性NPI给个人时间和空间来适应他们的谨慎程度，有效地减少疾病传播。当辅之以高疫苗接种率时，这也提供了一种强有力的方法来限制令人担忧的Omicron变体的影响。总而言之，我们的工作突出了适当的强制性非营利组织的重要性，以最大限度地发挥个人自愿行动在大流行控制方面的影响。
2022-03-11 math.DS 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 Dynamical Framework for Modeling Fear of Infection and Frustration with Social Distancing in COVID-19 Spread
在本文中，我们介绍了一种新的建模框架，将感染的恐惧和挫折与社会距离到疾病的动力学。我们发现，由此产生的SEIR行为感知模型有三个主要模式的定性行为-没有爆发，控制爆发，和不受控制的爆发。我们还表明，该模型可以产生短暂的和持续的感染波符合二次爆发。我们将该模型与来自多个地区的COVID-19病例和死亡率数据进行了拟合。我们的分析表明，在第一波感染后出现显著下降的地区，如加拿大和以色列，更有可能遏制第二波感染，而在最初减缓疾病传播方面仅取得适度成功的地区，如美国，可能会出现大量的第二波或不受控制的疫情。
2020-08-13 math.DS physics.soc-ph q-bio.PE
Superposition of waves for modeling COVID-19 epidemic in the world and in the countries with the maximum number of infected people in the first half of 2020
2020年上半年，基于逻辑离散方程系统，对全球及美国、巴西、俄罗斯、印度等感染人数最多的国家进行了COVID-19疫情传播的数学建模。结果表明，对于采取强限制措施的国家，COVID-19的传播符合一个容量较小的单波，而对于违反限制措施的一些国家，疫情的传播符合一个波叠加。对于人口混合较多的国家来说，今天的疫情传播也符合单一浪潮，但具有巨大的容量值（巴西-8 000万人，印度-4 000万人）。我们估计，当今世界的流行病传播可分为5波。前两波是由中国的疫情传播引起的（第一波-在武汉），第三波-由欧洲国家的疫情传播引起的，第四波主要是由俄罗斯和美国的疫情传播引起的，第五波主要是由拉丁美洲和南亚的疫情传播引起的。这是第五波，导致冠状病毒疫情COVID-19的传播进入新阶段，感染人数增加超过10万居民。对于所有研究的国家和世界，对于每个叠加波，计算波容量和增长指标。确定波的局部峰值及其结束时间。这是第五波导致COVID-19传播进入新阶段的事实，感染人数增加超过10万居民。对于所有被检查的国家和整个世界，对于每个叠加波，我们计算了波容量和感染者增长指数。
2020-07-05 physics.soc-ph q-bio.PE
Optimal Control to Limit the Spread of COVID-19 in Italy
我们将最优控制理论应用于广义SEIR型模型。建议的系统有三项控制措施，分别为社交距离、预防手段及治疗措施，以对抗COVID-19疫情的传播。我们分析这样的最优控制问题，在意大利的实际数据传输。我们的研究结果表明，该模型的适当性，特别是在隔离/住院（确诊和感染）和康复的个人的数量。考虑庞特里亚金控制，我们展示了如何在一个完美的世界中，可以大大减少易感，暴露，感染，隔离/住院和死亡的个人的数量，通过增加不敏感/保护的人口。
2021-07-25 math.OC 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
