The Role of Geographic Spreaders in Infectious Pattern Formation and Front Propagation Speeds
利用基于核的易感-传染-扩散（SIR）模型研究了传染性种群的斑图形成和空间扩散，该模型适用于广泛的基本繁殖数$R_o$。重点是地理传播者的作用，这里定义为感染人口（$ϕ$）的一部分，经历相同社区之间的高流动性。当感染在多个社区内的空间中随机开始时，确定感染群体的空间组织和侵入锋速度（$c_{max}$）。对于小但有限的$ϕ$，尺度分析在1维和模拟结果在2维表明，$c_{max}\sim (1-ϕ) γ(R_o-1) σ$，其中$γ$是传染持续时间的倒数，和$σ^2$是描述移动的空间内核跨社区的长距离传播者的方差。因此，尽管$ϕ$的减少是达到$c_{max}$的阻滞因素，但小$ϕ$对$c_{max}$没有显著影响。$σ$确定了社区间感染的空间组织。当$σ>5dr$（长距离移动，其中$dr$是定义相邻社区的最小空间范围）时，传染性群体将经历短暂但空间相干的模式，其波长可以从扩散核特性导出。
2021-08-23 physics.soc-ph
Identifying influential spreaders and efficiently estimating infection numbers in epidemic models: a walk counting approach
我们引入了一种新的方法，有效地近似的感染数量从一个给定的初始感染节点在网络中的易感个体。我们的方法是基于计算网络中每个其他节点的各种长度的可能感染步行的数量。我们分析研究了我们的方法的属性，特别是展示了SIS和SIR疾病传播的不同形式（例如，在SIR模型下，我们的方法计算了自我回避的行走）。与现有的方法来推断网络中不同节点的传播效率（基于度，k壳分解分析和不同的中心性度量）相比，我们的方法直接考虑了传播过程，因此，在提供实际感染数量的估计方面是独一无二的。至关重要的是，在模拟感染在各种现实世界的网络与SIR模型，我们表明，我们的步行为基础的方法提高了推断的有效性节点在广泛的感染率相比，现有的方法。我们还分析了估计精度和计算成本之间的权衡，表明这里仍然可以获得更好的精度在一个可比的计算成本，其他方法。
2012-10-24 cs.SI physics.bio-ph physics.soc-ph
Locating influential nodes via dynamics-sensitive centrality
复杂网络中影响节点的定位是一个很有前途的研究课题，具有重要的理论和实际意义。在本文中，我们提出了一个动态敏感（DS）的中心性，集成了拓扑特征和动力学性质。DS中心性可以直接应用于定位有影响力的传播者。在四个真实网络上对SIR和SI传播模型的实证结果表明，DS中心性比度、$k$ -壳指数和特征向量中心性更准确.
2015-04-25 cs.SI physics.data-an physics.soc-ph
Spreading dynamics in complex networks
在复杂网络中寻找有影响力的传播者是一个具有重要意义的问题，可以应用于各个领域，从流行病控制，创新扩散，病毒式营销，社会运动到思想传播。在本文中，我们首先展示了一些最重要的理论模型，描述了传播过程，然后分别讨论了定位个人和多个有影响力的传播者的问题。这两个主题的最新方法。为了识别特权单传播者，本文总结了几种广泛使用的中心性，如度中心性、介数中心性、PageRank、k-shell等。有了这个广泛的数据集，我们发现各种措施可以传达非常不同的节点信息。在LiveJournal社交网络的所有用户中，只有一小部分参与传播。对于LiveJournal中的传播过程，度可以以更高的概率定位参与信息扩散的节点，而k壳在发现影响力大的节点时更有效。我们的研究结果应该提供有用的信息，在现实中设计有效的传播策略。
2013-12-22 cs.SI physics.soc-ph
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
Computational Models for Commercial Advertisements in Social Networks
识别网络中值得注意的传播者对于理解传播过程和控制网络中传播的范围至关重要。拥有更多内在力量来扩大传播范围的节点非常重要，因为需要各种应用程序，例如病毒式营销，控制谣言传播或更好地了解疾病的传播。作为病毒式营销的一种应用，在固定预算的情况下实现最大化是广告业务的基本要求。分发固定数量的促销物品以最大化病毒覆盖范围可以利用影响者检测方法。为了检测这样的“影响者”节点，存在诸如度中心性（通常用作度内中心性）的局部度量或诸如k壳分解或特征向量中心性的全局度量。所有的方法都可以对图进行排序，但它们都有局限性，并且仍然没有事实上的方法用于该领域的影响者检测。在本文中，我们提出了一个扩展的k-shell算法，更好地利用k-shell分解识别病毒传播节点使用网络的拓扑特征。我们使用易感-感染-传播模型对真实网络中的传播过程进行了模拟，模拟结果表明，在相同的初始传播者数量下，我们的方法可以在同一网络中达到高达36%的人群。
2019-04-30 cs.SI physics.soc-ph
Multi-network comparison of between-farm contacts for infectious disease surveillance in swine production
North Carolina State University（北卡罗来纳州立大学）
通过比较11种网络类型（车辆移动、动物移动和基于距离的场间接触），发现车辆移动网络（尤其是饲料运输）连接最密集，育肥场在多个网络中充当超级传播者，不同网络识别的高风险农场集合不同，支持将多种传播途径纳入疾病监测。
2026-06-18 physics.soc-ph q-bio.PE
Predicting epidemic outbreak from individual features of the spreaders
了解哪些个体可以更有效地在确定的环境中传播病原体是疾病控制中的一个基本问题。事实上，在过去的几年里，流行病的传播及其与相关系统拓扑结构的关系一直是复杂网络理论中反复出现的话题，同时考虑到网络模型和现实世界的数据。在本文中，我们探讨了传染病的异质性传播由易感染-感染-恢复（SIR）模型，和起源顶点的几个属性之间的可能的相关性，考虑Erdös-Rényi（ER），Barabási-Albert（BA）和随机几何图（RGG），以及一个真实的研究案例，美国航空运输网络，包括美国500个最繁忙的机场以及相互连接。最初，考虑到RGG网络，在其中，我们解析推导出的传播率的分布在已建立的联系人之间的表达式，通过假设这样的速率呈指数衰减的距离，分开的个人的异质性的传播实现。这样的分布也被认为是ER和BA模型，我们观察到拓扑效应的相关性。在机场网络的情况下，扩展率是根据经验定义的，假设与座位可用性成正比。在所考虑的理论网络和真实网络中，我们观察到总流行率与流行源的程度、强度和可及性之间存在高度相关性。然而，对于诸如介数中心性和$k$壳指数之类的属性，相关性取决于所考虑的拓扑。
2012-06-15 cs.SI 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
Skepticism and rumor spreading: the role of spatial correlations
批判性思维和怀疑主义是防止谣言、假新闻和错误信息传播的基本机制。我们考虑一个简单的模型，在该模型中，代理人没有以前接触的谣言，怀疑导向，可能会说服传播者停止他们的活动，或者，一旦暴露于谣言，决定不传播它作为一个结果，例如，事实核查。我们扩展了以前的，平均场分析这两种机制，主动和被动的怀疑，包括空间相关性的综合效果。这可以通过对近似进行分析，或者在不同的网络上模拟基于代理的版本。我们的研究结果表明，虽然在平均场有没有共存的扩散器和bistable之间（虽然，根据参数，可能会有双稳态取决于初始条件），当空间相关性包括在内，由于保护作用的隔离所提供的删除代理，共存是可能的。
2020-04-02 cond-mat.stat-mech physics.soc-ph q-bio.PE
Epidemic outbreaks with adaptive prevention on complex networks
采取预防态度，如社会隔离和使用口罩，以减轻流行病的爆发，在很大程度上取决于人民的支持。在这项工作中，我们研究了一个易感染-感染-恢复（SIR）的流行病模型，在该模型中，流行病学的环境感知可以适应易感个体的行为，以预防行为。{Two考虑易感个体的隔室，以区分那些采取或不采取预防态度的人。两个规则，取决于本地和全球流行病的流行，在异构网络中的流行病的传播进行了研究。我们提出了两个异质平均场论和随机模拟的结果。前者表现良好的全球规则，但在本地情况下错过了相关的模拟结果。在模拟中，只有当地的意识可以显着提高流行阈值，推迟流行高峰，并减少疫情规模。有趣的是，我们观察到，提高当地感知率会导致更少的人被招募到受保护的国家，但仍然提高了缓解疫情的有效性。我们还报告说，网络的异质性大大降低了当地的意识机制的效力，因为枢纽，超级传播者的SIR动态，很少响应流行病的低流行率制度的流行环境。我们的研究结果表明，改善对谁在社会上非常活跃的看法的策略可以改善对流行病爆发的缓解。
2022-03-28 physics.soc-ph
Coupled effects of local movement and global interaction on contagion
通过将隔离空间域和基于个体的联系引入SIS（易感-感染-易感）模型，研究了随机游走和群体内相互作用对传染的耦合效应.与仅存在局部移动或基于个体的联系的情况相比，两者并存导致传染病传播范围更广。对缩小隔离空间和减少流动性在控制传染病流行中的作用进行了检验，发现这两种措施有利于控制传染病的传播。在考虑局部运动和全局相互作用的异质时间尺度的情况下，发现感染个体数量的变化与时间尺度$τ$之间存在对数-对数关系，理论分析表明该模型中的进化动力学与相遇概率和相遇时间有关.发现了传染阈值与捷径比率之间的函数关系，以及相遇时间与时标$τ$之间的函数关系。
2015-05-04 physics.soc-ph q-bio.PE
Urban contact structures for epidemic simulations: Correcting biases in data-driven approaches
流行病是一种突发性现象，取决于病原体的流行病学特征以及人员的相互作用和流动。公共交通系统已经提供了关于人员流动的许多重要信息，但是也存在其他交通工具（例如，自行车和私家车），这是不可见的公共交通数据。这种差异可能会导致疾病模型的偏差，导致对流行病增长的错误预测（例如，高峰流行率和时间）。在我们的研究中，我们的目标是推进和比较使用公共交通出行的流行病传播动态，与使用移动电话痕迹更准确地估计人口流动相反。在我们的研究中，我们模拟了200万手机用户的流行病爆发。我们使用一个集合种群模型，包括易感染-感染-恢复的动态分析和比较不同的有效合同矩阵，分别由公共交通系统和移动电话，对流行病的过程。我们发现，使用公共交通出行的疫情往往被低估的疫情传播动力学，达到流行高峰弱，晚。其根源在于后来将新的感染者引入未受感染的地区。
2018-09-21 cs.SI physics.soc-ph
Expanding the Katz Index for Link Prediction: A Case Study on a Live Fish Movement Network
本研究通过扩展Katz指数（如EWKI模型）整合空间与时间模式，显著提升了水产养殖网络中基于活鱼移动的疾病传播预测性能。
2024-04-19 cs.SI math.CO physics.soc-ph
Network memory in the movement of hospital patients carrying drug-resistant bacteria
医院构成了高度互联的系统，使大量的传染性病原体和易感个体接触，从而使感染爆发既常见又具有挑战性。近年来，与卫生保健相关的感染中出现了抗生素耐药性的急剧发生，这种情况现在被认为是许多国家的地方病。在这里，我们提出了基于网络的分析数据集捕获的运动的患者窝藏耐药细菌在三个大型伦敦医院。我们发现，有大量的记忆效应，在医院病人的运动与耐药细菌的殖民。这种记忆效应打破了一阶马尔可夫传递性假设，并大大改变了分析的结论，特别是节点排名和扩散过程的演变。我们捕捉可变长度的记忆效应，通过构建一个集总状态记忆网络，然后我们用它来识别重叠的社区病房。我们发现，这些社区的病房显示出准层次结构在不同的粒度水平，这是一致的不同方面的病人流量与医院的位置和医疗专业。
2020-10-07 physics.soc-ph
Contagion mean field model for transport in urban traffic networks
本文提出了一种城市交通网络中传输的传染性均场模型，揭示了交通流与密度之间的关系，并验证了SIS/SIR过程在交通拥堵建模中的应用。
2025-12-15 cond-mat.dis-nn physics.soc-ph
Predicting COVID-19 Infections Using Multi-layer Centrality Measures in Population-scale Networks
本文利用荷兰超百万人的多层网络数据研究中心性度量能否预测 COVID-19 感染风险与时间，发现其在模拟模型中有效但与真实检测数据无关联。
2023-10-31 cs.SI physics.soc-ph stat.AP
Modelling control strategies against Classical Swine Fever: influence of traders and markets using static and temporal networks in Ecuador
自1940年以来，经典猪瘟（CSF）在厄瓜多尔流行，养猪业是重要的经济和文化部门。最近，国家兽医局（NVS）对猪实施了个体识别、移动控制和强制性CSF疫苗接种，以寻求未来的根除。我们的目的是根据风险标准对养猪场进行评估，分析随机和有针对性的策略对控制CSF的影响，并考虑网络的时间发展。我们使用社会网络分析（SNA），SIRS（易感，感染，恢复，易感）网络建模和时间网络分析。该数据集包含2017年至2019年的751，003次运输和600万头猪。涉及165，593个场所：144，118个农场，138个工业，21，337个贸易商和51个市场。全年平均有124，976个处所（75%）接收或送出一次运送1.5头猪只的行动，而166个处所（0.01%）则接收或送出1，372次运送11，607头猪只的行动。模拟结果显示CSF平均患病率为29.93%;有针对性的选择策略将患病率降低至3.3%，而随机选择则为24%。在每个省选择高风险场所是利用现有监测基础设施的最佳战略。值得注意的是，选择10个交易商/市场将CSF流行率降低到4%，证明了他们对网络的主要影响。时间分析表明，在传播路径的数量高估了38%（因果保真度），通过网络的步骤是4.3（平均路径长度），但需要大约233天。总之，NVS采用的监测战略可以更有效地发现病例，减少疾病传播，并能够实施基于风险的监测。为集中力量选择高风险处所的目标，应特…
2021-09-17 physics.soc-ph q-bio.PE q-bio.QM
Effective edge-based approach for promoting the spreading of SIR model
促进一些典型的传播动力，如信息传播、商业信息、疫苗接种指导、创新和政治运动，可以给社会经济系统的各个方面带来好处。在这项研究中，我们提出了一个策略，促进传播的易感-感染-恢复模型，这是广泛应用于描述这些常见的传播动力学在现实生活中。具体来说，我们首先量化的潜在影响，增加每个潜在的边缘（即，边缘不存在之前）可能会导致的扩散动态。然后，根据每条潜在边的潜在影响，策略性地将潜在边添加到原始网络中。数值模拟验证了该策略的有效性，并表明该策略优于几种静态策略，即在度最大或特征向量中心度最大的节点之间添加潜在边。该研究提供了一种通过轻微修改网络结构来促进易感染-感染-恢复模型传播的有效方法，并有助于理解什么是传播动力学的更好网络结构。此外，本研究所建立的理论框架也为其他传播模式中基于边缘的促销策略的进一步研究提供了启示。
2020-03-24 physics.soc-ph q-bio.PE
Networks of Necessity: Simulating COVID-19 Mitigation Strategies for Disabled People and Their Caregivers
防止COVID-19传播的一项主要策略是限制面对面接触。然而，对于许多不住在护理设施中但仍然需要护理人员的残疾人来说，这是不切实际或不可能的。我们寻求确定哪些干预措施可以预防残疾人及其照顾者之间的感染。我们用一个模型来模拟传播，该模型包括易感、暴露、无症状、患病、住院和转移的个体。我们模拟疾病传播的网络将异质性纳入不同类型的相互作用的风险，时间依赖性锁定和重新开放措施，以及四个不同群体（护理人员，残疾人，必要工作人员和普通人群）的接触分布。我们发现护理人员被感染的可能性最大，残疾人被感染的可能性第二大。我们的网络结构的分析表明，照顾者有最大的模态特征向量中心。我们发现，两种干预措施-所有群体的接触限制和残疾人和照顾者戴口罩-最能减少残疾人和照顾者的病例。我们还通过在每个群体的一个子集中接种感染来测试哪个群体最容易传播COVID-19。我们发现护理人员是COVID-19最有力的传播者，特别是对其他护理人员和残疾人。我们测试了在哪里最有效地使用有限的疫苗剂量，发现（1）接种护理人员比接种一般人群或基本工作人员更好地保护残疾人，（2）接种护理人员保护残疾人与接种残疾人本身一样多。我们的研究结果强调了戴口罩、全社会限制接触以及战略性疫苗接种在限制残疾人及其护理人员接触COVID-19方面的潜在有效性。
2021-09-24 cs.SI math.DS nlin.AO
Hyperbolic models for the spread of epidemics on networks: kinetic description and numerical methods
我们考虑发展的双曲传输模型的传播空间的流行病的现象所描述的经典房室动力学。该模型是基于离散速度的空间运动和相互作用的人口的易感，感染和恢复的个人的动力学描述。由于这一点，瞬时扩散效应的非物理特征，这是典型的抛物线模型，被删除。特别是，我们正式展示了如何恢复这样的反应扩散模型在一个适当的扩散限制。因此，动力学运输模型被认为是在一个空间网络内，表征不同的地方，如村庄，城市，国家等节点的传输条件进行了分析和定义。最后，通过有限体积IMEX方法在网络上数值求解该模型，该方法能够保持与扩散极限的一致性，而不受尺度参数的限制。几个简单的流行病网络结构的数值测试报告，并确认该模型的能力，正确地描述了流行病的传播。
2020-12-09 cs.NA math.NA physics.soc-ph
Multi-Season Analysis Reveals the Spatial Structure of Disease Spread
了解传染病在异质人群中传播的动力学是设计控制策略的重要因素。在这里，我们开发了一种新的张量驱动的多室版本的经典易感-感染-传播（SIR）模型，并将其应用于互联网数据，以揭示疾病传播的复杂空间结构的信息。该模型用于分析来自美国的州级Google搜索数据，涉及两种病毒，呼吸道合胞病毒（RSV）和西尼罗河病毒（WNV）。我们分别用RSV和WNV的$R^2=0.70$和$0.52$的相关性拟合数据。虽然没有预先假设的空间结构，在美国的人类活动模式解释了27- 30%的估计州际传播率。各州内的传播率与人口密度和平均年龄等已知人口指标相关。最后，我们表明，随后的季节的疾病负荷的模式，可以预测使用的模型参数估计为前几个季节和少至$7$周的数据，从本赛季。我们的研究结果适用于其他国家和类似的病毒，允许识别疾病传播参数和预测季节性病毒的疾病负荷。
2019-02-11 physics.data-an physics.soc-ph q-bio.PE
