Structural Identifiability and Observability of Compartmental Models of the COVID-19 Pandemic
最近的冠状病毒病（COVID-19）爆发极大地提高了公众对动态模型实用性的认识和赞赏。与此同时，相互矛盾的模型预测的传播突出了其局限性。如果模型的某些参数和/或状态变量无法从输出测量中确定，则其产生正确见解的能力以及控制系统的可能性可能会受到影响。流行动态通常使用房室模型进行分析，而该等模型的许多变体已用于分析及预测COVID-19大流行的演变。在本文中，我们调查了文献中提出的不同模型，组装了36个模型结构的列表，并评估其提供可靠信息的能力。我们解决这个问题，使用控制理论的概念，结构可识别性和可观测性。由于一些参数可以在流行病的过程中发生变化，我们考虑了常数和时变参数的假设。我们分析了所有模型的结构可识别性和可观测性，考虑了所有合理的输出和时变参数选择，这使我们分析了255个不同的模型版本。在不同的假设条件下，我们根据模型的结构可辨识性和可观测性对模型进行了分类，并讨论了结果的意义。我们还举例说明了几种替代的方法来弥补模型的可观测性的缺乏。我们的分析提供了指导方针，选择最翔实的模型为每一个目的，考虑到现有的知识和测量。
2020-06-25 physics.soc-ph q-bio.PE q-bio.QM
A Novel Compartmental Approach to Modeling COVID-19 Disease Dynamics and Analyzing the Effect of Common Preventative Measures
截至2020年12月，COVID-19疫情已感染超过75百万人，成为现代历史上最致命的疫情。本研究开发了一种新的针对SARS-CoV-2病毒的房室流行病学模型，并分析了常见预防措施（如检测、隔离、社交距离和疫苗接种）的效果。通过考虑为最大限度地减少病毒传播而制定的最普遍的干预措施，该模型为未来COVID-19和其他现代流行病的数学建模奠定了重要基础。具体而言，该模型扩展了经典的SIR模型，并为处于潜伏期、无症状、检测阳性、隔离、接种疫苗或死亡的个体引入了单独的隔间。它还解释了可变的感染率、检测率和死亡率。我首先分析了加利福尼亚州圣克拉拉县的疫情，然后概括了调查结果。结果显示，尽管所有预防措施都能减少COVID-19的传播，但隔离和社交距离规定降低了感染率，是最有效的政策，其次是疫苗分发，最后是公开测试。因此，政府应集中资源执行隔离和社交距离政策。此外，我发现数学证明，相对较高的无症状率和较长的潜伏期是COVID-19快速传播的驱动因素。
2021-11-17 physics.soc-ph q-bio.PE stat.AP
Compartmental model with loss of immunity: analysis and parameters estimation for Covid-19
新型冠状病毒疫情的爆发导致世界陷入前所未有的健康和经济危机。为了应对这一紧急情况，世界各地的研究人员正在深入研究COVID-19大流行的动态。在这项工作中，提出了一个SIRSi房室模型，这是一个已知的经典SIR模型的修改。拟议的SIRSi模型考虑了人群内免疫接种的差异，以及未报告或无症状病例的可能性。该模型针对巴西圣保罗州的三个主要城市，即圣保罗、桑托斯和坎皮纳斯进行了调整，提供了疫情持续时间和高峰期的估计数。
2020-08-06 physics.soc-ph q-bio.PE
Optimal quarantine strategies for the COVID-19 pandemic in a population with a discrete age structure
这项工作的目标是研究巴西COVID-19疫情的最佳控制措施。研究了一类具有隔离区的年龄结构SEIRQ模型，其中控制变量为隔离区入口参数。然后，我们比较了最佳控制不同的检疫长度和分布的总控制成本，通过评估各自的减少死亡相比，同期没有检疫。最好的策略是提供一个日历，说明何时放松每个年龄组的隔离措施。最后，我们分析了隔离开始的延迟如何通过改变初始条件来影响该日历。
2020-05-19 physics.soc-ph q-bio.PE
On the interplay between mobility and hospitalization capacity during the COVID-19 pandemic: The SEIRHUD model
减少COVID-19疫情影响的措施需要后勤、政治和社会能力的组合。各国采取了不同的办法来提高住院能力或适当实行封锁。为了更好地了解这些措施的影响，我们开发了一个分区模型，一方面可以校准不同地区内和不同地区之间人员流动的减少，另一方面它包含了住院动态，区分了感染者可以接受的治疗种类。通过界定住院能力，我们能够详细研究流动性和住院能力之间的相互作用。
2020-06-11 physics.soc-ph q-bio.PE
Forecasting hospital demand during COVID-19 pandemic outbreaks
我们提出了一个分区SEIRD模型，旨在预测当前COVID-19爆发期间大都市地区的医院入住率。该模型以无症状和有症状感染者为特征，并附有详细的医院动态。我们明确的模型分支概率和非指数停留时间在每个潜伏和感染的隔间。使用入院确诊病例和死亡病例，我们推断出接触率和动力系统的初始条件，考虑断点来模拟封锁干预措施。我们的贝叶斯方法使我们能够及时产生医院需求的概率预测。该模型已被墨西哥联邦政府用于协助公共政策，并已被应用于该国70多个大都市区和32个州的分析。
2020-06-05 q-bio.PE q-bio.QM
Transmission matrix parameter estimation of COVID-19 evolution with age compartments using ensemble-based data assimilation
本研究评估了基于集合的数据同化框架在元种群模型中的应用，通过理想化孪生实验推断不同年龄组间的疾病传播矩阵参数，结果表明特定参数化能提高预测准确性并可靠估计有效再生数，对医疗需求预测具有重要意义。
2023-09-06 q-bio.PE
Modeling Insights from COVID-19 Incidence Data: Part II -- Why are compartment models so accurate?
SIR分区模型是描述疾病在人群中传播的最简单的模型之一。该模型做出了不切实际的假设，即疾病传播的人群是混合的。尽管真实人群在接触者方面存在SIR模型中没有体现的异质性，但它仍然很好地拟合了整个大流行期间多个点的真实美国州数据。在这里，我们展示了数学上如何接近简单的连续SIR模型近似的模型，其中包括异质接触，并提供洞察如何可以解释从回归中收集的参数的背景下，异质动态。
2022-11-14 q-bio.PE
Simulation and application of COVID-19 compartment model using physics-informed neural network
University of Michigan（密歇根大学）；Harbin Institute of Technology（哈尔滨工业大学）；University of Connecticut（康涅狄格大学）；Massachusetts Institute of Technology（麻省理工学院）
COVID-19大流行已对全球造成破坏性及不可逆转的影响，然而传统流行病学建模方法（如易感染-康复（SIR）模型）在预测最新疫情方面表现出有限的有效性。在这项工作中，接种疫苗-暴露-感染-死亡-恢复（SVEIDR）模型及其变体-年龄和接种疫苗结构的SVEIDR模型-被引入到编码的社会接触的影响，不同的年龄组和接种状态。然后，我们实现了物理通知神经网络（PiNN）的模拟和真实世界的数据。PiNN模型能够对COVID-19房室模型的动态传播、预测和参数优化进行稳健分析。模型显示了所有组分的$<4\%$的相对均方根误差（RRMSE），并分别提供了美国流行病前310天的$γ= 0.0130$、$λ=0.0001$和$ρ=0.0037$的潜伏率、死亡率和恢复率，所有组分的RRMSE均为$<0.35\%$。为了进一步提高模型性能，可以包括随时间变化的参数，例如疫苗接种率、传播率和孵育率。我们的实现突出了PiNN作为预测真实世界数据的可靠候选方法，并可应用于其他感兴趣的房室模型变体。
2022-10-12 cs.LG physics.soc-ph q-bio.PE
A data-driven analysis on the mediation effect of compartment models between control measures and COVID-19 epidemics
本文利用SEIR-QD仓室模型拟合127个国家/地区第一波COVID-19疫情数据，通过中介分析揭示仓室模型在控制措施与疫情动态之间的中介效应，并与线性和神经网络回归结果对比，深化了对控制措施强度与疫情动力学内在关联的理解。
2023-09-22 physics.soc-ph q-bio.PE
Interplay of social distancing and border restrictions for pandemics (COVID-19) via the epidemic Renormalisation Group framework
我们证明，流行病重新正常化组的方法，大流行病提供了一个有效的和简单的方法来调查疾病传播的动态和世界不同地区的蔓延。该框架还允许对旅行限制和社交距离措施对全球流行病传播的影响进行可靠预测。我们在报告的病例上测试和校准它，同时揭示了全球不同地区新感染病例相对高峰延迟的机制。我们发现，在推迟疫情高峰方面，社交距离措施比跨境旅行限制更有效。我们还提供了与房室模型的链接，例如简单的和历史悠久的类SIR模型。我们还展示了如何概括的框架，以占世界上几个地区的相互作用，取代或补充大规模的模拟。
2020-05-11 physics.soc-ph q-bio.PE
Nonlinear dynamics of an epidemic compartment model with asymptomatic infections and mitigation
驱动当前{SARS-CoV-2}大流行的感染中有很大一部分是无症状传播的。本文引入并研究了一个简单的传染病模型，该模型具有由无症状感染者和有症状感染者组成的不同的分区。线性动力学决定的爆发条件的模型是等价的更新理论的方法与指数等待时间分布。利用一个非平凡的守恒定律的完整的非线性动力学，我们推导出的峰值感染的数量在没有和存在缓解通过隔离和测试的分析界限。的界限相比，微分方程的数值解。
2022-10-08 q-bio.PE
Evaluating the Impact of Vaccine Hesitancy on the Allocation of Vital Resources During COVID-19 Pandemic
本研究改进SEIR模型纳入疫苗犹豫和资源可用性，模拟不同疫苗犹豫情景，发现减少疫苗犹豫和保障关键资源能显著降低死亡并遏制疫情传播。
2024-03-12 math.OC physics.soc-ph q-bio.PE
A New Compartmental Epidemiological Model for COVID-19 with a Case Study of Portugal
我们提出了COVID-19疾病传播的分区数学模型，显示其对葡萄牙大流行的有用性，从该国的第一例记录病例到三个紧急状态结束。新的成果包括房室模型，描述了一个系统的七个常微分方程;证明的积极性和有界的解决方案;调查的平衡点和稳定性分析;计算的基本再生数;和数值模拟与官方的真实数据从葡萄牙卫生当局。除了全新之外，所提出的模型还可以很好地描述COVID-19在葡萄牙的传播，不仅可以同时拟合活跃感染者的数量，还可以同时拟合住院患者的数量，相对于初始人群，$L^2$误差分别为$9.2152e-04$和$1.6136e-04$。这样的结果是非常重要的，从实用的角度来看，从数学的角度来看，远非微不足道。此外，所获得的基本再生产数的值与葡萄牙当局在紧急状态结束时给出的值一致。
2020-11-17 physics.soc-ph q-bio.PE
A Bayesian Updating Scheme for Pandemics: Estimating the Infection Dynamics of COVID-19
流行病模型在理解和应对新出现的COVID-19大流行方面发挥着关键作用。广泛使用的房室模型是静态的，在评估新出现的大流行的干预策略方面用处有限。应用数据同化技术，我们提出了一个贝叶斯更新方法，估计流行病学参数使用可观察到的信息，以评估不同的干预策略的影响。我们采用了一个简洁的更新模型，并提出了新的参数，通过解开减少瞬时繁殖数Rt到缓解和抑制因素量化干预的影响，在一个更细的粒度。然后，我们开发了一个数据同化框架来估计这些参数，包括构建观测函数和开发贝叶斯更新方案。然后建立一个统计分析框架，通过监测这些估计参数的演变来量化干预策略的影响。通过对欧洲国家、美国和武汉市的干预措施效果的考察，揭示了这些国家的干预效果和美国的死灰复燃风险。
2020-08-07 physics.soc-ph q-bio.PE
Markovian And Non-Markovian Processes with Active Decision Making Strategies For Addressing The COVID-19 Pandemic
我们使用基于离散区间的模型研究和预测了5月1日至8月31日期间美国六个州的COVID-19演变，并在部分可观察马尔可夫决策过程的广泛框架内，基于最小化损失函数，规定了积极的干预政策，如封锁。对于每个州，分析40天的新冠肺炎数据（北部两个州从5月1日开始，南部四个州从6月1日开始），以估计隔间之间的转移概率和与疫情演变相关的其他参数。然后，这些量被用来预测在不同的政策分配下，在给定的状态下，未来50天（测试期）的流行病的过程，导致在训练范围内损失函数的不同值。最优策略分配是对应于最小损失的策略分配。我们的分析显示，在测试期间，这六个州都不需要封锁，尽管不封锁的规定需要谨慎解释：当然需要继续负责任地使用口罩和保持社交距离。详细讨论了这种流行病传播模型中涉及的注意事项。一个关于Covid-19传播（以及更一般的流行病传播）的非马尔可夫公式的草图被认为是该领域未来研究的一个有吸引力的途径。
2020-08-05 physics.soc-ph q-bio.PE stat.AP
A Hybrid Compartmental Model with a Case Study of COVID-19 in Great Britain and Israel
鉴于COVID-19对多个社会层面的严重影响，建立限制措施对疫情演变的影响模型至关重要，以便政府能够做出知情决策。尽管自疫情爆发以来，已经有无数次尝试提出不同的模型，但数据可用性的增加和疫苗接种活动的开始要求更新模型和研究。此外，大多数作品都集中在一个非常特定的地方或应用程序，我们努力获得一个更通用的模型，诉诸不同国家的数据。特别是，我们比较了英国和以色列，这两个在疫苗接种计划和社会结构方面高度不同的场景。我们建立了一个基于网络的模型，它足够复杂，可以模拟政府强制限制的不同场景，但又足够通用，可以应用于任何人群。为了减轻计算负荷，我们提出了一个分解策略，我们的模型。
2022-02-02 cs.CY physics.soc-ph q-bio.PE
Optimal control of COVID-19 infection rate considering social costs
COVID-19疫情已构成政策制定危机，减缓或结束疫情的努力与经济优先事项相冲突。本文通过疾病传播的理想化分区模型和社会经济成本的简化模型，对最优疾病控制策略进行了数学分析。两个局部最优控制最优控制策略被发现和分类为“抑制”和“缓解”的战略。我们分析这些策略如何改变时，我们将疫苗接种到模型中，并找到一个新的最佳的“延迟缓解”策略。
2021-02-12 math.OC physics.soc-ph q-bio.PE
Forecasting the daily and cumulative number of cases for the COVID-19 pandemic in India
持续的新型冠状病毒疫情已于二零二零年三月十一日被世界卫生组织宣布为大流行，而印度政府已宣布自二零二零年三月二十五日起在全国范围内实施封锁，以防止COVID-19的社区传播。由于缺乏特异性抗病毒药物或疫苗，数学建模在更好地理解疾病动态和设计控制快速传播的传染病的策略方面发挥着重要作用。在我们的研究中，我们开发了一个新的房室模型，解释了COVID-19的传播动力学。我们使用印度恰尔肯德邦、古吉拉特邦、安得拉邦和昌迪加尔四个省的每日COVID-19数据校准了我们提出的模型。我们研究了模型的定性性质，包括可行平衡点及其关于基本再生数$\mathcal{R}_0$的稳定性。无病平衡点随着感染者恢复率的增加而稳定，地方病平衡点随着感染者恢复率的增加而不稳定，但当疾病传播率保持较高时，地方病平衡点始终保持稳定。对于估计的模型参数，所有四个省的$\mathcal{R}_0 >1$，这表明COVID-19的重大爆发。短期预测显示，印度四个省的COVID-19每日和累积病例呈上升趋势。
2020-06-25 physics.soc-ph q-bio.PE
A study of computational and conceptual complexities of compartment and agent based models
持续的COVID-19大流行凸显了数学模型在理解病毒传播以及对各种缓解措施的影响进行量化和基于科学的预测方面的重要作用。许多类型的模型已被采用，并取得了不同程度的成功。这就引出了一个问题：对于给定的情况，哪种数学模型最合适。我们考虑两种广泛使用的模型类型：基于方程的模型（如标准房室流行病学模型）和基于代理的模型。我们通过对不同情景下COVID-19在夏威夷奥帕提亚岛的传播进行建模来评估它们的表现。我们表明，当涉及到决策的关键信息，这两种模型产生非常相似的结果。同时，这两种类型的模型表现出非常不同的特点时，考虑到它们的计算和概念的复杂性。因此，我们的结论是，选择模型应主要由可用的计算和人力资源。
2021-08-26 q-bio.PE
Detecting a trend change in cross-border epidemic transmission
针对一个标准的流行病SIR房室模型和一个元种群网络模型，提出了一种检测跨境流行病传播趋势变化的方法。该方法适用于从多个地理区域报告的新发病例数量的时间序列中调查实施的公共卫生干预措施在管理传染性跨境旅行者中的有效性。研究发现，2003年世界卫生组织对SARS疫情发出全球预警后一周，是旅游活动发生概率的变化点。该警报在管理传染性旅行者方面是有效的。另一方面，发现旅行运动的概率在2009年的流感大流行中没有任何变化。尽管世卫组织发出了警报，但大流行并没有影响潜在的旅行者。
2015-10-14 physics.soc-ph q-bio.PE
Exact Properties of SIQR model for COVID-19
SIQR模型被重新制定，其中重新定义了感染和隔离的分区，以便适用于COVID-19，并给出了模型的确切属性。结果表明，最大感染人数在很大程度上取决于隔离率，隔离措施比封锁措施更有效地控制大流行。被隔离的病人人数的高峰出现的时间比感染人数成为最大的时间晚。基于期望效用理论，提出了一个在封锁措施和隔离措施空间中寻求最优策略的理论框架，该框架以最小化最大感染人数为目标，将大流行病的爆发控制在早期。
2020-08-17 physics.soc-ph q-bio.PE
A mathematical model of the COVID-19 pandemic dynamics with dependent variable infection rate: Application to the Republic of Korea
这项工作构建、分析和模拟了一个新的分室SEIR型模型，用于当前COVID-19大流行的动态和潜在控制。这项工作的新颖性是双重的。首先，根据对疾病控制指令的遵守情况（封锁、就地避难、口罩/面罩、物理距离等）对人口进行划分。这些人员分为完全遵守指示的人员和部分遵守指示的人员，或必须流动的人员（如医务人员）。这种分裂间接反映了这些措施的质量和一致性。这有助于评估控制措施的总体成效，以及放松或收紧这些措施对疾病传播的影响。其次，直接影响感染率的适当接触率是模型未知数之一，因为它通过微分包含跟踪人口行为的变化和各种疾病治疗方式的有效性。存在性，唯一性和积极的结果证明使用非标准的凸分析为基础的方法。作为一个案例研究，在大韩民国（韩国）的大流行疫情进行了模拟。模型参数是通过最小化模型预测与韩国大流行前100天报告数据的偏差来确定的。模拟结果表明，模型准确地捕捉了随后75天的大流行动态，这为模型预测及其未来使用提供了信心。特别是，该模型预测，约40%的感染没有记录，这意味着无症状感染默默地但实质性地促进了疾病的传播，这表明需要更广泛的无症状检测。
2021-05-13 physics.soc-ph q-bio.PE
Future of COVID-19 in Italy: A mathematical perspective
我们提出了一个SEIR分室数学模型。这项研究的主要目的是分析和预测意大利未来几个月的大流行。计算了基本再生数。根据意大利目前的情况，本文将估计该国大流行结束的可能时间。本报告亦讨论了封锁和快速隔离对疫情传播的影响。此外，我们还研究了意大利受大流行影响最严重的四个地区。使用所提出的模型，预测已在这些地区的大流行的持续时间。还研究了模型敏感参数对应的基本再生数的变化。
2020-04-18 math.DS q-bio.PE
Effectiveness of vaccination and quarantine policies to curb the spread of COVID-19
流行病，即疾病在世界范围内的传播，可以从社会和生物学角度威胁人类，并使现有的生活习惯瘫痪。为了避免更大的灾难并恢复正常生活，人们在从个人到全球的多个层面上做出了巨大的努力：注意手部卫生，制定戴口罩、社交距离、隔离等社会政策，以及发明疫苗和补救措施。就目前严重的疫情，即2019冠状病毒病，我们探讨采取上述措施时的传播抑制效果。特别是考虑检疫和疫苗接种，因为它们是政府层面上阻断传播和预防的代表性主要治疗方法。我们建立了一个由易感（S）、接种（V）、暴露（E）、感染（I）、隔离（Q）和恢复（R）等部分组成的房室模型，称为SVEIQR模型。我们调查了首尔的感染病例，并考虑了三种疫苗，辉瑞，Moderna和阿斯利康。相关参数的值是从首尔的经验数据和疫苗的临床数据中获得的，并通过贝叶斯推断进行估计。在确认我们的SVEIQR模型是合理的之后，我们通过在当前值附近调整与检疫和疫苗接种政策相关的参数来测试各种场景。从我们的模型中获得的定量结果可以为有效的疫苗接种和社会政策的政策制定提供指导。
2022-07-20 physics.soc-ph q-bio.PE
Optimization of vaccination for COVID-19 in the midst of a pandemic
在2019冠状病毒病大流行期间，疫苗接种在抗击病毒方面发挥了关键作用。有许多可能的优先接种疫苗的政策，以及不同的优化标准：最大限度地减少死亡，群体免疫的时间，卫生系统的功能。使用年龄结构的人口房室有限维最优控制模型，我们的研究结果表明，最大到最年轻的疫苗接种政策是最优的，以尽量减少死亡。我们的模型包括接种疫苗人群的可能感染。我们将我们的模型应用于美国新泽西州和佛罗里达州人口普查的真实数据，这两个州的人口结构明显不同。我们还提供了通过优化疫苗接种计划挽救的生命数量的各种估计，并与没有接种疫苗进行了比较。
2022-03-17 math.OC q-bio.PE
COVID-19 pandemic: a mobility-dependent SEIR model with undetected cases in Italy, Europe and US
预防措施：描述第一波COVID-19疫情，重点关注未被发现的病例，并评估不同的封城后情况。产品设计：该研究采用SEIR分区模型，考虑到未被发现的病例的区域特定比例，流动限制的影响，以及所采取的个人防护措施，例如戴口罩和经常洗手。设置和参与者：该模型的实验验证与所有的意大利地区，一些欧洲国家和美国的数据。主要观察指标：通过平均绝对百分误差（MAPE）和Lewis准则衡量模型结果的准确性，拟合参数与文献值吻合较好。研究结果：对不同国家的流行曲线以及未发现和无症状病例的数量进行了估计，这些病例很可能是近期的主要感染源。该模型应用于湖北案例研究，湖北是最早放宽流动限制的地方。结果显示了不同的可能情况。流动性和采取个人保护措施对感染的动态有很大影响，决定了是一个巨大和迅速的第二次流行病高峰，还是一个更延迟和更易管理的高峰。结论：数学模型可以为医疗保健决策者提供有用的见解，以确定未来爆发时的最佳策略。
2021-06-02 physics.soc-ph q-bio.PE
Modelling the strategies for age specific vaccination scheduling during influenza pandemic outbreaks
寻找最佳政策以降低目前流行病的发病率和死亡率是公共卫生的首要任务。使用房室模型与年龄结构和疫苗接种状态，我们研究了在流感大流行爆发期间，当疫苗接种运动和大流行的动态之间存在竞争时，特定年龄的疫苗接种时间表的影响。我们的研究结果与最近的一些研究一致，即年龄特异性对疫苗接种计划至关重要。然而，人们对这些控制措施在疫情期间实施的有效性知之甚少。比较五种可能的策略，我们发现，年龄特定的时间安排可以对流行病的结果产生巨大影响。对于最佳方案，攻击率比其他策略低10%。我们证明了尽早开始接种疫苗运动的重要性，因为延迟10天可能会增加高达6%的发病率。考虑到产生免疫力和接种疫苗之间的延迟是评估疫苗接种运动影响的一个关键因素。我们提供了一个总体框架，这对下一波大流行也将是有用的。
2012-02-28 q-bio.PE
An epidemiological compartmental model with automated parameter estimation and forecasting of the spread of COVID-19 with analysis of data from Germany and Brazil
在这项工作中，我们采用流行病学SIR模型来研究COVID-19在德国和巴西（全国范围内，帕拉伊巴州和Campina Grande市）的传播演变。我们证明了模型动力学的适定性和对参数的连续依赖性。我们还提出了一个简单的概率方法的演变的活跃的情况下，有助于自动估计的流行病学模型的参数。我们获得了统计估计的活动情况下的概率方法和确认的情况下的数据。从这个估计的时间序列，我们得到了一个时间依赖的传染率，这反映了较低或较高的遵守社会距离的参与人群。通过分析每日死亡数据，我们获得了每日死亡率和恢复率。然后，我们集成的运动方程的模型，使用这些时间相关的参数。我们验证我们的流行病学模型，通过拟合官方数据的确认，康复，死亡和活跃的病例，由于大流行的理论预测。我们用这种方法得到了很好的数据拟合。这里开发的自动化程序基本上可以用于任何人群，只需最少的额外工作。最后，我们还提出并验证了一个预测方法的基础上马尔可夫链的流行病学数据的演变长达两周。
2020-11-11 physics.soc-ph q-bio.PE
Modelling SARS-CoV-2 epidemics via compartmental and cellular automaton SEIRS model with temporal immunity and vaccination
Yukhnovskii Institute for Condensed Matter Physics of the National Academy of Sciences of Ukraine（乌克兰国家科学院尤赫诺夫斯基凝聚态物理研究所）；Institute of Applied Mathematics and Fundamental Sciences, Lviv Polytechnic National University（利沃夫国立理工大学应用数学与基础科学研究所）
本文研究了具有时间免疫力和疫苗接种的 SEIRS 模型，分析了流行病动态控制方法，并探讨了社会距离对疫情发展的影响。
2026-03-30 q-bio.PE
Non-parametric model-based estimation of the effective reproduction number for SARS-CoV-2
病毒爆发，例如当前的COVID-19大流行，通常通过常微分方程（ODE）系统的房室模型来描述。这些ODE模型的参数值通常是未知的，需要根据可访问的数据进行估计。为了描述具有强烈变化情况的现实流行病情景，需要假设这些模型参数是时间依赖的。虽然对于时间常数参数的典型情况的参数估计不会造成更大的问题，但是时间相关参数的确定，例如~房室模型的转换速率仍然是众所周知的困难，特别是因为这些时间相关参数的函数类是未知的。在这项工作中，我们提出了一种新的方法，利用增广卡尔曼平滑结合期望最大化算法，同时估计所有的时间依赖性参数的SIRD房室模型。这种方法只需要发病率数据，但没有先验知识的模型参数或任何进一步的假设的函数类的时间依赖性。与其他方法的时间依赖的再生数的估计相比，不需要对参数化的序列间隔分布的假设。通过这种方法，我们能够充分描述德国的COVID-19数据，并给出基于非参数模型的有效繁殖数量的时间过程估计。
2021-11-18 physics.data-an q-bio.PE
Modeling the effect of the vaccination campaign on the Covid-19 pandemic
Harvard University（哈佛大学）
全民接种疫苗与限制性和预防性措施相结合，对遏制SARS-CoV-2（Covid-19）大流行至关重要。在这项研究中，我们引入了SAIVR，这是一个数学模型，能够预测疫苗接种活动期间的COVID-19疫情演变。SAIVR通过考虑无症状（A）和疫苗接种（V）区室扩展了广泛使用的易感-感染-去除（SIR）模型。该模型包含几个参数和初始条件，估计采用半监督机器学习过程。在训练一个无监督的神经网络来求解SAIVR微分方程后，一个有监督的框架然后估计最适合27个国家最近感染曲线的最佳条件和参数。在这些结果的指导下，我们对大流行在不同的每日推广率、疫苗效力和广泛的社会疫苗犹豫/拒绝水平下的时间演变进行了广泛的研究。通过研究涉及不同疫苗接种工作和更具传染性的Covid-19变体的未来情景，群体免疫的概念受到质疑。
2021-08-27 cs.LG q-bio.PE
Future Evolution of COVID-19 Pandemic in North Carolina: Can We Flatten the Curve?
6月24日，州长库珀宣布，至少在7月17日之前，北卡罗来纳州不会进入重新开放过程的第三阶段。鉴于最近每日阳性病例和住院人数的增加，这一决定并不令人惊讶。然而，考虑到迫使该州重新开放的政治和经济压力，目前还不清楚采取什么行动将有助于北卡罗来纳州避免最坏的情况。我们使用一个分区模型来研究社交距离措施和检测能力结合接触者追踪对北卡罗来纳州大流行演变的影响，直到今年年底。我们发现，回到第一阶段实施的限制将减缓传播速度，但如果该州希望继续重新开放或至少保持在第二阶段或第三阶段，则需要大幅扩大其检测和接触者追踪能力。即使在我们最好的情况下，接触者追踪效率高，国家目前雇用的接触者追踪人数是不够的。
2020-07-03 q-bio.PE
A Modified PINN Approach for Identifiable Compartmental Models in Epidemiology with Applications to COVID-19
使用房室模型的各种方法已被用于研究COVID-19大流行，而使用这些模型的机器学习方法取得了特别显著的成功。我们在这里提出了一种方法，使用“物理信息神经网络“（PINN）的变体来分析有关Covid-19美国发展的可访问数据，该方法能够使用模型的知识来帮助学习。我们说明了使用标准PINN方法的挑战，然后对损失函数进行适当和新颖的修改，即使在我们的信息不完整的情况下，网络也可以表现良好。还评估了模型参数的可识别性方面，以及使用小波变换对可用数据进行去噪的方法。最后，我们讨论了神经网络方法的能力，以不同的参数值的模型，以及具体的应用程序，估计如何有效的情况下，正在测试的人口，提供了一个排名的美国各州通过各自的测试。
2022-08-18 cs.NE q-bio.PE stat.ML
Control with uncertain data of socially structured compartmental epidemic models
采取遏制措施，降低疫情高峰的幅度，是应对疫情迅速蔓延的一个关键方面。经典的房室模型必须加以修改和研究，以正确地描述强制外部行动的影响，以减少疾病的影响。必须考虑社会结构的重要性，例如在最近的COVID-19大流行中证明至关重要的年龄依赖性，此外，可用数据通常不完整且不均匀，因此必须从一开始就将高度不确定性纳入模型。在这项工作中，我们解决这些方面，通过最优控制制定的社会结构的流行病模型中存在的不确定数据。引入最优控制问题后，我们制定了一个瞬时近似的控制，使我们能够得到新的反馈控制的房室模型能够描述的流行病高峰减少。长期干预的必要性表明，基于系统社会结构的替代行动可以与更昂贵的全球战略一样有效。然而，在感染者实际人数的参数不确定的情况下，干预措施的时机和力度特别重要。介绍并讨论了与最近意大利COVID-19疫情第一波数据相关的模拟。
2021-05-14 math.OC q-bio.PE stat.AP
Modelling Covid-19 epidemic in Mexico, Finland and Iceland
在过去的二十年里，全球爆发了一些病毒性疾病。这加快了对疾病传播进行建模和预测的努力，以便找到限制区域内和区域间传播的方法。为此，我们设计了一个因人类空间流动而导致的病毒感染地理传播模型，并将其适用于最新的COVID-19大流行。在此，要建模的区域覆盖有用人口密度定义的单元加权的二维网格，在每个单元中，延迟差分方程的隔室SEIRS系统模拟疾病的局部动力学（微动力学）。细胞之间的感染是随机的，并且允许病毒在二维空间上的地理传播（宏观动力学）。这种方法可以将与疾病的生物学方面有关的参数与通过作为病毒携带者的人的不同类型的流动性代表空间传染行为的参数分开。这些数据提供了足够的信息，可以追踪不同情况下大流行病的演变情况。特别是，我们将这种方法应用于三个在许多方面不同的国家，墨西哥，芬兰和冰岛，并发现该模型能够复制和预测大流行病的随机全球路径。这项研究揭示了一个国家的不同文化和社会经济方面如何影响流行病的演变以及社交距离和其他限制措施的有效性。
2020-07-18 physics.soc-ph q-bio.PE
Computation of COVID-19 epidemiological data in Hungary using dynamic model inversion
在本文中，我们仅使用住院患者的每日人数，并应用系统和控制理论的众所周知的技术来估计匈牙利COVID-19大流行病的流行病学数据。我们使用以前发表的和验证的房室模型的描述流行病的传播。利用模型的一个重要子系统是线性的这一事实，我们首先计算时间上的潜伏感染人数。然后可以估计其他车厢的人数。从这些数据中，可以通过递归最小二乘估计来跟踪依赖于时间的再生数。使用现有的数据从文献中得到的结果的可信度进行了讨论。
2021-05-07 math.DS q-bio.PE q-bio.QM
The dynamics of entropy in the COVID-19 outbreaks
随着COVID-19大流行的展开，流行病的数学建模已被视为理解、预测和管理流行病事件的核心要素。然而，很快就清楚地表明，长期预测是非常具有挑战性的。此外，目前还不清楚应使用哪种衡量标准来全面描述疫情的演变。然而，一个强大的流行动力学模型和一致的选择的传播度量是至关重要的宏观现象和更明智的缓解策略的深入理解。在这项研究中，我们提出了一个马尔可夫随机框架，旨在描述COVID-19大流行期间熵的演变和瞬时繁殖率。然后，我们引入并使用基于熵的全球传播指标来衡量流行病事件的影响和时间演变。在制定的模型，时间演变的爆发是由一个统计平均的个人的非线性马尔可夫过程的主方程建模，导致一个明确的物理解释。我们还提供了一个完整的贝叶斯反演方案进行校准。熵率的时间演化、系统熵的绝对变化和瞬时再生率是这个框架的自然和透明的输出。该框架具有适用于任何分区流行病模型的吸引力。作为一个例子，我们将所提出的方法应用到一个简单的修改的易感-暴露-删除（SEIR）模型。将该模型应用于湖北地区、韩国、意大利、西班牙、德国和法国的COVID-19数据集，我们发现熵的绝对变化存在显着差异，但熵演化和瞬时繁殖率的趋势都具有高度的规律性。
2020-07-08 physics.soc-ph q-bio.PE q-bio.QM
Determination of an Optimal Control Strategy for Vaccine Administration in COVID-19 Pandemic Treatment
几十年来，数学模型已被用于预测物理和生物系统的行为，并定义针对不同类型疾病的影响最小化的策略。目前，由于全球感染人数众多，开发数学模型来模拟新型冠状病毒疾病（COVID-19）的动态行为被认为是一个重要的主题。在这项工作中，目的是考虑中国的实际数据，确定COVID-19大流行治疗中疫苗接种的最佳控制策略。为此，反问题的制定和解决，以确定房室SIR（易感-感染-感染）模型的参数。为了解决这样的逆问题，差分进化（DE）算法。在此步骤之后，提出了两个最优控制问题（单目标和多目标），以确定COVID-19大流行治疗中疫苗接种的最优策略。第一个是在治疗过程中尽量减少受感染者的数量。第二种考虑在治疗期间最大限度地减少受感染个体的数量和规定的疫苗浓度，即，多目标最优控制问题。每个最优控制问题的解决方案，分别使用DE和多目标差分进化（MODE）算法。关于建议的多目标最优控制问题的结果提供了一组证据，从该证据中可以选择疫苗管理的最优策略，根据给定的标准。
2020-04-20 math.OC q-bio.PE
Effectiveness of Testing, Tracing, Social Distancing and Hygiene in Tackling Covid-19 in India: A System Dynamics Model
我们提出了一个新冠肺炎在印度传播的系统动力学（SD）模型。详细的基于年龄结构的分区模型内生地捕获了各种疾病传播途径，从标准SEIR模型显著扩展。该模型是为印度定制的，使用了适当的人口金字塔、接触率矩阵、外部到达人数（根据实际数据）以及其他一些基于印度报告的新冠肺炎病例的校准分数。此外，我们使用独立的时变杠杆，明确建模了检测、接触者追踪、隔离Covid阳性患者、隔离、使用口罩/更好的卫生习惯、通过减少家庭（H）、工作（W）、学校（S）和其他（O）地点不同区域的接触率来保持社交距离的影响。模拟结果显示，即使在延长封锁期后，仍会留下一些数量不小的感染者（甚至是无症状感染者），大流行将重新出现。唯一能有效对抗这场大流行病的工具是对那些表现出新冠肺炎类似症状的人进行高比率的检测，如果他们呈阳性，就将他们隔离，并追踪所有与阳性患者接触的人，并将他们隔离，同时使用口罩和个人卫生。接触者追踪、隔离、预防和个人卫生措施的有效性的广泛结合有助于最大限度地减少大流行的影响，一项措施的实施中的一些缺陷可以通过更好地实施其他措施来弥补。
2020-04-19 q-bio.PE
Optimal control of vaccination and plasma transfusion with potential usefulness for COVID-19
SEIR模型是一种用于模拟流行病动态的房室模型。在这一章中，我们介绍了两个控制功能的房室SEIR模型代表疫苗接种和血浆输血。本文提出了最优控制问题，研究这两种控制措施对减少感染者和增加康复者的效果，并使费用最小。据我们所知，血浆输注治疗从未被认为是缓解流行病的控制策略。建议的疫苗接种和治疗策略可能在控制COVID-19大流行这一具有挑战性和困难的问题上有实际应用。
2020-10-08 math.OC q-bio.PE
Contact rate epidemic control of COVID-19: an equilibrium view
我们考虑通过标准SIR分区模型控制COVID-19疫情。这种控制是由个人限制其社会互动的决定的集合引起的：当流行病正在发生时，个人可以减少他/她的接触率以避免被感染，但这种努力是以社会代价为代价的。如果每个人都降低自己的接触率，疫情消失得更快，但努力成本可能很高。形成了种群水平的均场纳什均衡，导致病毒的有效传播率较低。我们从理论上证明了平衡的存在，并进行了数值计算。然而，这种均衡选择了一个次优的解决方案相比，社会最优（一个集中的决定完全尊重所有个人），这意味着无政府状态的成本是严格的积极。我们提供了数值示例和敏感性分析，以及对SEIR房室模型的扩展，以解释COVID-19疾病相对较长的潜伏期。在所有考虑的问题中，个人和社会策略之间的分歧既发生在流行病高峰之前，由于个人的恐惧，也发生在流行病高峰之后，当一个重要的传播仍在进行中时。
2020-05-10 math.OC physics.soc-ph q-bio.PE
Continuous-time stochastic processes for the spread of COVID-19 disease simulated via a Monte Carlo approach and comparison with deterministic models
提出两个随机模型来描述COVID-19大流行的演变。在第一个模型中，将人群分为四个区室：易感$S$、感染的$I$、去除的$R$和死亡的人$D$。为了有一个交叉验证，这样一个模型的确定性版本也被设计出来，它是由一个系统的常微分方程的延迟。在第二个随机模型中，增加了另外两个区室：无症状个体的类别$A$和隔离感染者的类别$L$。社会距离措施等影响很容易包括在内，并分析其后果。用蒙特卡罗模拟得到了数值解。定量预测提供了这可能是有用的政治措施的评估，例如，所获得的结果表明，基于群体免疫的战略是太危险了。
2021-09-15 physics.bio-ph q-bio.PE
A new threshold reveals the uncertainty about the effect of school opening on diffusion of Covid-19
我们旨在澄清有关学校开放或关闭对新冠肺炎疫情影响的争议。对具有亚群的房室模型的数学分析表明，学校接触率仅在超过将影响阶段与非影响阶段分开的某一阈值时才影响大流行的总体进程。我们在几种情况下通过线性近似计算的阈值似乎出现在所有情况下，包括爆发或新菌株激增，封锁和不包括儿童的疫苗接种活动，尽管值不同。我们的理论研究结果，然后证实了一些数据驱动的研究，以前确定的相变在特定情况下。本研究的具体结果是：相同或类似情况的研究得出的相反结论可能取决于建模或参数估计与非常嘈杂的Covid-19数据之间的差异（可能很小），这导致识别不同阶段;在新冠肺炎疫情的任何阶段，学校都有可能继续开放，但必须始终适用适当严格的规则，否则这对病毒遏制工作非常有害;由于接种疫苗期间的阈值与如果学校人口被隔离则会导致病毒灭绝的内部传播率相对应，所需的严格控制只能维持很短的时间;因此，要么学校将不得不长期关闭，要么儿童也需要接种疫苗。
2021-04-12 math.DS physics.soc-ph q-bio.PE
Universal Masking is Urgent in the COVID-19 Pandemic: SEIR and Agent Based Models, Empirical Validation, Policy Recommendations
HKUST (University of Science & Technology)（香港科技大学）；International Computer Science Institute（国际计算机科学研究所）；Ecole de Guerre Economique（经济战争学院）；University of Cambridge（剑桥大学）；Manifold Research；University College London（伦敦大学学院）；ELU AI Ltd（ELU AI有限公司）；Royal Free Hospital（皇家自由医院）；Population Research Institute, The Family Federation of Finland（芬兰家庭联合会人口研究所）
我们为COVID-19大流行提出了两个模型，用于预测普遍佩戴口罩对SARS-CoV-2病毒传播的影响-一个采用基于随机动态网络的分区SEIR（易感染-暴露-感染-恢复）方法，另一种采用单兵反弹道导弹（基于主体的建模）蒙特卡罗模拟-表明：（1）当至少80%的人口佩戴口罩时，在（接近）普遍掩蔽下会产生重大影响，与只有50%或更少的人口戴口罩时的影响最小相比，（2）在区域性疫情爆发的第50天之前，早期采用普遍掩蔽时的影响显著，与晚期采用普遍掩蔽时的影响最小相比。即使在自制口罩的较低过滤率下，这些效果也保持不变。为了验证这些理论模型，我们将他们的预测与我们收集的新的经验数据集进行比较，这些数据集包括地区是否具有普遍的掩蔽文化或政策，它们的每日病例增长率以及它们从每日病例增长率峰值减少的百分比。结果显示，早期普遍掩蔽和成功抑制每日病例增长率和/或从峰值每日病例增长率降低之间存在近乎完美的相关性，正如我们的理论模拟所预测的那样。我们的理论和实证结果表明，迫切需要实施通用掩蔽。随着政府计划如何退出社会封锁，它正在成为一个关键的NPI;在经济，社会和心理健康方面，“嘴和鼻子的封锁”比“全身封锁”更具可持续性。反弹道导弹模拟的交互式可视化见www.example.com。我们建议立即提出佩戴口罩的建议，正确使用的官方指导方针，以及提高认识的运动，以将口罩的心态从纯粹的自我保护转变为负责任地保护社区的…
2020-04-22 cs.AI physics.soc-ph q-bio.PE
To mask or not to mask: Modeling the potential for face mask use by the general public to curtail the COVID-19 pandemic
公众使用口罩以限制COVID-19大流行的传播是有争议的，尽管越来越多的人建议使用口罩，而且这种干预的潜力还没有得到很好的理解。我们开发了一个房室模型，用于评估一般无症状公众使用口罩对整个社区的影响，其中一部分可能是无症状传染性的。使用美国纽约州和华盛顿州的COVID-19动态相关数据进行的模型模拟表明，广泛采用即使相对无效的口罩也可能有意义地减少COVID-19的社区传播，并减少高峰期的住院和死亡人数。此外，口罩的使用降低了有效传播率，与口罩有效性（作为阻断的潜在传染性接触的一部分）和覆盖率（作为一般人群的一部分）的乘积几乎成线性比例，而对流行病学结果（死亡，住院）的影响是高度非线性的，表明口罩可以与其他非药物措施协同作用。研究发现，口罩在预防健康人患病和预防无症状传播方面都很有用。假设的口罩采用情景表明，在纽约，如果没有其他流行动态变化，立即普遍（80%）采用中度（50%）有效的口罩，可以在两个月内预防17- 45%的预计死亡人数，同时将每日死亡率峰值降低34- 58%。我们的研究结果表明，公众使用口罩在减少社区传播和大流行负担方面具有很高的潜在价值。当口罩与其他非药物实践（如社交距离）结合使用时，以及当采用几乎普遍（全国范围）且依从性高时，全社区的利益可能最大。
2020-04-07 q-bio.PE q-bio.QM
Incentives, lockdown, and testing: from Thucydides's analysis to the COVID-19 pandemic
在这项工作中，我们提供了一个通用的数学形式，以研究通过激励封锁和测试来最佳控制流行病，如COVID-19大流行病。特别是，我们将政府和人口之间的相互作用建模为具有道德风险的委托代理问题，如La Cvitanić，Possamação和Touzi [27]，而流行病则根据Gray，Greenhalgh，Hu，Mao和Pan [45]以及Tornatore，Buccellato和Vetro [88]分别提出的分区随机SIS或SIR模型所给出的动力学进行传播。更确切地说，为了限制病毒的传播，人口可以通过减少个体之间的相互作用来降低疾病的传播率。然而，政府无法完全监督这一努力，这是以人民的社会和货币成本为代价的。为了降低这一成本，从而鼓励人口的封锁，政府可以采取税收或补贴形式的激励政策。此外，政府还可能实施检测政策，以便更准确地了解疫情在国内的传播情况，并隔离受感染者。在技术结果方面，我们展示了最佳形式的税收，指数的感染者的比例，以及人口的最佳努力，即选择在响应此税的传输率。政府的优化问题可以归结为求解一个哈密尔顿-雅可比-贝尔曼方程。数值结果证实，如果税收政策的实施，鼓励人口显着减少其相互作用。如果政府也调整检测政策，那么在人群方面就不需要那么多努力，个体之间几乎可以照常互动，通过对检测阳性个体进行有针对性的隔离，疫情基本得到控制。
2022-04-13 econ.TH math.OC math.PR
Strategies for COVID-19 vaccination under a shortage scenario: a geo-stochastic modelling approach
在一个受到COVID-19浪潮冲击的世界里，疫苗接种是地平线上的一盏灯。然而，疫苗接种战略的推出及其对大流行病的影响仍然是悬而未决的问题。为了比较世界卫生组织和其他当局提出的各种策略的效果，以前开发的SEIRS随机模型的地理传播的病毒是通过增加一个隔间接种疫苗的人。模型的参数被拟合来描述阿根廷、墨西哥和西班牙的大流行演变，以分析所提出的疫苗接种策略的效果。移动性参数允许模拟不同的社会行为（例如锁定干预）。模拟和比较了在全国各地均匀接种疫苗或仅限于人口最稠密地区接种疫苗的计划。第二种策略被认为是更有效的。此外，在目前全球疫苗短缺的情况下，应当指出，流动性减少，免疫接种也就增强了。此外，应考虑到接种疫苗（和恢复）人群的免疫失效情况，确定重复接种疫苗的时间。最后，该模型被扩展到包括隔离检测到的阳性病例的影响，这对减少感染很重要。
2021-04-22 cs.SI physics.soc-ph q-bio.PE
A dynamic modeling tool for estimating healthcare demand from the COVID19 epidemic and evaluating population-wide interventions
目标.公共卫生官员需要工具来帮助预测应对SARS-COV-2大流行所需的医疗资源。我们建立了一个建模工具，以帮助执业公共卫生官员估计其管辖范围内大流行的医疗保健需求，并评估全民社交距离干预措施的潜在影响。方法.该工具使用SEIR分区模型来预测大流行病在当地的传播。用户输入病例数、医疗资源，并选择要评估的干预策略。产出包括有干预和无干预的感染和死亡人数，以及相对于现有能力对医院和重症监护病床和呼吸机的需求。我们使用智利三个地区的数据来说明该工具。结果我们的设想表明，到6月，新冠肺炎患者的激增可能会使智利医院不堪重负，7月或8月达到峰值，是目前床位和呼吸机供应量的6至50倍。封锁策略或病例隔离、家庭隔离、70岁以上人群的社交距离和远程工作干预措施的组合可能会使治疗需求低于能力。结论.积极的干预措施可以避免COVID-19的大量发病率和死亡率。我们的工具允许快速评估当地适用的政策情景，并在新数据可用时更新结果。
2020-05-13 q-bio.PE
Modeling of Asymptotically Periodic Outbreaks: a long-term SIRW2 description of COVID-19?
随着COVID-19爆发进入第三个年头，我们现在有足够的数据可以用数学模型分析大流行在一段长时间内的行为。大流行病交替出现高感染率和低感染率时期，这一方式揭示了可用于可靠预测的数学模型的性质。这里提出的模型的主要假设是，振荡行为是爆发的结构特征，即使没有假定的系数的时间依赖性。因此，它应该反映在极限环作为渐近解的存在。这源于引入（i）基于免疫增强剂概念的非线性减弱免疫力（已用于其他病理）;（ii）区分首次感染/接种的个体和已感染/接种、经历新感染/剂量的个体的区室精细描述。我们提供了一个概念证明，我们的新模型能够再现许多传染病的长期振荡行为，特别是感染波的周期性。周期解是模型固有的，并且在不及时改变参数值的情况下实现。这可能是COVID-19和类似疾病长期建模的重要一步，因为解决方案的自然、非强制行为显示了COVID-19大流行期间观察到的定性特征。
2022-03-15 math.DS q-bio.PE
Data-Driven Models for studying the Dynamics of the COVID-19 Pandemics
本文基于Worldometer每日数据，采用时间依赖的SIR模型研究COVID-19大流行演变，证明了感染者数量的局部指数行为并提取了时间依赖替代因子，对德国、意大利及全球数据的模拟验证了模型的有效性。
2023-11-02 math.DS q-bio.PE
EpiBeds: Data informed modelling of the COVID-19 hospital burden in England
COVID-19大流行的第一年对英格兰的国家医疗系统造成相当大的压力。为了预测当地流行病对英格兰医院能力的影响，我们使用了各种数据流来告知医院进展模型的构建和参数化，该模型与广义流行病模型相结合。我们将这个模型命名为EpiBeds。来自部分完整的患者路径行列表的数据用于提供个人在不同医院隔间中花费的平均持续时间的初步估计。然后，我们使用医院占用率和医院死亡率的完整数据拟合EpiBeds，从而能够估计遵循不同临床路径的个体比例以及广义流行病的繁殖数量。EpiBeds的构建可以直接适应英国以外的不同患者路径和环境。作为英国应对疫情的一部分，EpiBeds每周向NHS提供英格兰、威尔士、苏格兰和北爱尔兰医院床位占用率和入院率的预测。
2021-10-12 q-bio.PE stat.AP
Bayesian analysis of diffusion-driven multi-type epidemic models with application to COVID-19
提出基于独立扩散过程降维的贝叶斯证据综合框架，结合仓室模型重建多类型人群 COVID-19 年龄特异性传播，并通过多国死亡数据与英格兰患病率调查验证。
2025-09-01 physics.soc-ph q-bio.PE stat.AP
Kinetic models for epidemic dynamics with social heterogeneity
我们引入了一个数学描述的社会性的影响，在传染病的传播，通过整合流行病学动力学与动力学建模的人口为基础的接触。动力学描述导致研究玻尔兹曼型方程描述的易感，感染和恢复的个人，其比例是由一个经典的SIR型房室模型在流行病学的社会接触的数量密度随时间的演变。显式计算表明，疾病的传播是密切相关的时刻的接触分布。此外，动力学模型可以澄清如何选择性控制可以假设，以实现最低限度的锁定策略，只减少个人经历了非常大量的日常接触。我们进行了数值模拟，证实了该模型的能力，以描述不同的现象特征的快速蔓延的流行病。受COVID-19大流行的启发，最后一部分致力于用来自不同欧洲国家的感染数据拟合所提出模型的数值解。
2021-04-01 nlin.AO physics.soc-ph q-bio.PE
