COVID-19 denialism in Brazil: a multifactor study
我们讨论了巴西市一级COVID-19大流行的结果与不同的健康、社会、人口和经济指数之间的关系。我们获得了每个州收集的数据与COVID-19病例和死亡比例之间的显著相关性，以及2018年巴西总统选举的结果。由于中央政府否认科学事实和缓解大流行的措施及其历史、经济和社会根源，我们得到了不同的死亡人数估计。
2022-11-20 physics.soc-ph
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
Mathematical model of COVID-19 intervention scenarios for Sao Paulo- Brazil
流行病学分区模型被用来模拟社交距离策略，以控制COVID-19大流行并防止巴西圣保罗的第二波疫情。采用遗传算法进行优化来确定最优解。我们的研究结果表明，圣保罗的最佳策略是在至少60天内保持或增加当前的社交距离，并将当前的个人保护行为水平提高至少10%（例如，戴口罩，保持手部卫生，避免结块）。随后是一个长期的振荡水平的社会距离与逐步下降的方法，每80天在一个为期两年的持续保护行为。
2020-05-18 physics.soc-ph q-bio.PE
A nucleation and growth model for COVID-19 epidemic in Japan
通过动态相变的基本方程分析了日本和东京的COVID-19疫情。结果发现，该流行病与随机成核和线性增长模型非常一致，表明2020年3月13日至2020年5月22日之间的流行病仅受三个常数参数的限制：初始易感性，域增长率和成核衰减常数。该模型提供了一个很好的预测流行病，因为它由一个方程和初始特定的情节是线性的。
2020-08-01 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
Network-based Prediction of COVID-19 Epidemic Spreading in Italy
SARS-CoV-2病毒最初出现在中国武汉市，随后几乎在全球范围内传播，导致大流行，在中国病例中，该病毒在接触网络上相当好地遵循SIR（易感-传染-隔离）流行模型。在本文中，我们调查的SIR模型对网络的预测精度也为意大利。具体来说，意大利地区是一个集合种群代表的网络节点和网络链接是这些地区之间的相互作用。然后，我们修改了基于网络的SIR模型，以考虑意大利政府在COVID-19传播的各个阶段采取的不同封锁措施。我们的研究结果表明，基于网络的模型更好地预测每日累计感染的个人时，随时间变化的锁定协议被纳入经典的SIR模型。
2020-10-27 cs.SI physics.soc-ph q-bio.PE
A spectral clustering approach for the evolution of the COVID-19 pandemic in the state of Rio Grande do Sul, Brazil
本文的目的是通过应用图论工具，特别是谱聚类技术，在该州167个人口超过10，000的城市的加权图上分析COVID-19大流行在南里奥格兰德州的演变，这些图是基于政府机构和其他来源提供的数据。为了应对这次疫情，国家采取了一种制度，每周为预定地区分配旗帜，并根据分配的旗帜采取不同的措施。我们的研究结果表明，考虑对地区本身采取灵活的方法可能是一个有用的额外工具，可以为发病率较低的城市提供更多的回旋余地，同时保持对公共安全的关注。此外，模拟显示了隔离对疾病传播的抑制作用。
2020-08-04 cs.SI physics.soc-ph
COVID-19: A model for studying the evolution of contamination in Brazil
在本文中，我们介绍了一个流行病学模型的调查所造成的病毒流行病的传播。该模型特别适用于COVID-19，即由SARS-Cov-2病毒（又名“新型冠状病毒”）引起的疾病。SIR（Susceptible-Infectious-Adverted）模型被用来作为研究流行病演化的基础.尽管如此，我们已经修改了一些模型假设，以获得一个估计的污染免费高估的预测。这种扩展的模型，然后应用到最近在巴西的流行病的进展的情况下。在这方面，可以获得与当前数据提供的显著接近的传染病数量的演变。因此，我们评估了疾病传播的未来可能情况。关于人群易感性，我们考虑了不同的社会行为对隔离措施和预防措施的反应，以避免传染。我们的结论是，未来的情况下，流行病在很大程度上取决于社会行为采取的日期，以及对传染病控制措施。这些措施的范围很可能在未来几个月内造成数千、数百万或数千万的污染。
2020-04-08 physics.soc-ph q-bio.PE
In Response to COVID-19: Configuration Model of the Epidemic Spreading
提出了一种基于无标度网络的传染病传播结构模型。我们得到的解析解描述了传染病传播的不稳定和稳定的动力学，并演示了如何这些制度可以在流行病的交换。我们将该模型应用于COVID-19病例，并展示了我们模型的预测特征。
2020-07-08 physics.soc-ph q-bio.PE q-bio.QM
Analysis, Modeling, and Representation of COVID-19 Spread: A Case Study on India
冠状病毒爆发是地球上所有人类面临的最具挑战性的大流行病之一。隔离感染者及保持社交距离等技术是对抗COVID-19疫情的唯一预防措施。在有限的数据下对感染人数的实际估计是数据科学家面临的一个不确定问题。现有文献中有大量的技术，包括再生产数、病死率等，用于预测流行病的持续时间和传染人群。本文介绍了一个案例研究，介绍了用于分析、建模和表示与COVID-19等流行病相关的数据的不同技术。我们进一步提出了一个算法，估计在一个特定的地区的感染传播状态。本文还提出了一种由易感传染病和传染病模型估计流行病结束时间的算法。最后，本文通过实证和数据分析，研究了传播概率、接触率、传染性和易感性对疫情传播的影响。
2020-08-30 cs.SI physics.soc-ph q-bio.PE
Optimal Control Concerns Regarding the COVID-19 (SARS-CoV-2) Pandemic in Bahia and Santa Catarina, Brazil
COVID-19疫情是21世纪最严重的健康危机。SARS-CoV-2病毒于2020年3月左右抵达巴西，其社会和经济反弹是灾难性的。在本文中，它是如何模型预测控制（MPC）可以用来规划适当的社会距离政策，以减轻流行病的影响，在巴伊亚和圣卡塔琳娜州，两个国家的不同地区，文化和人口统计在巴西。此外，这两种状态的易感-感染-患病-死亡（SIRD）模型的参数识别使用的优化程序。对该过程的控制输入是传递给群体的社会隔离准则。设计了两种MPC策略：a）集中式MPC，协调两个状态的单个控制策略;和b）分散式策略，针对每个状态求解一个优化。仿真结果表明，这两种控制策略的说明和比较。该框架是处理这种流行病现象的指导方针。
2020-06-25 math.OC physics.soc-ph q-bio.PE
Forecasting Covid-19 dynamics in Brazil: a data driven approach
本文有两方面的贡献。第一种是基于来自较发达国家的数据的数据驱动方法，用于预测新型冠状病毒疫情动态。第二是报告和讨论截至2020年5月4日巴西各州采用这种方法获得的结果。我们首先介绍了通过训练LSTM SAE网络获得的初步结果，这些结果有点令人失望。然后，我们的主要方法是根据一组代表国家对大流行病早期传播的反应的人工设计特征，对世界上有数据和大流行病处于晚期阶段的地区进行初步聚类。然后，从这些聚类中训练一个改进的自动编码器网络，并学习预测巴西各州的未来数据。这些预测用于估计有关疾病的重要统计数据，例如峰值。最后，对预测进行曲线拟合，以找到最适合MAE输出的分布，并改进对大流行高峰的估计。结果表明，巴西的大流行仍在增长，大多数州的感染高峰估计在2020年4月25日至5月19日之间。预计巴西感染人数总计达24万人，分布在不同的州，其中圣保罗州以近6.5万例估计确诊病例领先。大流行的估计结束（97%的病例达到结果）从5月28日开始，一些州将持续到2020年8月14日。
2020-05-09 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
Perception of emergent epidemic of COVID-2019 / SARS CoV-2 on the Polish Internet
我们通过对2020年1月至2020年3月12日（2020年3月4日正式引入波兰之前和之后）互联网（Twitter，Google，YouTube，维基百科和以Event Registry为代表的电子媒体）上的数字足迹进行定量分析，研究波兰社会对COVID-2019疫情的看法。为此，我们利用数据采掘，社会网络分析，自然语言处理技术。每个被检查的互联网平台都分析了目标群体的代表性和组成。我们在疾病引入之前确定了关于COVID-2019主题的三个主要关注时间集群：所有平台上与中国和意大利相关的峰值，以及与最近抗击COVID-2019的特别法律相关的社交媒体峰值。此外，在正式确认引入的当天，人们的兴趣达到了顶峰，当波兰政府宣布通过大规模的缓解计划向疾病宣战时，人们的兴趣呈指数级增长。从社会语言学的角度来看，我们发现，在引进之前，威胁，恐惧和预防的概念和问题占主导地位。在介绍之后，关于疾病和流行病的实用概念占主导地位。我们发现，Twitter反映了波兰政治领域的结构性分裂。我们能够确定执政党，主流反对派和新教团体的明确社区和错误信息的潜在来源。我们还发现，在疾病引入后，粉碎之间的边界模糊。
2020-03-30 cs.SI physics.soc-ph q-bio.PE
Mobile phone location data reveal the effect and geographic variation of social distancing on the spread of the COVID-19 epidemic
SARS-CoV-2和冠状病毒传染病（COVID-19）的出现已成为一种流行病。社交（物理）距离是降低SARS-COV-2传播率的关键非药物控制措施，但需要高水平的依从性。利用笛卡尔实验室和SafeGraph提供的大规模匿名手机定位数据得出的每日出行距离和居家时间，我们量化了美国遵守社交距离规定的程度及其对COVID-19病例增长的影响。COVID-19增长率与出行距离衰减率和居家停留时间变化率的相关性分别为-0.586（95%CI：-0.742 ~ -0.370）和0.526（95%CI：0.293 ~ 0.700）。实施社会距离命令后，国家特异性病例总数倍增时间增加了1.04 ~ 6.86天，增加了3.66 ~ 30.29天，与流行病的机械预测模型一致。社交距离规定在得到遵守时可减少COVID-19的传播。
2020-04-23 cs.SI physics.soc-ph q-bio.PE
Recent violent political extremist events in Brazil and epidemic modeling: The role of a SIS-like model on the understanding of spreading and control of radicalism
受巴西2023年极右翼暴力事件启发，本文提出纳入社交媒体与最高法院干预的类SIS模型，揭示激进主义传播、受控但难以根除的相变机制。
2023-03-21 cs.SI physics.soc-ph
Assessing the spatio-temporal spread of COVID-19 via compartmental models with diffusion in Italy, USA, and Brazil
2020年爆发的COVID-19疫情引发了人们对传染病数学建模的兴趣。这类模型通常被定义为房室模型，在这种模型中，所研究的人口根据质量特征被划分为房室，对跨房室转移的性质和速率有不同的假设。虽然最常见的是常微分方程（ODE）模型，其中的隔间只依赖于时间，最近的工作也集中在偏微分方程（PDE）模型，纳入空间的变化的流行病。在易感、感染、暴露、死亡和死亡（SEIRD）框架内对PDE模型的研究在再现COVID-19传染动力学方面取得了可喜的成果。在本文中，我们评估的鲁棒性，这种建模框架，考虑不同的几何形状在更长的时间比其他类似的研究。我们首先验证我们的代码复制先前显示的结果，意大利伦巴第大区。然后，我们将重点放在美国佐治亚州和巴西里约热内卢州，这是世界上受影响最严重的地区之一。我们的研究结果显示，在时间和空间上，所有主要地区和三个不同大陆的所有地区的真实流行病学数据都具有良好的一致性，这表明建模方法既有效又稳健。
2021-02-14 physics.soc-ph q-bio.PE
COVID-19 in Mexico: A Network of Epidemics
与世界其他地区一样，墨西哥目前正面临COVID-19疫情。鉴于其领土面积，控制这一疾病的努力涉及国家和区域措施。在这项工作中，比较了联邦政府报告的每个城市每日新病例的曲线。我们发现，114个城市形成了一个大型网络的统计依赖性流行病的现象。根据该网络的模块结构，这114个城市可以分为四个不同的协调流行病现象社区。这些集群不受地理位置的限制。这些发现可以帮助公共卫生官员评估过去的策略和开发新的定向干预措施。
2020-06-20 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
Effectiveness of isolation measures with app support to contain COVID-19 epidemics: a parametric approach
在这项研究中，我们分析了旨在发现和隔离感染者以遏制COVID-19等流行病的措施的有效性，因为抑制了有效繁殖数量。我们开发了一个数学模型来计算这些措施产生的流行病的有效繁殖数的相对抑制。这一结果表示为一组参数的函数，这些参数描述了流行病的主要特征，并总结了隔离措施的有效性。特别是，我们专注于当一小部分人口使用移动应用程序进行流行病控制时的影响。最后，我们将该模型应用于COVID-19，提供了几个计算作为示例，并提供了到公共存储库的链接以运行自定义计算。这些计算以定量的方式显示了从症状和接触者追踪信息中识别感染者并尽早隔离他们的重要性。这些计算还评估了每个变量对遏制这一流行病的影响。
2021-10-21 physics.soc-ph 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
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
Comparing the dynamics of COVID-19 infection and mortality in the United States, India, and Brazil
本文比较和对比了COVID-19在受疫情影响最严重的三个国家（美国、印度和巴西）的传播和影响。这三个国家都有一个联邦结构，其中各个州在很大程度上决定了对这一流行病的反应。因此，我们对这三个国家的各个州进行了广泛的分析，以确定每个国家的相似性模式。首先，我们分析结构相似性和异常的病例和死亡的轨迹作为多变量时间序列。接下来，我们研究了这三个国家及其州的不同病毒爆发波的长度。最后，我们调查适当的时间偏移病例和死亡之间的功能不同的爆发波。在所有这些分析中，我们始终揭示了美国和印度各州之间更具特征性的不同行为，而巴西各州在其波动行为中表现出较少的结构，并在病例和死亡之间不断变化。
2022-01-29 physics.soc-ph
Tweet Analysis for Enhancement of COVID-19 Epidemic Simulation: A Case Study in Japan
该研究以日本 Twitter 数据为对象，分析社交媒体反应与 COVID-19 疫情发展的关联，并验证疫情相关推文对疫情趋势预测和模拟增强的价值。
2021-10-29 cs.SI physics.soc-ph
A parsimonious description and cross-country analysis of COVID-19 epidemic curve
在特定国家，第一波COVID-19疫情的累计死亡人数随时间呈S形曲线。在大多数情况下，该曲线可以很好地用Gompertz函数来描述，该函数由两个基本参数来表征，即初始增长率和第一波流行病消退时的衰减率。这些参数是由社会经济因素和制止流行病的对策决定的。Gompertz模型意味着总死亡人数以指数方式依赖于这些比率之间的比率，因此非常敏感。在这个框架中，瑞典和挪威和许多其他国家的第一波流行病的显着不同的流行曲线进行了分类和讨论，并讨论了它们的有用性规划的缓解战略。
2020-08-06 physics.soc-ph q-bio.PE q-bio.QM
Time-dependent and time-independent SIR models applied to the COVID-19 outbreak in Argentina, Brazil, Colombia, Mexico and South Africa
我们考虑SIR流行病学模型应用于COVID-19的演化，有两种方法。首先，我们拟合了一个全球SIR模型，该模型具有时间延迟，并且在整个疫情期间参数不变，包括传染率。竞争措施反映在有效减少的易感人群$N_{eff}$上。在第二种方法中，我们考虑了一个时间依赖的传染率，反映了竞争措施，无论是通过一步一步的拟合过程，或通过以下指数衰减。在最后一个模型中，人口被认为是国家$N$的人口。在微分方程的线性区域中，当总人口$N$较大时，预测与$N$无关。我们应用这些方法来研究阿根廷、巴西、哥伦比亚、墨西哥和南非的大流行的传播，这些国家尚未达到感染高峰。在所有这些情况下，我们提供的再生率和回收率的估计。考虑到采取了合理的措施，使得再生因子$R_0$呈指数下降，因此，随时间变化的传染率的情景是乐观的。报告了回收率$γ$的测量值，发现该参数在不同国家具有普遍性。我们讨论了全局SIR与有效布居$N_{eff}$的对应关系以及时间局部SIR的演化。
2020-06-22 physics.soc-ph q-bio.PE
Assessing the risks of "infodemics" in response to COVID-19 epidemics
我们的社会建立在一个复杂的相互依存网络上，其影响在COVID-19大流行等非常事件中变得明显，一个系统的冲击在非常程度上传播到其他系统。我们分析了SARS疫情期间全球64种语言发布的超过1亿条Twitter消息，并对新闻传播的可靠性进行了分类。我们发现，一波又一波不可靠和低质量的信息预示着流行病，使整个国家暴露于非理性的社会行为和对公共卫生的严重威胁。当流行病袭击同一地区时，可靠的信息就像抗体一样迅速接种，系统将重点转向经过认证的信息来源。与主流观点相反，我们表明，人类对谎言的反应表现出早期预警信号，这些信号可能会通过适当的沟通策略得到缓解。
2020-04-11 cs.SI physics.soc-ph
Periodic recurrent waves of Covid-19 epidemics and vaccination campaign
虽然了解新冠肺炎疫情的周期性复发波将有助于抗击大流行病，但缺乏对疫情爆发后两年期间数据的定量分析。Covid-19复发波的复杂性与i）为减缓流行病传播而实施的遏制措施ii）病毒基因突变率及iii）通过接种疫苗实施的宿主可变免疫反应的同时作用有关。这项工作的重点是大规模疫苗接种和基因变异对复发波的影响，在一个有代表性的国家实施缓解和疫苗接种战略的情况下。传播速率是通过繁殖数Rt（t）和倍增时间Td（t）之间的比率（称为RIC指数）和每日死亡数来衡量的。通过小波分析研究了Covid-19流行病的动态，并用3D空间中的非线性螺旋涡表示，其中RIC指数和死亡人数都随时间变化。周期性回归波的开始已被确定的过渡从收敛到发散轨迹的螺旋涡。我们报告了120天的复发波的主要时期和疫苗接种运动后这一时期的延长
2022-06-07 physics.soc-ph q-bio.PE
Inversion of a SIR-based model: a critical analysis about the application to COVID-19 epidemic
利用COVID-19大流行病的官方国际数据校准SIR（易感-感染-传播）模型提供了一个很好的例子，说明了逆问题解决方案固有的困难。逆建模是建立在离散反问题的框架，明确考虑的作用和数据的相关性。结合模型的物理特性，本文讨论了SIR模型参数的数值校准问题，讨论了国际权威机构提供的数据中的不确定性，它们如何影响校准模型参数的可靠性，并最终影响模型预测的可靠性。
2020-06-08 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
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
A Data-Driven Network Model for the Emerging COVID-19 Epidemics in Wuhan, Toronto and Italy
持续的2019冠状病毒病（COVID-19）大流行威胁人类健康并造成巨大经济损失。建立预测模型和预测流行趋势对于制定缓解这一流行病的对策至关重要。我们开发了一个网络模型，其中每个节点代表一个个体，边缘代表感染可能传播的个体之间的接触。这些人根据他们每天接触的人数（他们的节点程度）和他们的感染状态进行分类。使用马尔可夫链蒙特卡罗（MCMC）优化算法，将传播网络模型分别拟合到武汉（中国）、多伦多（加拿大）和意大利共和国的COVID-19疫情报告数据。我们的模型很好地拟合了这三个地区，置信区间很窄，可以适用于模拟其他特大城市或地区。关于遏制战略作用的模型预测可帮助公共卫生当局规划控制措施。
2020-05-28 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
Estimating, Monitoring, and Forecasting the Covid-19 Epidemics: A Spatio-Temporal Approach Applied to NYC Data
我们提出了一个SEIR类型的元种群模型来模拟和监测COVID-19疫情的演变。基本模型由七个部分组成，即易感（S）、暴露（E）、三个感染类别、恢复（R）和死亡（D）。我们在m个不同的空间位置为n个年龄和性别组定义这些隔间。因此，对于每个年龄组，性别和地点，所产生的模型具有所有流行病学类。它们之间的混合是通过依赖于时间的感染率矩阵来完成的。该模型使用纽约市及其行政区每日新增感染的曲线进行校准，包括人口普查数据，以及每个年龄段的感染，住院和死亡比例。我们最终得到了一个模型，该模型与报告的曲线相匹配，并准确预测了不同地区和年龄段的感染信息。
2020-11-17 physics.soc-ph q-bio.PE
Modelling provincial Covid-19 epidemic data in Italy using an adjusted time-dependent SIRD model
在本文中，我们使用意大利卫生部的官方数据，结合从地区当局每日官方新闻发布会和当地报纸网站提取的数据，开发了一个意大利省级（即欧盟NUTS-3）COVID-19感染传播的预测模型。该整合主要涉及COVID-19导致的特定死亡数据，这些数据在NUTS-3级别无法从公开的官方数据渠道获得。一个调整后的时间依赖SIRD模型被用来预测流行病的行为，特别是易感，感染，死亡和康复的人数。预测模型的性能进行评估，使用与实际数据的比较。
2020-06-02 physics.soc-ph q-bio.PE stat.AP
Time, Space and Social Interactions: Exit Mechanisms for the Covid-19 Epidemics
我们开发了一个极简房室模型，以研究新冠肺炎疫情期间意大利流动限制的影响。我们发现，早期封锁会使疫情在时间上发生变化，而超过封锁强度的临界值，疫情往往会在解除限制后重新开始。因此，必须采取具体的缓解战略。我们的特点是不同的广泛战略的相对重要性，占异质性的两个基本来源，即地理和人口。首先，我们认为意大利各地区作为独立的行政实体，在其中发生的年龄阶层之间的社会互动。由于区域间流动矩阵稀疏，一旦开始，流行病往往在各地区独立发展，因此有理由采取针对个别区域或区域集群的解决办法。其次，我们表明，年龄阶层之间的社会联系发挥着根本性的作用，并考虑到人口的年龄结构的措施可以提供一个显着的贡献，以减轻反弹效应。我们的模型是通用的，虽然它没有分析具体的缓解策略，但它突出了一些关键参数对流行病非药物缓解机制的相关性。
2021-02-04 physics.soc-ph q-bio.PE
Analysis of COVID-19 in India using vaccine epidemic model incorporating vaccine effectiveness and herd immunity
尽管我们手头有一些疫苗，但COVID-19将继续对人类构成威胁，直到我们通过自然群体免疫和通过全民接种实现全面免疫达到地方病状态。然而，疫苗作为一种实用工具，可减少持续的COVID-19疫情在全球范围内造成的大规模公共卫生问题和新出现的经济后果，而疫苗效力正在减弱。本文提出并分析了一个考虑疫苗接种率和疫苗衰减率的SEIRV流行病模型。研究了该模型的动力学性质，得到了无病平衡态的条件。此外，该分析扩展到研究COVID-19在印度的传播，考虑疫苗的可用性和相关的关键参数，如疫苗接种率，疫苗有效性和疫苗对决定这一流行病的新兴命运的影响减弱。我们还讨论了人民中接种疫苗的个人产生群体免疫的条件。我们的研究结果强调了疫苗的重要性，加强疫苗接种在保护人们免受感染方面的有效性，以及它们在流行病和大流行病建模中的重要性。
2022-08-25 nlin.AO physics.soc-ph q-bio.PE
A numerical simulation of the COVID-19 epidemic in Argentina using the SEIR model
一场由新型冠状病毒引起的大流行病在全球蔓延，影响到了阿根廷。我们实施了一个SEIR模型来分析疾病在布宜诺斯艾利斯和邻近城市的演变。使用官方报告的伤亡人数校准模型参数。由于无限的解决方案尊重的数据，我们显示不同的情况。在所有这些地区，繁殖率$R_0$在早期封锁后下降，但随后上升，可能是由于人口密集的贫民窟的传染增加。因此，必须通过应用控制策略来扭转$R_0$的这种增长趋势，以避免大量的感染和死亡个体。该模型提供了一个有效的过程来估计流行病参数（死亡率，传播概率，感染和潜伏期）和监测控制措施在流行病的演变。
2020-07-15 physics.soc-ph q-bio.PE
Understanding and monitoring the evolution of the Covid-19 epidemic from medical emergency calls: the example of the Paris area
我们通过分析巴黎地区四个中心部门（SAMU 75、92、93和94的15号中心）的EMS收到的医疗紧急呼叫，描绘了2020年3月至4月危机期间巴黎地区新冠肺炎疫情的演变。我们的研究揭示了这些部门之间的强烈差异。我们表明，每个流行病的对数可以近似为一个分段线性函数的时间。这使我们能够区分流行病的不同阶段，并确定卫生措施之间的延迟及其对EMS负荷的影响。这也导致了一种算法，允许人们检测流行病的复发。我们依赖于一个传输PDE流行病学模型，我们使用的方法从Perron Frobenius理论和热带几何。
2020-07-20 cs.SI math.DS physics.soc-ph
Epidemic model on a network: analysis and applications to COVID-19
我们分析了一个网络上的传染病模型，该网络由在节点处通过扩散耦合的易感染-感染-恢复方程组成。我们引入了一个流行病的标准，并检查不同的疫苗接种/遏制策略：我们证明，这是最有效的接种最高程度的节点。该模型还有助于评估解除监禁的情景，并防止所谓的第二波。该模型的参数很少，能够拟合数据和输入感染者的基本成分;这些特征对于当前的COVID-19疫情尤为重要。
2020-09-24 nlin.PS physics.soc-ph
Likelihood-Free Dynamical Survival Analysis Applied to the COVID-19 Epidemic in Ohio
动态生存分析（DSA）是一个基于平均场动态的流行病建模框架，适用于个人（代理）水平的感染和恢复历史。最近，DSA已被证明是一个有效的工具，在分析复杂的非马尔可夫流行病的过程，否则难以处理使用标准方法。DSA的优点之一是它以简单但不显式的形式表示典型的流行病数据，其中涉及某些微分方程的解。在这项工作中，我们描述了一个复杂的非马尔可夫DSA模型可以应用到一个特定的数据集的帮助下，适当的数值和统计方案。这些想法是用俄亥俄州COVID-19疫情的数据例子来说明的。
2022-07-31 math.AP math.DS physics.soc-ph
The COVID-19 (SARS-CoV-2) Uncertainty Tripod in Brazil: Assessments on model-based predictions with large under-reporting
COVID-19大流行（SARS-CoV-2病毒）是我们这个时代的全球健康危机。由于缺乏大规模检测以及相关无症状个体的存在，导致巴西COVID-19大流行的感染人数和死亡人数的现有数据在很大程度上被低估。我们提出了一个适应的易感-感染-感染（SIR）模型，该模型明确地将漏报和人口对公共政策（如限制措施，广泛使用口罩等）的反应结合起来，以进行短期和长期预测。大量的不确定性可能提供误导性的模型和预测。在本文中，我们讨论了不确定性在这些预测中的作用，这是说明关于三个关键方面。首先，假设被感染的人数被低估，我们展示了对感染高峰的预期。此外，虽然具有单一类别感染者的模型产生的预测峰值增加，但考虑有症状和无症状感染者的模型表明有症状的峰值下降。第二，考虑到实际死亡人数大于登记人数，然后证明死亡率的增加。第三，当考虑一般少报的数据，我们演示了如何传输和恢复率模型参数的定性和定量变化。我们亦调查“COVID-19漏报三脚架”的影响，即感染人数、死亡人数及真实死亡率方面的漏报。如果已知其中两个因素，则只要比例保持不变，就可以推断出其余的因素。所提出的方法允许人们通过对观察到的死亡率和真实死亡率的评估来确定不确定性的范围。
2020-06-27 math.DS physics.soc-ph q-bio.PE
Distributed Link Removal Strategy for Networked Meta-Population Epidemics and its Application to the Control of the COVID-19 Pandemic
在本文中，我们研究了网络化元种群流行病的分布式链接删除策略。特别地，一个确定性的网络传染病-感染-恢复（SIR）模型被认为是描述流行病的演变过程。为了抑制流行病的传播，提出了基于谱的优化问题，该问题涉及由网络拓扑结构和转移率构成的矩阵的Perron-Frobenius特征值.提出了一种改进的分布式链路删除策略，使其适用于加权有向图上具有异质转移率的SIR模型。建议的方法是通过使用德国各州报告的感染和康复数据来控制COVID-19大流行。数值实验表明，采用分布式链路删除策略可以显著降低感染率。
2020-06-29 cs.SI cs.SY eess.SY
Some numerical observations about the COVID-19 epidemic in Italy
我们给出了一些数字观察感染的SARS-CoV-2在意大利的总人数。分析是基于双曲正切公式，涉及两个参数。参数之间的多项式相关性给出了新感染的峰值时间的上限。的上限的时间变化的数值指标。在结论中讨论了结果和将分析扩展到其他国家的可能性。
2020-04-11 math.DS physics.soc-ph q-bio.PE
What the reproductive number R_0 can and cannot tell us about COVID-19 dynamics
生殖数R_0（及其在初始疾病出现R后的值）长期以来一直被用来预测病原体入侵的可能性，衡量流行病的潜在严重程度，并制定干预政策。然而，经常被忽视的复杂性已经在度量的使用方面产生了混乱。这一点在新出现的大流行性病毒SARS-CoV-2（COVID-19的病原体）中尤为明显。我们解决了其中的一些误解，即R如何随时间变化，随空间变化，并通过引用R的数学定义和当前流行病的例子与流行病规模相关。我们希望，更好地理解R的用途、细微差别和局限性，有助于更好地理解SARS-CoV-2背景下的流行病传播、流行病严重程度和干预措施的效果。
2020-06-25 physics.soc-ph q-bio.PE
Evidence of economic segregation from mobility lockdown during COVID-19 epidemic
为应对COVID-19疫情，各国政府已实施封锁限制以降低感染率。我们对Facebook提供的近实时意大利数据进行了大量分析，以调查封锁策略如何影响个人和地方政府的经济状况。我们将流动性的变化建模为类似于自然灾害的外生冲击。我们确定了两种方式，通过流动性限制影响意大利公民。首先，我们发现封锁的影响在财政能力较高的城市更强。其次，我们发现了隔离效应，因为流动性限制在不平等程度较高的城市和人均收入较低的城市更强。
2020-04-11 cs.SI physics.soc-ph
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
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
A Novel Methodology for Epidemic Risk Assessment of COVID-19 outbreak
我们提出了一个新的数据驱动的框架，用于评估一个地理区域的先验流行病风险，并确定一个国家内的高风险地区。我们的风险指数被评估为三个不同组成部分的功能：疾病的危害，该地区的暴露和其居民的脆弱性。作为应用，我们讨论了意大利爆发的COVID-19疫情。我们使用现有的历史数据，空气污染，人类流动，冬季温度，住房集中，医疗保健密度，人口规模和年龄的20个意大利地区的特点。我们发现，与意大利中部和南部相比，北部一些地区的流行病风险更高。相应的风险指数显示了与感染者人数、重症监护患者和死亡患者人数的现有官方数据的相关性，并有助于解释为什么伦巴第、艾米利亚-罗马涅、皮埃蒙特和威尼托等地区比该国其他地区遭受的痛苦要多得多。尽管2019冠状病毒病疫情几乎同时在意大利北部（伦巴第大区）和中部（拉齐奥大区）爆发，但当首批病例于2020年初被正式认证时，该疾病在疫情风险较高的地区传播更快，后果更严重。我们的框架可以扩展并在其他流行病数据上进行测试，例如季节性流感，并应用于其他国家。我们还提出了一个政策模型与我们的方法，这可能有助于政策制定者采取明智的决定。
2021-01-22 physics.soc-ph q-bio.PE
Covid-19 epidemic under the K-quarantine model: Network approach
新型冠状病毒肺炎（COVID-19）大流行正在全球范围内持续，其造成的破坏是前所未有的。为了预防，韩国采取了局部隔离策略，而不是全球封锁。这种方法不仅最大限度地减少了经济损失，而且还有效地防止了疾病的传播。在这项工作中，COVID-19在当地隔离措施下的传播是使用复杂网络上的易感-暴露-隔离-隔离模型建模的。在这种网络方法中，连接到孤立的人的链接被断开，然后在释放时恢复。这种联系的动态导致时间依赖的繁殖数量。对网络进行数值模拟，根据经验数据估计反应速率。随后再现了累计确诊病例数的时间模式。结果显示，大量无症状感染者因与感染者一起隔离而被检出。此外，还考虑了当地隔离措施和社交距离中断可能造成的后果。
2020-12-30 physics.soc-ph q-bio.PE
Contact Graph Epidemic Modelling of COVID-19 for Transmission and Intervention Strategies
2019冠状病毒病（COVID-19）大流行已迅速成为近年来未见的全球公共卫生危机。众所周知，人类接触网络的结构在传染病的传播中起着重要作用。在这项工作中，我们研究了COVID-19 CGEM的结构感知模型。如果我们假设接触网络是一个Erdos-Renyi（ER）图，即每个人都以相同的概率与其他人接触，那么这个模型就变得类似于流行病学中经典的基于分区的模型。相比之下，CGEM更具表现力，并允许插入实际的接触网络，或更现实的代理。此外，CGEM能够更精确地建模执行和释放不同的非药物干预（NPI）策略。通过一组广泛的实验，我们证明了假设不同的基础结构时，流行曲线之间的显着差异。更具体地说，我们证明了基于隔室的模型高估了感染的传播系数为3，并且在对依从性因子的一些现实假设下，低估了一些NPI的有效性，错误地描述了其他NPI（例如预测稍后的高峰），并低估了重新开放后第二个高峰的规模。
2020-10-06 cs.SI physics.soc-ph
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
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
A Parametrized Nonlinear Predictive Control Strategy for Relaxing COVID-19 Social Distancing Measures in Brazil
在本文中，我们制定了一个非线性模型预测控制（NMPC）来计划适当的社交距离措施（和放松），以减轻COVID-19大流行的影响，考虑到巴西的传染发展。NMPC策略是根据适应性数据驱动的易感-感染-死亡-死亡（SIRD）传染模型设计的，该模型考虑了社交距离的影响。此外，适应SIRD模型包括随时间变化的自回归传染参数，动态收敛，根据流行病的阶段。这个新的模型是通过一个三层的程序，分析回归，最小二乘优化运行和自回归模型拟合确定。数据驱动的模型进行了验证，并充分描述了传染曲线在大的预测范围。在该模型中，控制输入被定义为社会距离准则的非参数化值，其直接影响SARS-CoV-2病毒的传播和感染率。NMPC策略生成逐段的恒定隔离指导方针，这些指导方针可以随着每周的过去而放松/加强。该方法的实现是通过搜索机制来进行的，因为控制是非参数化的，因此存在有限数量的可能的控制序列。模拟文章显示，以说明所提出的闭环NMPC策略，这是能够减少感染的数量，并逐步放松社交距离的措施所获得的结果。在“开环”/无控制条件下，死亡人数仍然可以减少高达30%。该预测预测了2020年9月2日的感染高峰，如果没有制定协调的卫生政策，可能导致超过150万人死亡。该框架是巴西可能的公共卫生政策的指导方针。
2020-07-19 math.OC physics.soc-ph q-bio.PE
