Kinetic compartmental models driven by opinion dynamics: Vaccine hesitancy and social influence
本文提出一个耦合观点动力学与传染病仓室模型的数学框架,用于刻画疫苗犹豫的社会影响,并通过数值实验验证其预测疫苗接种遵从性和优化接种策略的能力。
2023-10-30 nlin.AO physics.soc-ph q-bio.PE
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
Vaccination compartmental epidemiological models for the delta and omicron SARS-CoV-2 variants
本文面向 delta 与 omicron 变异株构建纳入疫苗接种的仓室流行病学模型,并利用安达卢西亚和瑞士的死亡及住院数据验证其拟合与预测能力。
2023-04-20 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
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
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 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
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 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
Modeling the evolution of COVID-19 via compartmental and particle-based approaches: application to the Cyprus case
我们提出了两种不同的方法来模拟COVID-19大流行的传播。这两种方法都基于易感、暴露、传染、隔离和恢复的人群类别,并允许任意数量的亚组具有不同的感染率和不同的检测水平。第一个模型是来自一组常微分方程,其中包括人口过渡发生类之间的速率。另一种是粒子模型,这是人群模拟模型的一种特殊情况,其中疾病通过粒子碰撞传播,通过调节粒子速度来改变感染率。这两个模型的参数是使用文献中有关COVID-19的信息和特定国家的数据(包括实施和解除限制时的影响)进行调整的。我们证明了这两个模型的适用性,使用来自塞浦路斯的数据,我们发现,这两个模型产生非常相似的结果,在预测的信心。
2021-05-10 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
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
Compartmental Models for COVID-19 and Control via Policy Interventions
New York University(纽约大学)
我们展示了一种使用概率编程语言(PPL)工具包复制和预测SARS-CoV-2(COVID-19)大流行传播的方法。我们的目标是研究各种建模假设的影响,并激励政策干预,以限制传染病的传播。使用现有的房室模型,我们展示了如何使用PPL的推断,以获得疾病参数的后验估计。我们改进了流行的现有模型,以反映实际考虑因素,例如COVID-19病例的真实数量报告不足,并激发了对真实世界数据的政策干预建模的需求。我们设计了一个SEI 3RD模型作为一个可重复使用的模板,并证明其灵活性相比,其他模型。我们还提供了一个贪婪的算法,选择最佳的一系列的政策干预,有可能控制受感染的人口受到提供的约束。我们在一个简单的,模块化的,可重复的框架内工作,使立即跨域访问最先进的概率推理,重点是政策干预。我们不是流行病学家;本研究的唯一目的是作为方法的阐述,而不是直接推断COVID-19政策制定的现实影响。
2022-03-06 cs.LG q-bio.PE stat.ML
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
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
A look at endemic equilibria of compartmental epidemiological models and model control via vaccination and mitigation
本文提出两个纳入暴露后康复与无症状传播特征的隔室流行病学模型,证明其一的地方病阈值,并将其二建模为疫苗接种与缓解双控制仿射系统,证明可静态反馈线性化且探讨最优控制。
2023-05-30 math.DS q-bio.PE
Impact of pandemic fatigue on the spread of COVID-19: a mathematical modelling study
2020年末,全球多个国家的新冠确诊病例再次激增,包括英国、加拿大、巴西、美国等,在全国乃至世界范围内掀起了一股巨大的浪潮。虽然有迹象表明,预防疲劳可能是一个关键因素,但迄今尚未提供科学证据。我们使用了一个具有层次结构的随机集合种群模型,并将该模型与美国从疫情爆发开始到2020年底的阳性病例进行了拟合。我们将非药物干预(NPI)纳入该模型,假设预防强度随着阳性病例的增加而增加,并研究了两种类型的流行性疲劳。我们发现,大多数州和整个美国的人对疫情的反应呈次线性(指数k=0.5),而只有三个州(马萨诸塞州,纽约州和新泽西州)呈线性反应(k=1)。病例疲劳(对阳性病例警惕性下降)占58%,而预防疲劳(警惕组最大分数下降)占26%。如果没有大流行疲劳(没有病例疲劳和预防疲劳),阳性病例总数平均将减少68%。我们的研究显示,疫情疲劳是美国COVID-19疫情恶化的主要原因。警惕性降低是大多数阳性病例的原因,较高的死亡率往往促使当地人对疫情作出更快的反应,并保持更长时间的警惕。
2021-04-09 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
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
Complete dimensional collapse in the continuum limit of a delayed SEIQR network model with separable distributed infectivity
我们采取了最近提出的房室SEIQR模型的延迟,忽略免疫力的快速大流行的背景下,将该模型扩展到一个网络结构上的传染性,并考虑了连续的限制与一个简单的可分离的相互作用模型的传染性$β$。数值模拟结果表明,无论$β$在种群中的分布如何,网络的演化动力学都能被时间的单个标量函数有效地捕获.网络模型的连续极限允许简单推导更简单的模型,该模型是单个标量延迟微分方程(DDE),其中$β$的变化通过与$u=\sqrtβ$的矩生成函数密切相关的积分出现。如果$u$的前几个时刻存在,则可以将支配DDE扩展为一系列,该系列显示与具有单个$β$的原始房室DDE的直接对应。即使在其他情况下,新的标量DDE也可以在每个时间步使用$u$上的数值积分来求解,或者使用解析积分(如果以某种有用的形式可用)来求解。我们的工作提供了一个新的学术例子,完全的维度崩溃,绑定一个潜在的连续模型的流行病与一个简单的分区模型,并有望导致新的分析连续模型的流行病。
2020-06-23 math.DS 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
The Impact of Public Safety Measures on the Spread of COVID-19 in the United States Assessed By Causal Model-Based Projections of the Pandemic
新型冠状病毒SARS-CoV-2及其引起的疾病COVID-19于2020年3月11日被世界卫生组织宣布为大流行病。从那时起,这种疾病在世界各地蔓延,美国成为病例最多的国家。世界各国政府已采取不同程度的公共安全措施,包括建议和广告宣传以改善卫生习惯,制定社交距离要求和限制大型公众集会,以及居家令和封锁。在美国,虽然各州的应对措施差异很大,但我们清楚地看到这些公共安全措施的效果是显著的,如果这些措施继续有效,或扩大到全国范围的封锁,疫情可以得到控制,并可能在减轻后果的情况下克服疾病。在本文中,我们使用因果模型对新型冠状病毒的传播进行了建模。我们发现,通过持续的封锁措施,根据这个模型,美国可以将感染总数限制在约135万人,死亡总数限制在约7.2万人。60天的封锁可以挽救无数人的生命。
2020-04-07 q-bio.PE
Effective Mathematical Modelling of Health Passes during a Pandemic
我们研究了一类限制性措施对流行病学动态的影响,这些措施的目的是减少与感染传染病风险较高的个人的接触次数。这些措施目前正在全球许多国家实施或至少讨论,以抵御整个欧洲潜在的新一波COVID-19。它们以健康通行证(HP)的形式出现,只有持有证明他们已经完全接种疫苗,从以前的感染中恢复或最近对SARS-Cov-19检测呈阴性的证书的个人才能完全进入公共生活。我们开发了一个房室模型,以及流行病重新正常化组的方法,这是能够描述的动态在一个较长的时间内,特别是整个流行病学波。在这个模型中引入不同版本的HP,我们能够提供定量估计的基础措施的有效性作为接种疫苗的人口比例和接种率的函数。我们将我们的模型应用于几个欧洲国家的最新COVID-19浪潮,特别是德国和奥地利,这验证了我们的理论发现。
2021-09-14 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 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
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
Computational model on COVID-19 Pandemic using Probabilistic Cellular Automata
由SARS-COV 2引起的冠状病毒病(COVID-19)已成为一种流行病。这种疾病具有高度传染性和潜在致命性,引起全球公共卫生问题。为了遏制COVID-19的传播,各国政府正在采取全国性的干预措施,如封锁、遏制和隔离、限制旅行、取消社交活动和广泛的检测。为了了解这些措施对控制疫情的影响,在数据驱动的方式,我们提出了一个概率元胞自动机(PCA)的基础上修改SEIQR模型。与该模型相关的转变是由关于病毒的时间顺序、症状、发病机制和传播的现有数据驱动的。通过论证基于格子的模型捕捉了动态的特征以及现有的波动,我们对模型进行了严格的计算分析,以考虑到对人们施加的社交距离措施的空间动态。考虑到与缓解策略相关的概率行为方面,我们研究了考虑人口密度和测试效率等因素的模型。使用该模型,我们专注于不同国家的流行病动态数据的变异性,并指出这些对比观察背后的原因。据我们所知,这是首次尝试使用PCA对COVID-19传播进行建模,该PCA为我们提供了感染传播的空间和时间变化,并了解了不同感染参数的贡献。
2020-06-19 cs.SI nlin.CG physics.soc-ph
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
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
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
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
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
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
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
Mathematical assessment of the impact of non-pharmaceutical interventions on curtailing the 2019 novel Coronavirus
2019年12月出现了一场新型冠状病毒大流行,对世界各地的公共卫生造成了毁灭性的影响。在缺乏安全有效的疫苗或抗病毒药物的情况下,减轻大流行病负担的战略侧重于非药物干预措施,如社交距离、接触者追踪、检疫、隔离和在公共场所使用口罩。我们开发了一个新的数学模型,用于评估人口水平的影响,这些缓解策略。该模型使用纽约州和整个美国的COVID-19传播相关数据进行模拟,显示疫情将分别在4月中旬和下旬达到高峰。如果实施的严格社交距离措施持续到2020年5月底或6月底,纽约州和整个美国的累计死亡率(基于研究中考虑的抗COVID非药物干预措施的基线水平)的最坏情况预测将分别大幅下降80%和64%。这项研究表明,提前终止严格的社交距离可能会引发毁灭性的第二波负担,类似于严格的社交距离开始之前的预测。如果纽约州至少有70%的居民持续使用有效的口罩(有效性大于70%),则使用有效的口罩(有效性大于70%)可能导致消除大流行(在全国范围内,使用此类口罩的合规率至少为80%)。使用低效能口罩,例如布口罩(效能低于30%),亦可大幅减少COVID-19的负担(尽管未能完全消除)。将低效口罩与提高其他抗COVID-19干预措施水平相结合,可以消除大流行。如果口罩的使用与严格的社交距离相结合,消除COVID-19所需的口罩覆盖率就会下降。
2020-04-24 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
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
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
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
Optimisation of non-pharmaceutical measures in COVID-19 growth via neural networks
3月19日,世界卫生组织宣布大流行。通过这种全球传播,许多国家目睹了确诊病例的指数增长,这些病例通过严格的大规模隔离或封锁措施得到控制。然而,有些国家通过不同的时间轴采取行动,阻止了这种指数增长。目前,随着一些国家继续应对增长,其他国家试图安全地解除限制,同时避免复苏。本研究旨在量化的影响,政府在减轻病毒传播的SARS-CoV-2的一种新的软计算方法,使并行使用的神经网络模型,以预测累积感染的每日斜率增加,和一个优化器,与参数化的政府限制时间序列,以了解最佳的一组缓解措施。研究人员收集了意大利和台湾两个地区的数据,以模拟政府在旅行、测试和执行社交距离措施以及人们的连通性和对政府行动的遵守方面的限制。研究发现,更大规模和更早的检测活动以及更严格的入境限制对这两个地区都有利,导致确诊病例明显减少。有趣的是,这种情况与意大利更早但更温和地实施全国性限制相结合,从而支持台湾没有全国性封锁。采用纯数据驱动方法得出的结果与流行病学数学模型的主要结果一致,证明了所提出的方法具有价值,而且数据本身就包含了为决策者提供信息的宝贵知识。
2020-12-16 q-bio.OT 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
Fractional Modelling and Optimal Control of COVID-19 Transmission in Portugal
分数阶房室模型最近被用于描述葡萄牙第一波COVID-19大流行的真实数据[Chaos Solitons Fractals 144(2021),Art. 110652]。在此,我们修改了该模型,以纠正时间维度,并使用它来调查2020年12月至2021年2月在葡萄牙发生的第三波COVID-19,其数量和后果都超过了之前的所有浪潮。一个新的分数最优控制问题,然后制定和解决,接种疫苗和预防措施作为控制。进行了成本效益分析,并对所获得的结果进行了讨论。
2022-04-11 math.OC q-bio.PE
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
Optimal age-specific vaccination control for COVID-19: an Irish case study
于二零一九年十二月爆发的新型冠状病毒导致严重急性呼吸系统综合症已升级为全球大流行。在这项工作中,我们提出了一个房室模型来描述感染的传播动力学,并使用它来获得最佳的疫苗接种控制。该模型考虑了疫苗接种的各个阶段,优化的重点是最大限度地减少感染,以保护人口和缓解医疗保健系统。作为案例研究,我们选择了爱尔兰共和国。我们使用爱尔兰COVID-19数据中心提供的数据,模拟了两种不同情况下接种疫苗和不接种疫苗的大流行演变,一种情况代表全国封锁情况,另一种情况代表放松限制。我们工作的主要发现之一是,最佳方法将涉及一个疫苗接种计划,即老年人口更早地接种大量疫苗,同时部分年轻人口也接种疫苗,以降低群体之间的传播风险。我们比较我们的模拟结果与爱尔兰政府采取的疫苗接种政策,探索我们的优化方法的优势。我们的比较表明,即使减少了可供使用的疫苗接种,病例也可能出现类似的减少。
2022-10-24 math.OC q-bio.PE
Incorporating Interventions to an Extended SEIRD Model with Vaccination: Application to COVID-19 in Qatar
本文提出一种结合干预措施的扩展SEIRDV分区模型,利用贝叶斯框架进行参数估计与预测,以评估政府干预和疫苗接种对卡塔尔COVID-19疫情动态的影响,并量化因疫苗避免的超额死亡人数。
2022-11-04 q-bio.PE stat.AP
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
Fractional modelling of COVID-19 transmission incorporating asymptomatic and super-spreader individuals
本文构建纳入无症状感染者与超级传播者的不可公度分数阶 COVID-19 仓室模型,分析其基本再生数和无病平衡点稳定性,并经葡萄牙数据验证拟合效果更优。
2025-01-08 math.DS physics.soc-ph q-bio.PE
Modelling a novel Coronavirus (COVID-19): A stochastic SEIR-HCD approach, with real-time parameter estimation & forecasting for Scotland
面对2020年的SARS-CoV 2疫情,公共卫生官员一直在寻找模型,不仅可以用来预测新病例的数量,还可以预测住院、重症监护和死亡的水平。在本文中,我们提出了一个随机房室模型,能够实时监测和预测的大流行病纳入多个流的真实世界的数据,报告的病例,测试强度,死亡,住院和重症监护占用。通过贝叶斯粒子滤波技术估计模型参数。该模型成功追踪了苏格兰COVID-19爆发的两波(2020年3月至6月和9月至11月)期间的关键变量(报告病例、重症监护和死亡)。2020年夏季的模型住院预测始终低于记录的数据,但与苏格兰健康保护局9月15日对报告标准的变更一致。大多数参数估计值在两波中是恒定的,但感染率和生殖数量在第一波的后期阶段下降,并从2020年7月开始再次增加。死亡率最初很高,但在2020年夏季下降,然后在11月再次上升。该模型还可用于提供短期预测。我们发现,2020年3月至6月期间的2周可预测性非常好,即使在大流行的早期阶段。该模型在2020年9月的病例数增加方面有所放缓,但在疫情后期预测再次改善。
2020-12-22 q-bio.PE stat.AP
Covid-19 Belgium: Extended SEIR-QD model with nursing homes and long-term scenarios-based forecasts
随着COVID-19疫情蔓延及疫苗接种计划尚未建立,本集团已实施若干非药物干预措施,如部分及全面封锁、隔离及物理距离措施,以减少疾病传播及减轻医疗系统的压力。数学模型是重要的工具,可用来估计这些干预措施的影响,监测国家一级流行病的目前演变情况,并估计放松措施的潜在长期后果。在本文中,我们使用确定性年龄结构扩展房室模型对比利时COVID-19疫情的演变进行了建模。我们的模型特别考虑了养老院,这些养老院被建模为与普通人群分开的实体,以捕捉这些实体内的特定延迟和动态。该模型整合了社会接触数据,并根据住院数据(入院和出院)、每日COVID-19死亡人数(区分普通人群和养老院相关死亡)和血清学研究结果进行拟合,并基于贝叶斯方法进行了敏感性分析。我们呈现2020年11月的情况,并估计从模型推导出的COVID-19的一些特征。我们还提出了几个中期和长期预测的基础上,加强或放松社会接触的不同一般部门的情况下,有很多的不确定性。
2021-08-30 physics.soc-ph q-bio.PE stat.AP
Lifting Lockdown Control Measure Assessment: From Finite to Infinite-dimensional Epidemic Models for COVID-19
本章的主要重点是公共卫生控制策略,这是目前缓解COVID-19大流行的主要方法。我们引入并比较了COVID-19传播复杂性不断增加的隔间模型,以描述疾病传播的动态。我们首先考虑一个包含COVID-19相关基本特征的SEAIR模型。接下来,我们将关注年龄结构建模,以强调年龄组个体对疾病传播的作用。我们亦制定了一个具有常数延迟的模型,以显示延迟期对COVID-19严重程度的影响。由于有证据表明,对于COVID-19疾病,在宿主中发生的事情与在群体水平上发生的事情之间存在重要的关系,因此我们将通过所谓的阈值型延迟模型将基本模型与宿主内动态联系起来。最后,我们将把人口统计学效应纳入最复杂的模型,并进行严格的分叉分析,以量化导致疾病进展的可能因素。
2020-12-10 math.DS q-bio.PE
Can Testing Ease Social Distancing Measures? Future Evolution of COVID-19 in NYC
“纽约州禁止吸烟”行政命令于3月22日生效,旨在确保足够的社交距离,以缓解COVID-19的传播。该计划将以某种形式在纽约市继续有效,直到6月初。我们使用一个分区模型来研究检测能力和社交距离措施对“后疫情”时期伦敦金融城疫情演变的影响。我们发现,测试能力必须大大增加,如果它是为了平衡,即使是相对较小的放松,在社会距离措施在紧接后的时期。特别是,如果该市每天进行20,000次检测,并将社交距离措施放宽到前标准,那么到9月底,死亡总人数可能达到250,000人。通过将社交距离措施保持在预防前和预防中的标准之间,每天进行10万次检测,到9月底,死亡总数可以保持在27,000人左右。如果要抑制过度死亡,迅速回到前苏联的社会距离规范必须伴随着过高的检测能力。如果伦敦金融城要在疫情爆发后立即恢复到“疫情爆发前”的社交距离规范,并在9月底前将死亡总数保持在3.5万人左右,那么它每天应该进行50万次检测。我们的研究结果对伦敦金融城放松社交距离措施以重新开放经济所需的测试能力的规模具有重要意义。
2020-05-27 physics.soc-ph q-bio.PE stat.AP
Modeling the Heterogeneity in COVID-19's Reproductive Number and its Impact on Predictive Scenarios
正确评估COVID-19的生殖数$R$-其特征是每个典型原发病例产生的继发病例的平均数量-对于量化大流行的潜在范围和选择适当的行动方案至关重要。在大多数模型中,$R$被建模为病毒在爆发集群和个体之间的通用常数-有效地平均了由于不同的个体接触率,人口密度,人口统计学或时间因素而导致的传播过程的固有变异性。然而,由于流行病增长的指数性质,由于这种简化而产生的误差可能会迅速放大,并导致不准确的预测和/或风险评估。从统计建模的角度来看,这种平均化的影响程度仍然是一个悬而未决的问题:如何将这种内在的可变性纳入流行病模型,以及如何更好地量化其对不确定性量化和预测情景的影响?在本文中,我们建议通过贝叶斯的角度来研究这个问题,在文献中常用的基于代理的方法和房室方法之间建立一座桥梁。在推导出一个贝叶斯模型,捕捉在规模上的异质性的人口和环境条件,我们模拟了流行病的传播以及不同的社会距离策略的影响,并强调了这种增加的可变性对报告结果的强烈影响。我们的讨论基于合成实验-从而量化可靠性和影响程度-以及真实的COVID-19数据。
2021-04-14 q-bio.PE stat.AP