The Effects of the COVID-19 Pandemic on Transportation Systems in New York City and Seattle, USA
本文继续强调纽约市（NYC）的流动性和社交性趋势，并补充了来自华盛顿州西雅图的类似数据，西雅图是美国受COVID-19影响最严重的两个城市。西雅图可能比纽约市更早从大流行和随后的封锁中复苏，并可能提供一些关于旅行模式如何变化的见解。最后，讨论了中国城市解除封锁两个月后的一些初步调查结果，以进一步了解复苏的未来。
2020-10-02 physics.soc-ph
Robustly estimating the COVID19 epidemic curve in northern Italy using all-cause mortality
背景：意大利北部是受新冠疫情影响最严重的地区之一。现在人们普遍认为，在第一名患者被发现之前，病毒已经悄悄地传播了至少两周。在这一沉默阶段，以及在接下来的几周里，当医院系统负担过重时，数据收集的方式不够准确，无法估计流行曲线。为了评估病毒传播的动态和遏制措施的有效性，我们尝试使用全因死亡率数据重建流行曲线。研究方法：我们从国家统计局收集了按年龄分层的全因死亡率数据，以及其他政府机构发布的与COVID相关的死亡数据。使用SEIR模型与估计的暴露死亡时间分布，我们拟合的繁殖数量在不同阶段的传播在区域水平。结果：我们估计在病例1被确定之前的繁殖数为2.6+/-0.1。伦巴第大区的学校关闭使该指数降至1.3。软封锁措施导致R<0.8，当引入硬封锁时没有观察到进一步的降低（例如Emilia-Romagna软封锁0.67 +/-0.07，硬封锁0.69+/-0.071）。在严格封锁期间，>75岁年龄段的生殖数量始终高于其他人群（例如，米兰省为0.98 vs 0.71），这表明退休设施中爆发了疫情。从3月7日开始，贝加莫省和布雷西亚省的生殖数量明显低于采取同样严格封锁措施的其他地区（附近省份：0.73，布雷西亚：0.52，贝加莫0.43），这支持了这些省份的大部分人口在3月初已经感染的假设。
2020-08-09 physics.soc-ph q-bio.PE
Optimal Lockdown for Pandemic Control
作为控制传染病的常用策略，封锁将不可避免地削弱经济。持续的COVID-19大流行凸显了公共卫生和经济成本之间的权衡。一个最佳的锁定政策，以解决这个权衡是非常需要的。在这里，我们提出了一个数学框架的流行病控制，通过一个最佳的稳定非均匀封锁，我们的目标是减少经济活动尽可能少，同时减少感染人数在规定的速度。这个框架使我们能够有效地计算一般流行病传播模型的最优稳定封锁政策，包括经典的SIS/SIR/SEIR模型和新的COVID-19传播模型。我们通过分析县际旅行频率的公开数据来分析纽约州62个县的COVID-19传播模型，从而展示了这一框架的强大功能。我们发现，根据2020年4月的疫情状况，最佳的稳定封锁措施将使纽约市以外的经济活动比纽约市内部更严格地减少，尽管当时纽约市的疫情要普遍得多。这种违反直觉的结果凸显了疫情控制的复杂性，并为未来的封锁政策设计提供了启示。
2022-01-25 math.OC physics.soc-ph
Changes in mobility and socioeconomic conditions in Bogotá city during the COVID-19 outbreak
我们分析了在哥伦比亚波哥大实施旨在减缓COVID-19传播的遏制措施后的流动性变化。我们描述了大流行之前和期间的流动网络，并分析了其在2020年1月至7月期间的演变和变化。然后，我们将观察到的流动性变化与社会经济条件联系起来，估计一个重力模型来评估社会经济条件对流动性的影响。我们观察到移动性趋势整体下降，但城市不同区域之间的整体连通性在封锁后仍然存在，反映了移动网络的弹性。我们发现，对封锁政策的反应取决于社会经济条件。疫情前，社会经济条件较好的人群流动性较高。自封锁以来，流动性普遍下降，但社会经济条件较差的人口流动性下降幅度较小。我们得出结论，得出政策影响。
2020-08-26 econ.GN physics.soc-ph q-fin.EC
COVID-19 Epidemic Study II: Phased Emergence From the Lockdown in Mumbai
自二零二零年三月二十五日开始的全国性封锁旨在抑制COVID-19疾病的传播，其后印度政府三次下令延长至二零二零年五月三十一日。延长封锁已产生重大社会和经济后果，可能已出现“封锁疲劳”。自二零二零年六月一日起分阶段重开。孟买是世界上最拥挤的城市之一，在印度所有城市中病例和死亡人数最多（截至2020年6月2日，41986例阳性病例和1368例死亡）。在接下来的几天里，重新开放将做出许多艰难的决定。在早期的IISc-TIFR报告中，我们提出了一个基于代理的城市规模模拟器（ABCS），以模拟孟买和班加罗尔等大都市的感染进展和传播。正如IISc-TIFR报告1中所讨论的，ABCS是一个有用的工具，可以在个人层面上模拟城市居民的互动，并捕捉非药物干预对感染传播的影响。在这份报告中，我们将重点放在孟买。使用我们的模拟器，我们考虑了从2020年6月1日开始的封锁中孟买分阶段出现的一些合理情景。其中包括分阶段逐步开放行业、部分开放公共交通等（模拟郊区列车中的感染传播）、隔离区对控制感染的影响，以及遵守各种干预措施（包括使用口罩、病例隔离、家庭隔离等）的作用。我们模拟结果的主要结论是，分阶段开放工作场所，保守估计，20%至33%的出勤率是重启经济活动的好方法，同时确保该市的医疗能力足以应对6月和7月可能增加的COVID-19患者数量。
2020-06-05 cs.OH physics.soc-ph q-bio.PE
Heterogeneous social interactions and the COVID-19 lockdown outcome in a multi-group SEIR model
我们研究了SEIR模型的变体，以解释法国Covid-19疫情统计数据的一些定性特征。标准的SEIR模型基本上区分了两种情况：要么疾病得到控制，感染人数迅速减少，要么疾病传播并污染相当一部分人口，直到实现群体免疫。封锁后，乍一看，社交距离似乎不足以控制疫情。我们在这里讨论一个可能的解释，即封锁正在创造社会异质性：即使绝大多数人口遵守封锁规则，一小部分人口仍然必须保持正常或高水平的社会互动，例如卫生工作者，基本服务提供者，这导致通过重新估计基本繁殖率来衡量的流行病传播的明显高水平。然而，这些措施仅限于平均数，而人口内部的差异对流行病爆发的高峰和规模起着至关重要的作用，往往会降低这两个指标。我们提供了理论和数值结果来支持这样的观点。
2020-06-23 physics.soc-ph q-bio.PE
Effect of lockdown interventions to control the COVID-19 epidemic in India
由新型冠状病毒SARS-CoV 2引起的大流行导致了危及生命的健康并发症，并对医疗保健系统造成了极大的压力。虽然预防性和明确的治疗性医疗干预措施尚未到位，但管理机构实施的物理隔离、检疫和严厉的社会措施等非药物干预措施可有效阻止感染在人群中的传播。在印度等人口稠密的国家，由于社会和行政管理的复杂性，封锁干预措施部分有效。使用详细的人口统计数据，我们提出了一个基于代理的模型来模仿人口的行为及其流动性特征，即使在干预下。我们展示了接触追踪政策的有效性，以及我们的模型如何有效地与测试效率的实证研究结果相关。我们还提出了各种封锁干预策略来缓解-使用感染的数量，有效繁殖率以及使用强化学习。我们的分析可以帮助评估这些干预措施的社会经济后果，并为政策制定者提供有用的想法和见解，以便更好地做出决策。
2020-09-07 cs.MA physics.soc-ph q-bio.PE
Estimating the Containment Effectiveness and Economic Cost of Inner-city Non-Pharmaceutical Interventions
Hebei Normal University（河北师范大学）
本文通过大数据分析，研究了城市非药物干预措施在遏制流行病和经济成本之间的权衡，提出二维评估框架以优化政策实施效果。
2026-03-06 physics.soc-ph
Modelling the influence of progressive social awareness, lockdown and anthropogenic migration on the dynamics of an epidemic
基本的易感-感染-感染（SIR）模型被扩展到包括渐进的社会意识，封锁和人为迁移的影响。研究发现，社会意识可以通过降低基本再生产率$R_0$有效地遏制传播。有趣的是，发现意识在一个社会中更有效，与反应较慢的社会相比，它可以更快地采用意识。该论文还将死亡率分数与临床恢复分数分开，并试图在缺乏和存在社会意识的情况下对封锁的结果进行建模。可以看出，错开封锁期不仅在经济上有利，而且有助于遏制感染蔓延。此外，交错退出战略与渐进的社会意识被认为是最有效的干预。本文还探讨了在两区情景下，人为迁移对疫情动态的影响。计算结果表明，不同区域中不同组分的演化不同。这种模型可以方便地将一个大区域划分为较小的子区域，以便不成比例地实施封锁，或者从封锁中退出。计算是使用与印度背景下的SARS-COV-2病原体一致的参数进行的。
2020-08-27 physics.bio-ph physics.med-ph physics.soc-ph
Tracing contacts to evaluate the transmission of COVID-19 from highly exposed individuals in public transportation
我们通过数据驱动的接触者追踪模型，调查了巴西一个大城市在疫情不同阶段的公交车内COVID-19传播情况。通过这种微观方法，我们在连续的时间窗口内恢复了密切接触者的网络。纵向比较，然后进行升级的跟踪接触与传输计算从平均场分区模型为整个城市。我们的研究结果表明，在公共汽车内，$Re^{bus}$，并在城市，$Re^{city}$，有效的繁殖数量遵循一个兼容的行为在第一波的本地爆发。此外，通过区分公共汽车上医护人员的密切接触者，我们发现他们在同一时期的传播$Re^{health}$系统性地高于$Re^{bus}$。这一结果加强了对高度暴露人群的特殊公共交通政策的必要性。
2021-06-09 physics.soc-ph
Estimation of the effective reproduction number for SARS-CoV-2 infection during the first epidemic wave in the metropolitan area of Athens, Greece
在此，我们提供了在第一波大流行期间（2020年2月26日至5月15日）希腊雅典大都市区有效繁殖数$R_e$的估计值。对于我们的计算，我们实施了，在一个比较的方法，两个最广泛使用的方法估计$R_e$，由Wallinga和Teunis和Cori等人。数据从国家数据库中检索到的SARS-CoV-2感染在希腊。我们的分析显示，Re的预期值在3月15日左右降至1以下，这是在3月10日全国各级教育机构暂停运营后不久，以及3月13日所有零售活动（咖啡馆，酒吧，博物馆，购物中心，体育设施和餐馆）关闭后不久。于5月4日，即开始逐步放宽严格封锁的日期，$R_e$的预期值略低于1，但由于在此期间通报的个案数目有限，因此不确定性水平相对较高。最后，我们讨论了用于估计的$R_e$的方法的局限性和陷阱，强调这种分析的结果应被视为仅作为决策者的指示。
2020-12-28 physics.soc-ph q-bio.PE stat.AP
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
Four-tier response system and spatial propagation of COVID-19 in China by a network model
为了研究封锁和社交距离限制的有效性，这已被广泛实施为遏制全球持续的COVID-19大流行的政策选择，我们基于经典的SEAIR流行病学模型制定并讨论了一个阶段性和加权的网络系统。根据我国《国家突发公共卫生事件应急预案》中的公共卫生危机四级响应，将公共卫生危机分为五个阶段。我们推导了交错基本再生产数，并评估了中国大陆19个城市/地区在不同情景下封锁和社交距离政策的有效性。此外，我们还根据城市之间的人口流动性和一些非药物干预措施的强度，估计了与连续释放相关的感染风险。我们的研究结果表明，对于高风险城市，一级公共卫生应急响应是必要的，它可以有效和快速地平坦COVID-19曲线。此外，设计合理的错放政策对COVID-19的防控极为重要，有利于经济活动和社会稳定发展。
2020-08-16 math.DS physics.soc-ph q-bio.PE
The relationship between human mobility and viral transmissibility during the COVID-19 epidemics in Italy
2020年，受COVID-19疫情影响的国家实施了各种非药物干预措施，以对比病毒的传播及其对医疗系统和经济的影响。我们使用意大利不同地理尺度的数据，调查了人口流动性（包括人口对不断变化的情况的反应的许多方面）与COVID-19传播之间的关系。利用2020年2月至9月的移动电话数据，我们发现移动流量的减少与净再生产数量之间存在显着的关系。我们发现，关闭流动性，使净繁殖数低于临界阈值1所需的时间约为一周。此外，我们观察到在封锁引起的流动性下降之前超过这一阈值的天数与每10万居民的感染总数之间存在很强的关系。随着时间的推移，估计流动性流量对净再生产数量的统计影响，我们记录了一个2周的滞后正相关，在3月和4月较强，6月较弱，但仍然显着。我们的研究证明了大规模流动数据在监测疫情和在疫情发展过程中为控制干预提供信息方面的价值。
2021-04-01 cs.SI physics.soc-ph stat.AP
Simulating the Spread of Epidemics in China on the Multi-layer Transportation Network: Beyond the Coronavirus in Wuhan
基于SEIR模型和城市交通网络建模，建立了一个通用的流行病在中国城市传播的模拟器。中国340多个地级城市之间的公共交通系统被建模为一个多层的二分网络，层代表不同的交通工具（航空公司，铁路，航线和公共汽车），节点分为两类（中心城市，外围城市）。在每个城市，一个开放系统SEIR模型跟踪疾病的局部传播，人口流入和流出与上层交通网络交换。该模型考虑了疫情在不同交通媒介上的不同传播能力、入境流在城市的过境、因路径重叠而在公共交通工具上的交叉感染以及感染人群不进入公共交通和康复人群不重复感染的现实考虑。该模型可用于模拟在中国（可能是其他国家）的任意流行病的城市级传播，其特征在于其基本繁殖数，潜伏期，感染期和人畜共患病力，起源于中国任何地级市（S），在政府实施有效干预之前的一段时间。流量图输入到系统中，以触发城市间的动态，假设不同的流量强度，从经验观察确定，内/之间的节点的二分划分。利用该模型对2019年武汉市冠状病毒疫情进行了模拟，结果表明，该框架是稳健可靠的，模拟结果与公共城市级数据集在很大程度上匹配。
2020-02-27 physics.soc-ph q-bio.PE
A fractional-order SEIHDR model for COVID-19 with inter-city networked coupling effects
本文提出了一个数学模型来分析COVID-19的动态行为。基于城市间网络化耦合效应，讨论了2020年1月23日至3月18日COVID-19实时数据的分数阶SEIHDR系统。同时，在该模型中，首次考虑了住院个体和三类个体（暴露者、感染者和住院者）的死亡率。本文还考虑了孵化期个体的传染性。利用2020年1月23日至$18-m$ 3月的实测数据，采用最小二乘法和预报-校正方法，模拟了无城际路网和有城际路网情况下该系统的数值解，其中$m$等于预报天数.通过与整数阶系统（$α=0$）的比较，验证了无网络分数阶模型对北京、上海、武汉、黄冈等城市的数据拟合效果更好。与无网络情况相比，结果表明，由于封城隔离措施的存在，城市间网络系统对中国的病毒传播可能不是一个重要的案例，但对未采取封城措施的城市可能产生影响。同时，该模型对意大利2月24日至3月31日的确诊人数数据拟合较好，该分数阶模型对确诊人数峰值也进行了预测。此外，在初始条件下，该系统的有界解的存在性和唯一性被考虑。之后，对基本再生数$R_0$进行分析，发现其持有一个阈值：当$R_0\le 1$时，无病平衡点是局部渐近稳定的，这为COVID-19未来是否会成为大流行提供了理论依据。
2020-04-30 math.DS physics.soc-ph q-bio.PE
Effective epidemic model for COVID-19 using accumulated deaths
2020年，严重急性呼吸系统综合症COVID-19成为持续全球健康危机的中心。轻症病例的高发率便于在医院环境之外进行次级通报，而感染或已感染的人数在很大程度上仍不清楚，导致对该疾病的粗死亡率的估计很差。在这里，我们使用一个简单的模型来描述COVID-19造成的累计死亡人数。所提出的模型和SIR模型的近似解之间的密切联系提供了一个方程组，其解是流行病学参数的鲁棒估计。我们发现粗死亡率在$10^{-4}$和$10^{-3}$之间变化，取决于爆发的严重程度，这低于先前从实验室确诊患者获得的估计。我们还估计了实际利益的数量，如基本繁殖数和预期的死亡人数在渐近极限有和没有社会距离措施和封锁，这使我们能够衡量这些干预措施的效率。
2020-07-06 physics.bio-ph physics.soc-ph q-bio.PE
Modelling Excess Mortality in Covid-19-like Epidemics
我们开发了一个基于代理的模型，以评估各种非药物干预策略在假设的COVID-19样流行病期间的累计死亡人数。我们考虑了疾病传播的本地和非本地模式。第一种模拟通过居住地附近的社会接触传播，第二种模拟通过公共场所的社会接触传播：学校、医院、机场等，很多人聚集在一起，他们生活在遥远的地理位置。将传染病传播建模为随机几何网络上的离散时间随机过程。我们使用Monte-Carlo方法进行模拟。作出以下假设。基本繁殖数为2.5，感染期约为10天。感染导致SARS的病例约占1%，除非患者接受适当的治疗，否则可能导致呼吸系统衰竭和死亡。医疗保健系统的能力由呼吸机或重症监护病床的可用性模拟。模型中的一些参数，如死亡率或每10万居民的呼吸系统呼吸机数量，被选择来模拟美国和波兰的真实值。在模拟中，我们比较“什么都不做”的策略与缓解策略的基础上，社会距离和减少社会混合。我们研究前疫苗时代的流行病，那时免疫力只能通过感染获得。该模型仅适用于再感染罕见且可以忽略的流行病。模拟结果表明，在早期阶段过于减缓流行病发展的战略，从长期来看并不能显著减少死亡总数，反而会延长流行病的持续时间。特别地，其中锁定被保持一段时间然后被完全释放的~混合策略是低效的。
2020-11-13 physics.soc-ph q-bio.PE
A simulation of a COVID-19 epidemic based on a deterministic SEIR model
一种由新型冠状病毒引起的流行性疾病在意大利北部蔓延，传染率很高。我们实现了一个SEIR模型来计算这种流行病的感染人口和伤亡人数。这个例子最好是关于意大利伦巴第大区的情况，那里的流行病于2月25日开始。我们用迄今为止（2020年5月5日）的死亡人数校准了模型，并根据文献中报道的值对参数进行了约束。峰值大约出现在第37天（3月31日），此时繁殖率迅速下降，最初繁殖率R0 = 3，第22天为1.36，第35天后为0.8，表明不同程度的封锁。预计死亡人数约为15600人，疫情结束时有270万人感染。提供死亡个体更好拟合的潜伏期为4.25天，感染期为4天，死亡率为0.00144/天[数值基于报告的（官方）伤亡人数]。感染死亡率为0.57%，如果假设两倍于报告的伤亡人数，则为2.36%。然而，这些比率取决于最初接触的个人。如果暴露的人数增加约9倍，则在疫情结束时感染人数增加3倍，IFR = 0.47%。如果我们放松这些限制，并使用更大范围的潜伏期和感染期的下限和上限，我们观察到，更长的潜伏期（13天对4.25天）给出相同的IFR（0.6%对0.57%），但在第一种情况下，暴露的个体多9倍。因此，死亡率的准确确定取决于对这一流行病特点的了解。
2020-05-10 physics.soc-ph q-bio.PE
