Comparing antiviral strategies against COVID-19 via multiscale within-host modelling
COVID-19感染动力学的宿主内模型使不同形式的抗病毒治疗的优点能够在个体患者中进行评估。本文介绍了COVID-19细胞内动力学的基于随机代理的模型，该模型结合了治疗方案所针对的病毒生命周期的基本步骤。将模型预测与宿主内感染动力学的细胞间ODE模型整合，拟合患者数据，生成在没有治疗的情况下已经恢复的患者的疾病进展的一般概况。这与在与免疫应答相关的模型参数（例如效应细胞和抗体增殖率）变化后获得的曲线形成对比，模拟免疫功能低下患者的疾病进展。然后将这些特征与存在抗COVID-19感染的抗病毒和恢复期血浆治疗的疾病进展进行比较。该模型表明，联合使用两种疗法可以非常有效地缩短感染时间，但这些协同效应随着治疗开始的延迟而下降。相反，早期单独使用任何一种疗法实际上都可以增加感染的持续时间，在其他感染标志物下降后，感染性病毒体仍然存在。这表明在临床环境中应谨慎控制这些治疗的使用。
2021-12-21 q-bio.PE q-bio.QM
Does blood type affect the COVID-19 infection pattern?
在COVID-19大流行的许多特征中，有两个方面似乎特别难以理解：（i）在流行病进展的不同阶段发现的病毒传染性和致命性程度的巨大地理差异，以及（ii）感染者的潜在作用在病毒传染性和疾病进展中的血型〈动〉<动>。最近的一个假设可能对这两个方面都有一些启示。具体地，已经提出在受试者到受试者的转移中，SARS-CoV-2在其衣壳上保存源受试者的红细胞抗原。因此，这些保守抗原可能在先前已获得针对源受试者抗原的特异性抗体的接受受试者中引起免疫反应。这一假说暗示了一种血型〈动〉<动>感染率。因此，血型〈动〉<动>的强烈的地理依赖性可能是所观察到的流行病传播异质性的起源因素之一。在这里，我们提出了一个流行病学确定性模型，其中考虑到基于血型〈动〉<动>，并将我们的模型结果与现有的全球感染进展数据进行比较。我们发现了总体上良好的一致性，这加强了血型<动>确实在COVID-19感染中发挥作用的假设。
2020-10-25 physics.bio-ph q-bio.PE
Age-structured estimation of COVID-19 ICU demand from low quality data
本研究针对低质量数据，基于年龄结构概率采样重症病例并利用ICU占用数据计算漏报因子，通过logistic拟合及平台期情景修正曲线，进而预测未来COVID-19的ICU病床需求。
2020-06-16 physics.soc-ph q-bio.PE stat.ML
SEIRD model to study the asymptomatic growth during COVID-19 pandemic in India
根据目前的认识，有症状、症状前和无症状的感染者都可以感染对SARS-Cov-2易感的健康人群。更重要的是，各种报告表明，无症状病例的数量可能比报告的有症状病例高出数倍。在这篇文章中，我们以截至9月1日印度和该国各邦报告的病例为样本，了解COVID-19的进展情况。采用改进的SEIRD模型，我们预测了COVID-19在有症状和无症状感染人群中的传播。考虑到报告的感染主要是由于症状，我们比较模型预测的结果与现有的数据，以估计无症状感染人群的动态。我们的数据表明，在没有无症状感染人群的情况下，有症状病例的数量会少得多。因此，通过广泛或随机检测来消除无症状感染人群，可以减少有症状感染的当前进展。本研究的动机严格限于学术追求;这种理论研究并不意味着影响政策决定或公共卫生实践。
2020-09-11 physics.soc-ph q-bio.PE
Effects of demographic and weather parameters on COVID-19 basic reproduction number
在没有全面了解可能影响感染传播性的环境因素的情况下，不可能及时预测COVID-19的进展。针对可能影响COVID-19进展的参数的研究依赖于检测到的病例总数和类似代理和/或少量分析因素，包括对显示这些参数范围狭窄的地区的分析。我们在这里应用了一种新的方法，利用COVID-19检测病例数的广泛增长机制。通过将非线性动力学方法应用于指数区域，我们提取基本再生数R 0（即，COVID-19固有生物传播性的衡量标准），适用于118个不同国家在没有社交距离的情况下完全天真的人群。然后，我们使用生物信息学方法系统地收集这些国家的大量人口统计和天气参数数据，并寻求它们与COVID-19传播速度的相关性。除了一些已经报道的趋势之外，我们还展示了一些新颖的结果和那些有助于解决现有争议的结果：不依赖于风速和气压，与降水量呈负相关;与社会发展水平显著正相关（人类发展指数），不论测试政策，和城市人口的百分比，但与人口密度本身无关。我们发现一个强有力的正相关性，酒精消费的可传播性，并没有相关性的难民人数，相反，一些普遍的信念。报告了与健康相关因素的显著趋势，包括对血型〈动〉<动>组的详细分析，显示Rh因子的一致趋势，以及遗传性与胆固醇水平的强正相关性。
2021-03-28 q-bio.PE
Modeling nonlocal behavior in epidemics via a reaction-diffusion system incorporating population movement along a network
2019冠状病毒病（COVID-19）的爆发始于2019年，并持续到撰写本文时，导致人们对传染病的数学建模重新产生了兴趣。最近的工作集中在偏微分方程（PDE）模型，特别是反应扩散模型，能够描述在空间和时间的流行病的进展。这些研究在描述和预测COVID-19进展方面显示出普遍有希望的结果。然而，人们经常在短时间内长途旅行，导致疾病的非本地传播。这样的传染动力并不能仅仅用扩散来很好地代表。相比之下，常微分方程（ODE）模型可以通过将不同的区域视为网络中的节点来轻松解释这种行为，其中边缘定义了非本地传输。在这项工作中，我们试图通过引入一个网络结构内的反应扩散偏微分方程系统结合这些建模范式。这是通过定义人口转移算子来实现的，该算子将不相交的和可能遥远的地理区域耦合起来，促进它们之间的非本地人口移动。我们提供的分析结果表明，该运营商不会破坏系统的物理一致性或数学适定性，并通过数值实验验证这些结果。然后，我们使用这种技术来模拟巴西里约热内卢地区的COVID-19疫情，展示其捕捉重要非局部行为的能力，同时保持反应扩散模型描述局部动态的优势。
2022-05-09 physics.soc-ph q-bio.PE
Topological data analysis model for the spread of the coronavirus
我们将拓扑数据分析，特别是Mapper算法应用于美国COVID-19数据。由此产生的映射图提供了比其他更标准的方法提供的更完整的流行病可视化。它们对由地理信息、时间进程和COVID-19病例数量创建的数据云的各种几何特征进行编码。它们反映了美国各地疫情的发展情况，并反映了增长率以及热点地区的突出性。Mapper图表允许跨时间和空间进行轻松比较，并有可能成为冠状病毒传播的有用预测工具。
2020-08-13 physics.soc-ph q-bio.PE
Modeling the Epidemic Outbreak and Dynamics of COVID-19 in Croatia
该文件涉及在克罗地亚共和国的封闭领土上由2019年冠状病毒病（COVID-19）引起的持续流行病的建模。利用官方公布的确诊感染者、康复者和死亡者的数量，建立了改进的SEIR房室模型来描述流行病的基本动态。拟合的修正SEIR模型提供了对近期疾病进展的预测，考虑到克罗地亚卫生部在2月25日COVID-19传播开始时对感染者和高危人群采取的社交距离和隔离等严格控制干预措施。假设所提供的数据的准确性和令人满意的代表性的模型使用，基本再生数的推导。所取得的成果说明了潜在的积极发展，并证明卫生部采取的严格预防措施是合理的。
2020-05-04 q-bio.PE
Analysis of COVID-19 Infection Dynamics: Extended SIR Model Approach
本研究基于扩展SIR/SEIR模型结合人口因素，利用奥兰治县四波疫情数据分析COVID-19感染动力学，发现R0>1时呈地方病状态，疫苗接种可降低有效再生数实现无病平衡，为公共卫生干预提供依据。
2025-05-19 math.DS physics.soc-ph q-bio.PE
A Generalized Epidemiological Model for COVID-19 with Dynamic and Asymptomatic Population
在本文中，我们开发了一个扩展的标准流行病学模型，适用于COVID-19。这一扩展包括由于症状前或无症状的病毒携带者造成的传播。此外，这一模型还反映了由于人员往来于一个国家内不同行政边界而造成的疾病传播。该模型描述了由于（初期）人类传播和多个隔间的伴随影响，确诊病例数量的概率上升。模型中的相关参数可帮助设计公共卫生政策和大流行病的业务管理。例如，该模型表明，增加对有症状患者的检测对大流行的进展没有任何重大影响，但无症状人群的检测率发挥着极其关键的作用。该模型是使用获得的数据在印度共和国的恰蒂斯加尔邦。该模型被证明有显着更好的预测能力比其他流行病学模型。这种模式可以很容易地应用于任何行政边界（州或国家）。此外，该模型也适用于任何其他流行病。
2020-11-19 physics.soc-ph q-bio.PE stat.AP
An epidemiological model for the spread of COVID-19: A South African case study
为COVID-19在南非的传播建立了流行病学模型。使用经典的房室SEIR模型的变体，称为SEIQRDP模型。由于南非仍处于全球COVID-19大流行的早期阶段，确诊感染病例尚未达到峰值，因此SEIQRDP模型首先根据德国、意大利和韩国的数据进行参数化，这些国家的感染病例数已远远超过峰值。通过合理预测COVID-19确诊病例、死亡病例和康复病例的数量将在何处结束以及何时结束，可以实现良好的拟合。然后使用2020年3月23日至5月8日期间的南非数据来获得SEIQRDP模型参数。结果发现，该模型拟合初始疾病进展良好，但该模型的长期预测能力是相当差的。南非SEIQRDP模型随后重新计算的基本再生数限制到报告的值。由此产生的模型与数据拟合良好，长期预测似乎是合理的。南非SEIQRDP模型预测，2020年10月底将出现确诊感染个体数的峰值，总死亡人数约为1万至9万人，名义值约为2.2万人。所有这些预测在很大程度上取决于疾病控制措施到位，并坚持这些措施。这些预测被进一步证明是特别敏感的参数，用于确定的基本再现数。未来的目标是使用反馈控制方法与南非SEIQRDP模型，以确定南非政府提出的不同封锁水平的流行病学影响。
2020-05-22 physics.soc-ph q-bio.PE
Containment effort reduction and regrowth patterns of the Covid-19 spreading
在所有国家，政治决策的目标是实现几乎稳定的配置，每天有少量新感染者因COVID-19而感染。当达到这样的条件时，遏制努力通常会减少，有利于社会生活和各种经济部门的逐步重新开放。然而，在这个新的阶段，感染传播重新开始，对再生长的定量分析是非常有用的。我们讨论一个宏观方法，根据新阶段开始后数天首次封锁期间收集的数据，概述新冠病毒扩散的较长时间不同情景。本文的目的是一个示范的概念：一个简单的增长模型，认为现有的数据，并显示如何可以获得的蔓延的未来趋势。该方法应用了与时间相关的承载力，类似于生物学、经济学和种群动力学中的许多宏观增长规律。分析了新加坡、法国、西班牙和意大利的典型案例。
2020-12-02 q-bio.PE
COVID-19 adaptive humoral immunity models: weakly neutralizing versus antibody-disease enhancement scenarios
病毒、感染细胞和对SARS-CoV-2的免疫反应之间的相互作用仍在争论中。扩展病毒动力学的基本模型，我们在这里提出了一个正式的方法来描述中和与弱（或非）中和的情况下，并与抗体依赖性增强（ADE）的可能影响进行比较。理论模型与文献中的数据一致;我们表明，弱中和抗体或ADE均可导致最终病毒清除或疾病进展，但每种情况下的免疫动力学不同。鉴于世界人口中有很大一部分已经自然免疫或接种疫苗，我们还讨论了接种疫苗后或存在免疫系统功能障碍时继发感染的影响。
2022-07-07 math.DS q-bio.PE
COVID-19: Analytic results for a modified SEIR model and comparison of different intervention strategies
SEIR流行病学模型是疾病传播的标准模型之一。在这里，我们分析了一个扩展的SEIR模型，该模型考虑了无症状携带者，据信在COVID-19传播中发挥了重要作用。对于这个模型，我们得出了一些重要的数量，如感染的峰值数量，达到峰值所需的时间和最终受影响的人口的大小的分析结果。我们还提出了一个精确的方法来指定初始条件的数值（从不足的数据）使用的事实，即早期的指数增长是很好地描述的主导特征向量的线性化方程。其次，我们探讨了不同的干预策略，如社会距离（SD）和测试-再测试（TQ）的效果。两种干预策略（SD和TQ）试图将疾病繁殖数$R_0$降低到目标值$R^{\rm target}_0 < 1$，但方式不同，我们在模型方程中实现了这一点。我们发现，对于相同的$R^{\rm target}_0 < 1$，TQ比SD更有效地控制流行。然而，为了使TQ有效，它必须基于接触者追踪，我们的研究量化了每天测试与每天新病例数量的所需比例。我们的分析表明，线性动力学的最大特征值提供了对疾病进展的简单理解，包括干预前和干预后，并解释了许多国家的观察数据。我们将我们的结果应用于印度的COVID数据，以获得对大流行过程的启发式预测，并注意到预测在很大程度上取决于假设的无症状携带者比例。
2021-01-25 physics.soc-ph q-bio.PE
Puzzles in modern biology. III. Two kinds of causality in age-related disease
年龄相关疾病的两个主要因果维度是速率和功能。疾病发展速度的变化改变了发病年龄。生理功能的变化为疾病进展提供了必要的步骤。一个因果因素可能会改变生理变化的速度，但因果因素本身可能没有直接的生理作用。或者，一个致病因素可能提供了一个必要的生理功能，但该致病因素本身可能不会改变疾病的发病率。率函数的对偶性为解决年龄相关疾病的难题提供了基础。癌症的因果因素说明了发现速率过程（例如体细胞突变）和必要的生理功能（例如侵入性渗透组织屏障）之间的二元性。癌症的例子表明了与年龄有关的疾病的一般原则。
2016-10-19 q-bio.MN q-bio.PE q-bio.TO
Quality-Quantity Trade-offs in Tests for Management of COVID-19-like Epidemics
有多种检测方法来确定个人感染，它们在性能，成本和延迟方面各不相同。不幸的是，性能更好的测试有时成本更高，更耗时，并且只能针对一小部分人群进行。另一方面，可以使用更便宜、快速的测试来测试更多的个体，但可能只能提供不太可靠的结果。在这项工作中，我们研究了测试成本和延迟之间的相互作用，以及部分和完全封锁提供的额外优势。为了了解不同测试策略的影响，我们在现实随机社交网络上实施了它们，其中COVID-19疫情正在发展。具体来说，我们比较了两种测试的性能，这两种测试模仿了用于COVID-19检测的流行测试的特征。我们目前的程序和直观的理解，以确定最佳的测试组合，以尽量减少高峰感染以及总隔离天数时，测试的数量是由一个固定的总预算的约束。
2021-06-16 cs.SI math.DS physics.soc-ph
On the relation of the COVID-19 reproduction number to the explosive timescales: the case of Italy
传染病讨论的一个重要问题是它的基本再生数R 0，它提供了疾病传染性的估计。当R 0> 1时，疾病传播将可能导致爆发，例如正在进行的COVID-19大流行。在疾病暴发的演变过程中，采用了各种非药物干预措施，其影响通常通过它们引入的有效繁殖数Rt的减少来评估;减少到1以下是疾病传播最终消亡的迹象。由于R 0基本上表达了无病平衡的稳定性，在这项工作中，从时标分析的角度研究了Rt。研究表明，在意大利COVID-19疫情演变期间，当各种干预措施到位时，Rt与表征疫情动态的爆炸性时间尺度有明显关系。特别是，它表明，在流行病的进展过程中存在一个爆炸性的时间尺度意味着Rt > 1，而它的缺席意味着Rt < 1。此外，当该时间尺度与最慢的时间尺度收敛/发散时，Rt接近/退出其阈值1。这些结果表明，时间尺度分析可用于评估各种干预措施的影响，因为它反映了有效繁殖数提供的洞察力，而不受人口模型选择的阻碍，也不受模型校准所遵循的参数估计过程的影响。
2021-01-15 math.DS physics.soc-ph q-bio.PE
A demographic scaling model for estimating the total number of COVID-19 infections
了解COVID-19的传播范围对于研究大流行的进展至关重要。尽管努力仔细监测大流行，但确诊病例数可能低估了感染总数。我们引入人口比例模型，使用广泛适用的方法估计COVID-19感染，该方法基于最低数据要求：COVID-19相关死亡、感染病死率（IFR）和生命表〈动〉<动>。由于许多国家缺乏对特定年龄IFR的可靠估计，我们使用剩余预期寿命作为标记来衡量国家之间的IFR，以说明年龄结构，健康状况和医疗服务的差异。截至2020年5月13日，在COVID-19死亡人数最多的10个国家中，感染人数估计是确诊病例数的4倍[95%预测区间：2-11]。跨国差异很大。意大利的估计感染人数为140万（确诊病例数的6倍）;美国为310万（确诊病例数的2.2倍）;是德国确诊病例数的1.8倍，德国的检测相对广泛。然而，根据当地血清阳性率研究，我们的流行率估计值明显低于大多数其他人。我们引入公式来量化我们的死亡数据中所需的偏倚，以重现其他地方发表的估计值。这种偏倚分析表明，COVID-19死亡人数被严重低估，被低估了两倍或更多;或者，基于血清阳性率的结果被高估，不代表总人口。
2020-05-26 q-bio.PE
An AI-Enabled Agent-Based Simulation Platform for Studying COVID-19 Pandemic
Johns Hopkins University（约翰斯·霍普金斯大学）；University of Pennsylvania（宾夕法尼亚大学）；ICMR-National Institute for Research in Bacterial Infections（印度医学研究理事会-细菌性疾病研究所）；University of Nebraska-Lincoln（内布拉斯加大学林肯分校）
该研究开发了基于智能体的AI仿真平台，可模拟COVID-19疫情动态，支持无编程用户设计场景，还能为干预政策优化提供虚拟环境。
2026-09-07 q-bio.PE
Mathematical model of SARS-Cov-2 propagation versus ACE2 fits COVID-19 lethality across age and sex and predicts that of SARS, supporting possible therapy
新型冠状病毒肺炎（COVID-19，即2019冠状病毒病）的致死率随着年龄的增长而上升，男性的致死率高于女性。我表明，这些变化与大鼠肺中病毒受体蛋白ACE 2的水平密切相关，这与人类ACE 2的数据仍然有限且明显矛盾是一致的。令人惊讶的是，较低水平的受体与较高的死亡率相关。然而，之前的一个数学模型预测，病毒在生物体中的进展速度有一个最大值，然后随着受体水平下降。此外，严重CoViD-19的许多表现，如严重肺损伤、加剧的炎症反应和血栓形成问题，可能源于病毒降解ACE 2导致的血管紧张素II（Ang-II）水平升高。我在这里提出了一个数学模型的基础上的ACE 2对病毒的传播和疾病的严重程度的影响。该模型以高准确度（$r^2>0.9$）拟合了不同年龄和性别的Covid-19死亡率，假设SARS-CoV-2感染处于受体增加减缓病毒传播的动态状态。此外，通过SARS-CoV和SARS-CoV-2的刺突蛋白的结合率的比率重新标度模型参数，可以预测SARS-CoV的死亡率跨年龄和性别，从而将分子和流行病学水平联系起来。所提出的模型反对血管紧张素受体阻滞剂（ARB）的恐惧，建议作为治疗CoViD-19的最不利影响，可能有利于病毒传播，并表明Ang-II和ACE 2是检测需要更强保护的人群的候选预后因素。
2020-09-29 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
Modeling the Spread of COVID-19 in University Communities
本研究针对大学社区开发并比较了三种 COVID-19 传播模型（智能体、分区和常微分方程），发现前两者能捕捉隔离动态，且检测和线上教学至关重要。
2024-03-15 physics.soc-ph q-bio.PE
Dynamic group testing to control and monitor disease progression in a population
在COVID-19等大流行的背景下，在大多数人接种疫苗之前，主动检测和干预已被证明是遏制疾病传播的唯一手段。最近的学术工作在这方面提供了重要的证据，但一个关键的问题仍然是开放的：我们能否准确地识别每天发生的所有新的感染，而这是令人生畏的昂贵，即，只使用每天测试每个人所需的测试的一小部分（完整测试）？组测试提供了一个强大的工具集，可以最大限度地减少测试数量，但它没有考虑感染背后的时间动态。此外，它通常假设人们是独立感染的，而感染是由社区传播控制的。另一方面，流行病学确实通过完善的连续时间SIR随机网络模型探索了时间动态和社区相关性，但标准模型不包括离散时间测试和干预。在本文中，我们介绍了一个“离散时间SIR随机块模型”，也允许每天进行组测试和干预。我们的模型可以被视为一个离散版本的连续时间SIR随机网络模型在一个特定类型的加权图，捕捉底层社区结构。我们分析这个模型。每天需要最少数量的组测试来识别所有感染，并且错误概率为零。我们发现，人们可以利用社区和模型的知识，通知非自适应组测试算法，是顺序最优的，因此实现了相同的性能，完整的测试，使用数量少得多的测试。
2021-06-20 physics.soc-ph q-bio.PE stat.ME
Disease Momentum: Estimating the Reproduction Number in the Presence of Superspreading
在传染病研究中，一个感兴趣的主要数量是感染者产生的新感染的平均数量。这个所谓的繁殖数对疾病进展有重要意义。越来越多的文献表明，超级传播，即由个体引起的新感染数量的显著变化，在SARS-CoV-2的传播中起着重要作用。在本文中，我们考虑的效果，这样的超传播的再生数的估计和随后的估计未来的情况下。因此，我们对目前文献中使用的模型进行了简单的扩展，以估计繁殖数量，并对奥地利的COVID-19进展进行了案例研究。我们的模型表明，再生数的估计不确定性随着超扩展而增加，这提高了预测区间的性能。独立感兴趣的是推导出一个透明的公式，该公式将超扩散的程度与再生数的可信区间的宽度联系起来。这对于理解围绕疾病与超级传播的不确定性是一个有价值的启发。
2021-03-15 physics.soc-ph q-bio.PE stat.ME
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
Data-Driven Framework for Uncovering Hidden Control Strategies in Evolutionary Analysis
提出一种数据驱动框架，结合新算法、广义加性模型与统计检验，从 COVID-19 数据中联合推断演化参数和隐藏控制策略，并用于比较日本府县及九国疫情应对。
2023-09-26 q-bio.PE stat.ME
A reductive analysis of a compartmental model for COVID-19: data assimilation and forecasting for the United Kingdom
我们引入了一个确定性模型，将总人口划分为易感者、感染者、隔离者和暴露后追踪者、康复者和死亡者。我们假设“可接触疾病传播的人群”是总人口的一小部分，例如当干预措施生效时。这一假设，加上人口的耦合非线性常微分方程组的结构，使我们能够解耦成两个方程的方程。这进一步简化为总感染人口的逻辑类型方程。该方程可以解析求解，因此可以根据完整模型中的参数对生长和抑制因子进行清晰的解释。“可接触人群”假设的有效性和简化logistic模型的有效性通过拟合联合王国累积感染病例和每日新感染病例的数据的容易性得到证明。该模型还可用于预测疾病的进一步进展。为了找到与英国冠状病毒数据兼容的优化参数值，我们首先确定参与原始模型的各种转换率的相对重要性。利用这一点，我们表明，原始模型方程提供了一个非常好的拟合与英国的数据的累计感染人数和每日新的病例。该模型计算的每日新病例显示出一个转折点，这表明感染传播开始放缓。不过，由于超过转折点后的减缓速度很小，如果封城条件继续存在，7月下旬前后累计感染人数可能会饱和至约$3.52 \times 10^5$。
2020-06-06 physics.med-ph q-bio.PE
OutbreakFlow: Model-based Bayesian inference of disease outbreak dynamics with invertible neural networks and its application to the COVID-19 pandemics in Germany
Heidelberg University（海德堡大学）；Chinese Academy of Medical Sciences and Peking Union Medical College（中国医学科学院与北京协和医学院）；University Hospital Bonn（波恩大学医院）；University Hospital Heidelberg（海德堡大学医院）；Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院）；Africa Health Research Institute（非洲健康研究所）
流行病学中的数学模型是确定传染病动态和重要特征的不可或缺的工具。除了它们的科学价值外，这些模型还经常被用来为正在发生的疫情期间的政治决策和干预措施提供信息。然而，通过将复杂的模型与真实数据连接起来来可靠地推断正在进行的疫情动态仍然很困难，并且需要费力的手动参数拟合或昂贵的优化方法，这些方法必须从头开始重复给定模型的每次应用。在这项工作中，我们解决这个问题的流行病学建模与专门的神经网络的新组合。我们的方法需要两个计算阶段：在初始训练阶段，描述流行病的数学模型被用作神经网络的教练，该网络获得有关所有可能的疾病动态的全局知识。在随后的推理阶段，训练好的神经网络处理实际爆发的观测数据并推断模型的参数，以便真实地再现观测到的动态并可靠地预测未来的进展。由于其灵活的框架，我们的基于模拟的方法适用于各种流行病学模型。此外，由于我们的方法是完全贝叶斯，它的目的是将所有可用的先验知识合理的参数值和返回完整的联合后验分布这些参数。将我们的方法应用于德国新冠肺炎疫情早期阶段表明，我们能够使用非常少量的真实世界观察结果获得重要疾病特征的可靠概率估计，例如世代时间、未检测到的感染比例、症状出现前的传播可能性以及报告延迟。
2021-11-02 cs.LG q-bio.PE stat.AP
A quantitative assessment of epidemiological parameters to model COVID- 19 burden
由于对无症状和轻症病例的不确定性，仍然缺乏描述SARS-CoV-2感染临床过程的可靠估计。在这项工作中，我们量化了2020年3月至4月期间在意大利确诊病例接触者中确定的1，965名SARS-CoV-2阳性个体中定义SARS-CoV-2感染自然史的阶段之间过渡的年龄特异性概率。病例的受感染接触者通过RT-PCR检测确认，作为接触者追踪活动的一部分，或通过IgG血清学检测进行回顾性确认，并对症状和临床结果进行随访。此外，我们还提供了从更大样本中获得的定义病例临床进展的关键事件之间的时间间隔估计值，该样本包括2020年2月至7月期间确定的95，371例感染。我们发现，年龄超过60岁与39.9%的（95%CI：36.2-43.6%）SARS-CoV-2感染后出现呼吸道症状或发热≥ 37.5 °C的可能性;（95%CI：19.3-25.6%）的感染者需要住院治疗，1%（95%CI：0.4-2.1%）的感染者被送入重症监护室（ICU）。60岁以下个体的相应比例估计分别为27.9%（95%CI：25.4-30.4%）、8.8%（95%CI：7.3-10.5%）和0.4%（95%CI：0.1-0.9%）。感染病死率（IFR）范围为0.2%，（95%CI：0.0-0.6%），在60岁以下的个体中为12.3%（95%CI：6.9-19.7%）;这两个年龄组的病死率（CFR）为0.6%（95%CI：0.…
2021-03-29 q-bio.PE
