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
Hospitalization dynamics during the first COVID-19 pandemic wave: SIR modelling compared to Belgium, France, Italy, Switzerland and New York City data
利用经典的易感-感染-治愈流行病学模型，推导出了新冠肺炎患者占用床位数的解析公式。分析曲线与比利时、法国、纽约市和瑞士的数据拟合，相关系数超过98.8%，这表明对于这样的宏观数据，更精细的模型是不必要的。拟合用于提取流行病上升阶段的倍增时间、平均恢复时间以及需要医疗干预者的平均住院时间的估计数。在不同的暴发中可以观察到很大的差异。
2021-02-19 physics.soc-ph q-bio.PE
Evaluation of respiratory disease hospitalisation forecasts using synthetic outbreak data
本研究构建含324条序列的呼吸道疾病住院合成数据集，评估14个组件模型与6种集成方法的预测效果，提出的自适应集成方法表现最优，且变异系数可预测集成误差，结果经瑞典新冠数据验证，有助于提升流行病预测能力。
2025-05-19 q-bio.PE
Tracking Results and Utilization of Artificial Intelligence (tru-AI) in Radiology: Early-Stage COVID-19 Pandemic Observations
University of Rochester（罗切斯特大学）；University of Rochester Medical Center（罗切斯特大学医学中心）；Ludwig Maximilian University（路德维希-马克西米利安大学）
目的：介绍一种放射学结果跟踪方法及人工智能（Tru-AI）在放射学中的应用。通过跟踪大规模利用和AI结果数据，Tru-AI方法旨在计算替代数据，以测量随着时间的推移与疾病相关的重要观察量，例如COVID-19大流行爆发期间颅内出血的患病率。研究方法：为了定量研究tru-AI方法的临床适用性，我们分析了使用商业AI解决方案在头部CT上自动识别颅内出血（ICH）的服务请求。该软件通常用于基于AI的放射科医生阅片列表优先级排序，以减少有紧急临床发现（如ICH或肺栓塞）的患者的周转时间。我们分析了2019年11月1日至2020年6月2日期间美国主要医疗保健系统获得的N= 9，421项紧急设置非造影头部CT研究的数据，并比较了两个观察期，即（i）2019年11月1日至2020年2月29日的大流行前时期，及（ii）2020年4月1日至30日的COVID-19大流行爆发期间。结果如下：尽管每日CT扫描计数在COVID-19爆发期间（40.1 +/- 7.9）显著低于之前（44.4 +/- 7.6），但我们发现，在COVID-19爆发期间比在COVID-19爆发之前更有可能通过AI观察到ICH（p<0.05），每天约有1例ICH+病例比统计学预期多。结论：我们的研究结果表明，通过跟踪放射学中的大规模利用和AI结果数据，Tru-AI方法可以作为一种多功能的探索性工具提供临床价值，旨在更好地了解流行病…
2020-10-14 cs.LG q-bio.PE q-bio.QM
The Potential Impact of Increased Hospital Capacity to Contain and Control Ebola in Liberia
西非目前正在经历埃博拉病毒病（EVD）的严重爆发。作为应对此次疫情的国际努力的一部分，美国已承诺建设拥有1700张床位的埃博拉专门治疗设施。然而，增加现有医疗设施治疗埃博拉的有效性尚不清楚，特别是考虑到病例数量迅速增加。适应以前验证的数学模型埃博拉在西非，我们研究了在几种情况下，从10周内的1700张病床的计划方案，以减轻埃博拉的影响，增加医院容量的潜在影响病床数量的两倍，在5周内一个相当积极的方法。我们发现，即使在最激进的情况下，虽然增加医疗保健的可用性可以减少埃博拉病例的数量并减缓疫情的爆发，但这不足以在未来三个月内阻止疫情。我们发现，只有增加医院病床和大幅降低社区内的传播率相结合，才能在不久的将来控制这一流行病。
2014-10-30 q-bio.PE
Logistic approximations used to describe new outbreaks in the 2020 COVID-19 pandemic
本研究使用Logistic模型拟合中国、伊朗等六国COVID-19每日死亡数据，预测各国死亡人数区间，发现韩国死亡增长率最低、西班牙等较高，还通过简易模型观察到部分国家内新疫情暴发。
2020-03-24 physics.bio-ph q-bio.PE
Tackling drug resistant infection outbreaks of global pandemic Escherichia coli ST131 using evolutionary and epidemiological genomics
高通量分子筛选是研究病原体暴发中抗菌素耐药性的起源和扩散所必需的。人类感染的最常见原因是大肠杆菌，其由序列类型131（ST 131）主导，这是一组快速辐射的大流行克隆。ST 131的高感染性分支首先起源于增强毒力和粘附的突变。其次，单核苷酸多态性的发生使氟喹诺酮耐药，这是几乎固定在所有ST 131。第三，通过β-内酰胺酶产生的更广泛的耐药性经常获得和丧失，这是相互冲突的环境选择性效应的症状。这种灵活的基因交换方法令人担忧，并支持ST 131将开发更广泛的质粒和染色体元件促进抗菌素耐药性的主张。为了阻止ST 131，需要进行深度基因组测序，以了解抗菌素耐药基因的起源、进化和传播。系统发生学方法可以根据适应和基因交换的遗传特征来破译过去的事件，从而预测未来的毒力和传播模式。部分抗生素暴露的影响和基因表达变异引起的细胞休眠都可能加速抗性的发展。高通量测序可以解码与治疗期间基因表达的全系统变化相关的患者内细胞群体的可测量的演变。一个多方面的方法可以加强评估的抗菌药物耐药性在大肠杆菌。大肠杆菌ST 131通过检查宿主之间的传播动力学，以实现通过优化抗菌治疗方案在出现耐药性之前先发制人的目标。
2015-02-17 q-bio.PE
Arctic Oscillation: possible trigger of COVID-19 outbreak
当前的COVID-19大流行正在全球范围内产生不利影响。疫情于2020年1月底至2月初开始强劲发展，首先在中国，随后迅速蔓延至其他国家，新的疫情中心主要集中在北纬30至50度范围内（例如，韩国、日本、伊朗、意大利、西班牙）。与此同时，在全球范围内观察到北纬40度左右普遍存在一种不寻常的持续反气旋情况，这与北极涛动的异常强烈的正相位相一致。这种非典型的情况可能导致有利的气象条件，使病毒在上述纬度带上更快地传播。这种可能的联系需要进一步关注，以了解与COVID-19爆发相关的气象和气候因素，并预测未来可能的大流行病的时空分布。
2020-05-06 physics.ao-ph q-bio.PE
Epidemiological dynamics of the 2009 Influenza A(H1N1)v outbreak in India
我们分析了2009年6月1日至9月30日期间印度甲型H1N1流感大流行的时间序列数据。使用各种统计拟合程序，我们得到了一个强大的估计指数增长率$\langle λ\rangle \simeq 0.15$。这对应于印度甲型H1N1流感病毒的基本再生数$R_0 \simeq 1.45$，该值位于受大流行影响的不同国家报告的数值范围的低端。
2010-06-03 physics.bio-ph q-bio.PE
Analysis and Prediction of COVID-19 Pandemic in Pakistan using Time-dependent SIR Model
目前的疫情被称为冠状病毒病或COVID-19，由病毒SAR-COV-2引起，继续在全球范围内肆虐。世界卫生组织（WHO）已宣布此次疫情为国际关注的突发公共卫生事件。在巴基斯坦，随着感染人数和伤亡人数迅速增加，病毒的传播正在加剧。在缺乏适当疫苗接种和治疗的情况下，为了减少感染和伤亡人数，迄今为止唯一的选择是教育人们采取预防措施，并在全国范围内实施封锁。任何有关预防措施的策略都需要基于对COVID-19爆发的详细分析和准确的科学预测。在本文中，我们进行了数学和数值分析，以提出对巴基斯坦疫情的可靠和准确的预测。时间依赖的易感-感染-传播（SIR）模型用于拟合数据并提供未来预测。大流行高峰的转折点定义为传播率小于恢复率的那一天。我们预测，疫情将在5月下旬至6月9日达到最高峰，未治愈病例数在20000-47000之间，累计感染病例数在57500-153100之间。在封锁的情况下，自杀人数将保持在较低水平，但如果疫情的传播不被遏制和局部化，自杀人数可能迅速增加一倍或两倍。4月15日以后的单日预测不确定度在5%以内。
2020-05-10 q-bio.PE
Assessing Human Judgment Forecasts in the Rapid Spread of the Mpox Outbreak: Insights and Challenges for Pandemic Preparedness
本研究评估了2022年Mpox疫情初期的人类判断预测，发现集成预测在2-8周预测中优于计算模型，但个体普遍低估规模，建议平台优化对数尺度与概率设定以提升预测准确性。
2024-04-23 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
Predicting regional COVID-19 hospital admissions in Sweden using mobility data
COVID-19的传播依赖于社交接触，由于强制性和自愿性的社交距离，社交接触的比率在疫情期间有所不同。传播动态的变化最终会影响住院率，我们利用这种联系来建模和预测2019冠状病毒病大流行期间瑞典地区的住院率。我们使用的SEIR模型，在瑞典的每个地区的传染性是假设依赖于移动数据的公共交通利用率和手机的使用。结果表明，该模型可以捕捉到第一波大流行和第二波大流行开始的时间。此外，我们表明，在瑞典的两个主要地区的模型与公共交通数据优于模型使用手机的使用。该模型假设从疾病传播到住院治疗有三周的延迟，这使得可以使用当前的移动数据来预测未来的入院情况。
2021-01-04 physics.soc-ph q-bio.PE
Optimizing Vaccine Allocation Strategies in Pandemic Outbreaks: An Optimal Control Approach
自二零二零年初以来，全球一直在应对一场肆虐的大流行疫情：COVID-19。一年后，疫苗已经可以获得，但数量有限，因此政府需要制定一项战略，以决定在分配可用剂量时优先考虑哪部分人口，以及如何管理多剂量疫苗的剂量间隔。在本文中，我们提出了一个优化框架，以解决动态的双剂量疫苗分配问题，即可用的疫苗剂量必须管理到不同的年龄组，以尽量减少特定的社会目标。特别是，我们首先确定了一个年龄相关的易感-暴露-传染-扩散（SEIR）流行病模型，包括一个扩展捕获部分和完全接种疫苗的人，从而我们考虑了年龄相关的免疫力和传染性水平以及疾病的严重程度。其次，我们利用我们的模型来构建不同社会目标的动态年龄相关疫苗分配问题，例如最小化感染或死亡率，并使用非线性规划技术解决它。最后，我们进行了一个数值案例研究与来自荷兰的真实世界的数据。我们的研究结果表明，不同的社会目标可以显着改变最佳疫苗分配策略。例如，我们发现，最大限度地减少感染总数会导致推迟第二次接种，而为了最大限度地减少死亡率，重要的是首先为老年人接种疫苗。
2022-04-12 cs.SI cs.SY eess.SY
Modeling and forecasting of the COVID-19 pandemic in India
背景：持续的COVID-19疫情在印度迅速蔓延。为了结束全球COVID-19大流行，印度采取了主要的行为、社交距离、接触者追踪和国家干预措施，以减少疫情的爆发，并避免冠状病毒在印度和世界各地的人类中持续存在。在没有任何疫苗或疗法的情况下，预测是卫生保健规划和控制COVID-19传播的重中之重。方法：我们提出了一个数学模型，解释了COVID-19在印度的传播动态。基于估计的数据，我们的模型预测流行病的演变和SARS-CoV-2的结束，并帮助评估不同政策的影响，以控制疾病的传播。研究结果：与感染者的真实数据，我们发现的基本生殖数$R_0$为17个国家的印度和整个印度。提供了一个完整的数字，以证明估计的大流行生活周期〈动〉<动>以及迄今为止的真实数据或历史。我们的研究表明，在印度实施的严格控制措施大大减轻了SARS-CoV-2的传播。重要的是，模型模拟预测，到2020年6月26日，印度的疫情将减少95%，到2020年7月26日，印度的疫情将减少99%。释义：我们的模型模拟表明，通过减少社会距离和采取必要的预防措施，在社区范围内消除SARS-CoV-2是可能的。可严格实施封锁，以防止COVID-19在人与人之间传播。基于模型和参数估计的流行病生活周期〈动〉<动>和结束日期，如果可以精确地完成，可以减少痛苦和过度乐观，并为我们所有人的爆发演变的下一阶段发展心态。
2020-05-13 q-bio.PE
Does Antibiotic Resistance Evolve in Hospitals?
医院细菌爆发是有据可查的。基于这些事件，以及医院中抗生素的大量使用，人们认为抗生素耐药性在医院环境中发展。为了验证这一假设，我们研究了从社区医院2.5年的患者分离株中收集的细菌的耐药表型。图形模型分析显示，除了到达时间之外，阻力与患者信息之间没有关联。这使我们能够专注于时间过程数据。本文介绍了一种基于负二项时延的医院传播模型。我们的主要贡献是一个统计假设检验，称为耐药检测器（NERD）的医院演变。它计算了医院中发生的耐药趋势的重要性。它可以告知医院工作人员各种做法和干预措施的影响，可以帮助检测克隆爆发，并作为R包提供。我们通过16个假设检验将NERD方法应用于研究中的16种抗生素。对于13种抗生素，我们发现医院环境对耐药性的演变没有显著影响;医院只是更大图景的一部分。其他三种抗生素（头孢吡肟、头孢他啶和庆大霉素）的p值表明，在医院使用这些抗生素时应特别小心。三种药物之一，头孢他啶，在解释多种假设后具有显著性，表明对该药物的耐药性呈下降趋势。
2016-10-18 q-bio.PE stat.AP
Forecasting COVID-19 Chile's second outbreak by a generalized SIR model with constant time delays and a fitted positivity rate
2019冠状病毒病迫使各国在科学家和政府之间做出相当大的合作努力，以提供适当跟踪疫情后果的指标。数学建模在量化描述大流行病各个方面的指标方面发挥着关键作用。因此，这项工作的目的是开发一个明确的，高效的，可重复的参数优化方法，其实施说明使用来自智利的三个代表性地区的数据和一个合适的广义SIR模型与拟合的阳性率。我们的研究结果再现了感染者曲线的一般趋势，区分了报告病例和真实病例。最后，我们的方法是稳健的，它使我们能够根据报告的死亡病例定性预测COVID-19的第二次爆发和COVID-19的感染死亡率。
2020-12-28 physics.soc-ph q-bio.PE
An evolutionary game theory approach to modeling behavioral interaction in disclosing infection begins with an outbreak: COVID-19 as an example
本文用演化博弈论和分数阶仓室模型研究疫情暴发初期个体自愿披露感染暴露的行为，发现提高传播率与感知严重性可促进隔离并降低发病率，并基于智利住院数据验证模型，为公共卫生风险沟通提供依据。
2024-12-31 physics.soc-ph q-bio.PE q-bio.QM
Two golden times in two-step contagion models
两步传染模型是一个简单的玩具模型，用于理解现实世界中发生的流行病爆发。该模型考虑到易感者在接触传染性疾病时要么立即被感染，要么变得虚弱。随着身体虚弱的人数增加，他们最终会在短时间内被感染，并发生大流行病爆发。达到这种大流行爆发所需的时间允许进行干预，通常被称为黄金时间。了解黄金时间的规模依赖性对控制流行病爆发是有用的。我们发现两步传染模型中存在两类黄金时间，分别为$O(N^{1/3})$和$O(N^ζ)$，其系统规模为$N$，其中测量的$ζ$略大于$1/4$ .它们分别通过感染节点的初始数量$o(N)$和$O(N)$来区分。虽然黄金时间的$N$依赖性的指数$1/3$是普遍的，即使在其他模型中显示由级联动力学引起的不连续跃迁，测量的$ζ$指数都接近$1/4$，但显示模型依赖性。$ζ$是否在渐近大- $N$限度内降低至$1/4$，这一点仍然是未知的。
2018-05-09 physics.soc-ph 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
A modelling study across the Italian regions: Lockdown, testing strategy, colored zones, and skew-normal distributions. How a numerical index of pandemic criticality could be useful in tackling the CoViD-19
由于欧洲正面临第二波CoViD-19大流行，每个国家都应仔细审查如何应对第一波疫情。从第一次经验中吸取的教训应有助于避免不分青红皂白地关闭，最重要的是，有助于确定普遍的（可以理解的）参数，以指导采取遏制措施，减少病毒的传播。使用很少的（有效的）参数对于在当局和民众之间建立联系确实极为重要，使民众能够理解某些限制的原因，从而能够积极参与防治这一流行病的斗争。测试策略，拟合偏斜参数（平均值，模式，标准差和偏斜度），死亡率和每周CoViD-19传播数据，随着越来越多的人被感染，被用来比较意大利地区爆发的第一波疫情，并确定在引入限制性遏制措施之前必须检查哪些参数。我们提出了一些\textit{universal}参数，一旦适当权衡，这些参数可能有助于正确区分国家领土上的流行病情况，并快速为每个地区分配适当的流行病风险。
2021-02-09 q-bio.PE
Limited containment options of COVID-19 outbreak revealed by regional agent-based simulations for South Africa
COVID-19已从中国蔓延至欧洲和美国，并已成为全球大流行病。在全球南方国家，由于社会经济选择和医疗保健系统往往较弱，有效的地方对策仍然存在争议。我们将大规模的社会经济和交通调查数据与详细的基于代理的当地交通模拟相结合，以分析在一系列对策情景下，南非纳尔逊曼德拉湾市的区域模型中COVID-19的传播。模拟表明，任何现实的遏制战略，包括那些类似于正在南非，可能会产生多方面的超负荷可用的重症监护病房（ICU）。只有立即采取最严厉的应对措施，直至基本上禁止所有人类联合活动的全面封锁，才能有效遏制这一流行病。由于与全球南部的许多其他国家相比，南非表现出相当有利的条件，我们的研究结果构成了粗略的保守估计，并可能支持确定控制COVID-19以及这些国家未来任何重大流行病的策略。
2020-04-12 physics.soc-ph q-bio.PE q-bio.QM
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
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
Simulation of the impact of people mobility, vaccination rate, and virus variants on the evolution of Covid-19 outbreak
我们进一步扩展了描述意大利感染传播的房室模型。该模型基于以下假设：所有可观察量（对感染仍呈阳性的人数、住院和死亡病例、治愈人数和感染总人数）的时间演变取决于平均参数，即人员扩散系数、感染截面和人口密度。该模型提供了宝贵的信息，说明报告的感染病例的变化与一个明确定义的可观察物理量之间的密切关系：任何一个人每天流离失所地区内的平均人数。该模型的扩展现在包括自洽的评价的繁殖指数，由于接种疫苗的免疫效果，和病毒变种的动态演变的爆发的潜在影响。该模型非常符合流行病数据，并使我们能够将住院病例和死亡人数的时间演变与人员流动性，疫苗接种率以及新病毒变种阳性人群初始浓度的变化严格联系起来。
2021-02-08 physics.soc-ph q-bio.PE
Simulating COVID-19 in a University Environment
在COVID-19大流行期间，住宿学院和大学在提供面对面教学方面面临独特的挑战。管理人员目前面临的决定是，是否在大流行期间开放，以及为了保护学生、教职员工，可能需要对其正常运作进行哪些修改。然而，关于哪些措施可能最有效以及现有干预措施是否可以遏制校园疫情蔓延的信息很少。我们开发了一个全面的随机代理模型，以确定在大流行期间是否可以安全地继续面对面教学，并评估各种干预措施的必要性。模拟结果表明，大规模的随机测试，接触者追踪，并prostitining是一个成功的战略，遏制校园爆发的重要组成部分。高检测特异性对于保持隔离人群的规模可控至关重要。将最大的班级转移到网上对于控制疫情规模和隔离学生人数也至关重要。住宅暴露的增加可以显著影响疫情的规模，但控制学生的非住宅社会暴露可能更重要。最后，即使在控制疫情的情况下，隔离率也必然很高，这意味着大量的缺勤，这表明需要为隔离学生的远程教学制定计划。
2020-06-28 cs.MA cs.SI physics.soc-ph
Emerging Polynomial Growth Trends in COVID-19 Pandemic Data and Their Reconciliation with Compartment Based Models
我们研究了2020年1月至5月在119个国家爆发的COVID-19大流行的报告数据。我们观察到，个别国家活跃病例的时间序列（确诊感染总数与报告死亡和康复病例总数之差）显示出与多项式增长的高度一致性，在后期流行阶段也显示出与指数衰减相结合的多项式增长。我们的结果也制定在隔间类型的流行病数学模型。在这些模型中，表征在晚期流行病阶段观察到的状态的通用标度可以被解释为相对繁殖数$R_0$的代数衰减为$T_M/t$，其中$T_M$是常数，$t$是流行病爆发的持续时间。我们展示了我们的研究结果如何应用于改善对报告的大流行数据的预测，并估计一些流行病参数。请注意，尽管该模型显示与报告的数据很好的一致，但我们并没有对流行病的实际规模做出任何声明，因为观察到的报告数据与人口中感染总人数的关系仍然是未知的。
2020-05-14 physics.soc-ph q-bio.PE
Exploring the nuances of R0: Eight estimates and application to 2009 pandemic influenza
近一个世纪以来，初始繁殖数（R0）一直被用作比较传染病爆发的一个数字摘要，但R0没有“标准”估计数。估计R0的困难来自疾病如何通过人群传播以及统计估计方法的差异。我们描述了八种用于估计R0的方法，并提供了一个全面的模拟研究，这些估计如何在不同的疾病参数的存在下发生变化。作为动机，我们分析了2009年在美国爆发的H1N1大流行性流感，并将我们的八种方法的结果与以前的研究进行了比较。我们讨论了影响R0估计的最重要的方面，其中包括人口规模，使用的时间段，和感染性个体的初始百分比。此外，我们还讨论了预处理发生率计数如何影响R0的估计。最后，我们提供了估计点估计和置信区间的指导方针，以创建可靠的，可比较的R0估计。
2020-03-23 q-bio.PE stat.AP stat.ME
Choosing a growth curve to model the Covid-19 outbreak
Richards家族模型包括一组众所周知的模型，这些模型具有描述疾病爆发的几个方面的有用参数。其中一些模型已被用于研究当前的新冠肺炎疫情。然而，在竞争模式之间的歧视方面似乎存在混乱。在本文中，详细的应用Akaikes信息的方法是用来识别模型使用的数据来自欧盟，美国和英国。我们认为，来自竞争模型的流行病学特征，应检查，以补充选择策略，和隐含的属性的模型与现有的数据进行对比。所选择的参数化隐含的流行病学特征的详细的分析表达式也提供。
2020-07-07 q-bio.PE
Beyond the biology: Evaluating the role of political, economic, and social factors associated with the incidence and mortality of SARS-CoV-2 during the first seven months of the COVID-19 pandemic
目的：在这项研究中，我们建议确定在COVID-19大流行的前七个月内有助于全球SARS-CoV-2发病率和死亡率的重要经济，政治和社会因素。研究方法：回顾性分析使用了世界卫生组织获得的关于2020年1月至7月来自76个国家的新病例和死亡人数的数据。采用分层聚类和主成分分析，根据各国控制疫情的能力，根据大流行最初几个月的病例和死亡人数，对不同国家进行分类。此外，使用非参数分析，不同的变量与多个经济，政治和社会指标相关。结果如下：研究发现，腐败控制、政府效率和人类生命指标等因素之间存在多项显著相关性，其中相关性较高的指标表明，各个国家有能力帮助推动这一流行病的发展。确定了需要进一步关注以协助控制疫情的地理热点。结论：总的来说，这项研究的结果表明，在实施遏制这一流行病的措施时，应考虑生物因素以外的多种因素。
2022-04-05 physics.soc-ph q-bio.PE stat.ME
Age-specific transmission dynamics of SARS-CoV-2 during the first two years of the pandemic
在最初的两年里，SARS-CoV-2大流行表现为受关注变体、非药物干预和人群免疫状况之间复杂相互作用的多重波。了解SARS-CoV-2的年龄特异性流行病学在整个大流行期间如何演变，对于为政策决策提供信息至关重要。我们开发了一种基于推理的建模方法，以荷兰为例，在大流行的前两年，在四种变体（野生型，Alpha，Delta，Omicron BA.1）的七波中，重建儿童，青少年和成人的真实感染和住院负担。我们发现，报告的病例是一个相当大的低估和真正的感染负担，特别是因为病例报告不同的年龄普遍较差的预测。儿童和青少年对总感染和住院负担的贡献随着连续变量的增加而增加，并且在Omicron BA.1期间最大。在Delta时期之前，几乎所有的感染都是初次感染。在Delta和Omicron BA.1期间，儿童中原发性感染很常见，但在经历再感染或突破性感染的成人中相对罕见。我们的方法可用于通过其他国家的连续波来了解特定年龄的流行病学，这些国家没有发现真正的SARS-CoV-2动态的随机社区调查，但有基本的监测和统计数据。
2022-12-27 physics.soc-ph q-bio.PE q-bio.QM
Modeling contact networks of patients and MRSA spread in Swedish hospitals
耐甲氧西林金黄色葡萄球菌（MRSA）是一种难以治疗的感染，仅在欧盟就影响约15万患者，每年给卫生保健系统造成3.8亿欧元的额外费用。已作出越来越多的努力，以减轻流行病，并避免在低流行环境中爆发潜在疫情。通过建模了解MRSA的种群动力学对于识别驱动流行病的因果机制并将结论推广到不同的背景是至关重要的。我们开发了一个创新的高分辨率时空接触网络模型的患者之间的相互作用，在瑞典斯德哥尔摩县的背景下重现医院人口，并模拟MRSA在这个人群中的传播。我们的模型捕捉到了由人类行为以及病房和医院内流动性动态引起的时空异质性。我们估计，在这一人群中，流行阈值约为0.008。我们还确定，这些异质性的接触模式导致出现的超级传播者的病人和多项式增长的流行曲线。最后，我们研究了标准干预控制策略的效果，并确定筛查比改善卫生更有效，以引起较小或零爆发。
2016-11-21 physics.pop-ph physics.soc-ph q-bio.PE
Tracking Social Media Discourse About the COVID-19 Pandemic: Development of a Public Coronavirus Twitter Data Set
在撰写本文时，新型冠状病毒（COVID-19）大流行爆发已对全球许多国家的公民、资源和经济造成巨大压力。社交距离措施、旅行禁令、自我约束和企业关闭正在改变世界各地社会的结构。随着人们被迫离开公共场所，关于这些现象的许多讨论现在都发生在网上，例如，在Twitter等社交媒体平台上。在本文中，我们描述了自2020年1月22日以来我们一直在持续收集的多语言冠状病毒（COVID-19）Twitter数据集。我们正在向研究社区提供我们的数据集（https：//github.com/echen102/COVID-19-TweetIDs）。我们希望，我们的贡献将使在线对话动态的研究，在全球范围内的流行病爆发的前所未有的规模和影响的背景下。这个数据集还可以帮助追踪科学冠状病毒的错误信息和未经证实的谣言，或者使人们能够理解恐惧和恐慌--毫无疑问还有更多。最终，这一数据集可能有助于实现知情的解决方案，并制定有针对性的政策干预措施，以应对这场全球危机。
2020-06-02 cs.SI q-bio.PE
Centralized and decentralized isolation strategies and their impact on the COVID-19 pandemic dynamics
由于各种社交网络促成的人类互动，传染病正在蔓延。因此，当一种新的病原体如SARS-CoV-2引起爆发时，非药物隔离策略（例如，社会距离）是唯一可能的反应，以破坏其传播。为此，我们引入了新的流行病模型（SICARS），并比较了集中式（C），分散式（D）和组合式（C+D）社交距离策略，并分析了它们在异构复杂网络上控制COVID-19动态的效率。我们的分析显示，集中的社交距离是必要的，以尽量减少流行病的传播。分散战略单独使用时是不够的，但与集中战略相结合时会产生最佳效果。事实上，（C+D）是最有效的隔离策略，可以缓解网络超级传播器，并将最高节点度降低到初始值的10%以下。我们的研究结果还表明，更强的社会距离，例如，切断75%的社会联系，可以将C隔离的爆发减少75%，D隔离减少33%，（C+D）隔离策略减少87%。最后，我们研究了主动与被动隔离策略的影响，以及它们的延迟执行。我们发现，对疫情的被动反应效率较低，延迟采取隔离措施超过一个月（自一个地区爆发疫情起）可能会产生令人担忧的影响;因此，我们的研究有助于从空间和时间上了解COVID-19疫情。我们相信，我们的调查具有高度的社会相关性，因为它们提供了了解不同程度的社交距离如何大幅降低感染高峰率的见解;这可以使COVID-19大流行在较长一段时间内更容易理解和控制。
2020-04-10 cs.MA cs.SI physics.soc-ph
Managing COVID-19 Pandemic without Destructing the Economy
我们分析了在不关闭经济的情况下管理COVID-19大流行的方法，同时保持医疗系统的能力。我们的分析基于一个详细的异质流行病学模型，该模型考虑了疾病的不同人群和阶段，包括潜伏期、感染期、住院和重症监护室（ICU）治疗。我们将医疗能力建模为全国医院和ICU床位的总数。我们校准模型参数的数据报告在最近的几篇研究论文。对于高风险和低风险人群，我们计算了总住院和重症监护住院人数以及死亡人数随时间的变化。主要结论是，只要每百万人中的ICU备用床位数超过约100张的阈值，及时执行合理卫生措施的国家就可以避免在整个大流行期间实行封锁。在ICU床位总数低于这一阈值的国家，对特定的高危人群进行有限的隔离就足够了。此外，在医疗保健系统能力不足的情况下，我们纳入了一个反馈回路，并证明了缺乏ICU单位对死亡曲线的定量影响。在ICU床位不足的情况下，完全隔离和部分隔离的结果几乎是相同的，因此没有必要关闭整个经济。我们的结论是，只有对高风险群体进行有限时间的隔离可能是必要的，而经济的其他部分可以保持运作。
2020-05-09 q-bio.PE q-fin.MF
SEIR and Regression Model based COVID-19 outbreak predictions in India
COVID-19疫情已成为该国的主要威胁。到目前为止，没有经过充分测试的药物或解毒剂可以治愈这种疾病。根据世卫组织的报告，COVID-19是一种严重急性呼吸系统综合征，通过呼吸道飞沫和接触途径传播。对这一疾病的分析需要政府给予极大的关注，采取必要步骤，减少这一全球流行病的影响。在这项研究中，分析了印度截至2020年3月30日的这种疾病的爆发情况，并预测了未来两周的病例数。SEIR模型及回归模型已根据于二零二零年一月三十日至二零二零年三月三十日期间从约翰霍普金斯大学储存库收集的数据进行预测。用RMSLE对模型的性能进行了评价，SEIR模型的性能达到1.52，回归模型的性能达到1.75。SEIR模型和回归模型之间的RMSLE误差率为2.01。此外，计算出疾病传播的R 0值为2.02。预计在未来两周内，病例可能会增加5000-6000例。这项研究将有助于政府和医生准备未来两周的计划。基于对短期间隔的预测，这些模型可以被调整用于长期间隔的预测。
2020-04-01 q-bio.PE
Analytical parameter estimation of the SIR epidemic model. Applications to the COVID-19 pandemic
2019年冠状病毒病（COVID-19）大流行的爆发及其持续发展提高了科学界对流行病建模和预测的兴趣。SIR（Susceptible-Infected-Removed）模型是流行病爆发的一个简单的数学模型，然而几十年来，它回避了社区导出明确解的努力。目前的工作表明，这是一个不平凡的任务。值得注意的是，它被证明，该模型的显式解决方案需要引入一个新的超越特殊功能，相关的赖特的欧米茄功能。本手稿报告新的分析结果和数值程序适合SIR模型的参数估计。该手稿介绍了迭代算法近似的发病率变量，它允许估计的模型参数从观察到的情况下的数量。数值方法以欧洲疾病预防和控制中心（ECDC）2020年1月至2020年6月期间几个欧洲国家的数据为例。
2020-10-09 cs.NA math.NA physics.soc-ph
SEI1I2HRSVM model applied to the coronavirus pandemic (COVID-19) in Paraguay
在本文中，提出了一个数学模型来研究当前巴拉圭的冠状病毒爆发（SARS-CoV-2），描述了感染动力学中的多个传播路径，包括易感者、暴露者、感染者、住院者、免疫力丧失者和康复者，以及病毒在环境中的作用和COVID-19或其他原因造成的死亡。为了反映政府和人群采取的控制措施的影响，该模型采用了随流行病学状况和环境条件而变化的可变传播率。该模型进行了验证，并展示了其应用与公开的数据。
2020-06-01 q-bio.PE
Transmission of severe acute respiratory syndrome in dynamical small-world networks
严重急性呼吸系统综合症（SARS）的爆发仍在威胁着世界，因为它可能死灰复燃。在目前抗病毒药物等有效治疗手段尚未发现的情况下，应明确疫情的动态特征，制定追踪、检疫、隔离策略，并以适当的成本规范公众的社会行为。在这里，我们提出了一个网络模型的SARS流行病和讨论为什么超级传播者出现，为什么SARS传播特别是在医院，这是最近爆发的关键因素。我们认为，超级传播者是具有生物传染性的患者，他们可能会通过前往医院等潜在传染性场所来扩大传播。为了避免在医院内大规模传播，对疑似病例进行治疗而不将其送入医院可能是一个很好的措施。最后，我们表明，SARS可能传播与人类接触的小世界网络和个人的生物性质和社会群体属性的因素比个人之间的社会接触的异质性率更重要。这与性传播疾病或计算机病毒的流行形成鲜明对比，无标度网络模型通常适用于这些疾病。
2004-07-16 cond-mat.other q-bio.PE
Age-specific contacts and travel patterns in the spatial spread of 2009 H1N1 influenza pandemic
在2009年H1N1 pdm的早期阶段，各国的确诊病例显示，在输入病例和本地传播病例之间存在年龄转移，成年人主要负责在未受影响的地区播种，儿童最常导致社区暴发。我们引入了一个多主机随机集合种群模型，两个年龄段的分析解决的作用，异质混合人口及其相关的非同质旅行行为的风险的重大流行病。我们告知模型的统计数据，人口，混合和旅行行为的欧洲和墨西哥，并校准到2009年H1N1 pdm早期爆发。我们改变了模型参数，以探索不同情况下的入侵条件。我们推导出该流行病的全球入侵潜力的表达式，该表达式取决于疾病传播率、交通网络和流动性特征、人口特征和混合模式。高度分离的混合有利于对流行病的空间遏制，这一效果与成人与儿童的社会活动增加形成对比。移动网络拓扑结构和交通流量的异质性强烈有利于疾病的侵袭，因为儿童旅行的比例也很大。各国人口结构和混合习惯的差异导致不同的疫情。结果与观察到的H1N1空间传播一致。这项工作说明了年龄依赖性的混合配置文件和流动性的特点，在研究的新出现的流感大流行的空间入侵的条件的重要性。其结果使得能够在获得数据后立即评估特定情况下发生重大流行病的风险，并评估针对特定年龄组、其相互作用和流动行为的公共卫生干预措施的有效性。
2013-04-02 physics.soc-ph q-bio.PE
Connecting the Dots of COVID-19 Transmissions in India
印度于2020年1月下旬出现首例病例，COVID-19阳性病例数量急剧上升。迄今为止，该国34个州/中央直辖区已被发现受到大流行病的影响。我们在这项工作中，研究COVID-19大流行在印度的进展。我们的目标是在印度创建COVID-19的传输网络可视化，并对其进行分析。利用获得的传播网络，我们试图找到可能的超级传播者个体和超级传播者事件（SSE），负责在各自的地区爆发。我们讨论了网络分析在减轻疾病进一步传播方面的潜力。这是对印度疫情的初步研究之一，也是首次尝试从传播网络的角度研究该国的大流行病。
2020-07-25 cs.SI physics.soc-ph q-bio.PE
STAN: Spatio-Temporal Attention Network for Pandemic Prediction Using Real World Evidence
目标：COVID-19大流行带来了许多需要立即关注的挑战。已经开发了各种流行病学和深度学习模型来预测COVID-19疫情，但所有模型都有限制，影响预测的准确性和稳健性。我们的方法旨在解决这些局限性，并通过（1）使用来自不同县和州的患者EHR数据，编码当地疾病状态和医疗资源利用情况;（2）考虑不同地点之间的人口相似性和地理邻近性;（3）将流行病传播动态集成到深度学习模型中，从而更早，更准确地预测大流行病爆发。材料和方法：我们提出了一个时空注意力网络（STAN）的流行预测。它使用基于注意力的图卷积网络来捕捉地理和时间趋势，并预测未来固定天数的病例数。我们还设计了一个基于物理定律的损失项，以增强长期预测。STAN使用大量真实世界的患者数据和约翰霍普金斯大学在美国所有县提供的开源COVID-19统计数据进行了测试。结果如下：STAN在长期和短期预测方面均优于SIR和SEIR以及深度学习模型等流行病学建模方法，与最佳基线预测模型相比，均方误差降低高达87%。结论：通过使用来自真实世界患者数据和地理数据的信息，STAN可以更好地捕获疾病状态和医疗资源利用信息，从而提供更准确的流行病建模。通过基于流行病传播规律的正则化，STAN也取得了良好的长期预测性能。
2020-12-07 cs.SI physics.soc-ph q-bio.PE
Modeling ambient temperature and relative humidity sensitivity of respiratory droplets and their role in Covid-19 outbreaks
围绕新冠肺炎大流行的许多悬而未决的问题之一是，局部疫情是否可以取决于温度和相对湿度等环境条件。在本文中，我们开发了一个模型，试图解释和描述呼吸道飞沫的温度和相对湿度的敏感性，以及它们在确定病毒爆发中的可能联系。该模型有两个部分。首先，我们根据反应机制对受感染人口的增长率进行建模-其最终方程类似于众所周知的SIR模型。使用反应机制模拟大流行病的优点是速率常数具有合理的物理解释。使用碰撞率理论推导出的感染率常数，并示出是呼吸液滴寿命的函数。在第二部分中，我们已经将负责疾病传播的呼吸道飞沫模拟为盐溶液飞沫，并计算了它们的蒸发时间，考虑了飞沫冷却、热量和质量传递以及最终盐的结晶。该模型的输出与实验获得的纯水和盐溶液的悬浮液滴的蒸发特性，分别比较有利，确保模型的保真度。液滴蒸发/干燥时间实际上取决于环境温度和相对湿度，在室外和室内条件下都要考虑。由于液滴蒸发时间决定了感染率常数，因此环境温度和相对湿度显示出影响爆发增长率。
2020-04-29 cond-mat.soft physics.flu-dyn q-bio.PE
Using statistics and mathematical modelling to understand infectious disease outbreaks: COVID-19 as an example
在传染病暴发期间，数据的偏差和潜在动态的复杂性对暴发的数学建模和政策设计构成了重大挑战。受持续应对COVID-19的激励，我们提供了一套统计和数学模型工具包，超越了简单的SIR型微分方程模型，用于分析疫情的早期阶段和评估干预措施。特别是，我们专注于参数估计的数据中存在已知的偏见，和封闭的亚群，如家庭和护理院的非药物干预的效果。我们通过将这些方法应用于COVID-19大流行来说明这些方法。
2020-05-11 physics.soc-ph q-bio.PE
Optimizing testing policies for detecting COVID-19 outbreaks
COVID-19疫情对持续经济活动构成挑战，同时降低健康风险。虽然这些挑战可以通过测试来缓解，但测试预算往往有限。在这里，我们研究机构，如养老院，应该如何利用固定的测试预算，早期发现疫情。使用扩展的网络SEIR模型，我们表明，给定一定的预算的测试，它通常是更好地测试较小的子群的人口经常比测试较大的群体，但频率较低。数值结果是一致的分析表达式，我们推导出的爆发在检测的指数传播模型的大小。我们的工作为机构提供了一个简单的指导方针：将您的总测试分布在几个批次中，而不是一次使用它们。我们预期，在适当的情况下，这项易于实施的政策建议将导致更早发现和更好地缓解当地COVID-19疫情。
2021-01-01 physics.soc-ph q-bio.PE
Effects of the COVID-19 Pandemic on Population Mobility under Mild Policies: Causal Evidence from Sweden
在COVID-19疫情后，瑞典采取的社交距离政策远较大多数国家宽松。本文使用来自瑞典一个主要移动电话网络的所有移动电话用户的数据，研究在瑞典温和建议和限制制度下冠状病毒爆发对个人流动性的影响，以及不同社会经济阶层的地理流动性变化是否不同。通过获取2019年和2020年1月至3月的数据，可以通过采用差异中的差异研究设计来估计COVID-19爆发的因果影响。本文得出四个主要结论：（1）居住区白天人口明显增加（平均增加64%）; ㈡白天在工业和商业区的存在大幅减少（平均下降33%）; ㈢大幅度缩短了人们一天中离家的距离（最大移动距离减少38%，离家不到一公里的个人比例增加36%）;（iv）在具有不同社会经济和人口特征的地区，居民的流动性也出现了类似的下降。这些结果表明，温和的政府政策可以迫使人们采取社会距离行为。
2020-04-20 econ.GN q-bio.PE q-fin.EC
Evaluating the impact of quarantine measures on COVID-19 spread
在COVID-19大流行的早期阶段，许多国家实施了非药物干预措施（NPI）以控制COVID-19的病原体SARS-CoV-2的传播。在这些非传染性疾病中，检疫措施被广泛采用，并通过留在家中和就地避难令执行。了解检疫措施的有效性可以为当前COVID-19大流行期间和未来疾病爆发的决策和控制规划提供信息。在这项研究中，我们使用数学模型评估了2020年春季经历大规模疫情的四个城市（武汉、纽约、米兰和伦敦）的隔离措施对COVID-19传播的影响。我们建立了一个包含隔离成分的SEIR模型，并将该模型与数据同化方法相结合。通过根据病例数据校准模型，我们估计了每个城市封锁前的关键流行病学参数。我们使用模型模拟进一步研究封锁后隔离率对COVID-19传播的影响。结果表明，隔离易感和暴露的个人和未被发现的感染是必要的，以遏制疫情;然而，这些人群的隔离率可以通过更快地隔离确诊病例来降低。我们生成反事实模拟来估计隔离措施的有效性。如果没有隔离措施，在武汉、纽约、米兰和伦敦封锁后的40天内，累计确诊病例可能比报告的数字高出73、22、43和93倍。我们的研究结果强调了隔离在大流行早期阶段的重要作用。
2022-03-03 q-bio.PE
Leveraging Insight from Centuries of Outbreak Preparedness to Improve Modern Planning Efforts
尽管几个世纪以来，大流行防范一直是公共卫生规划的重点，在此期间，我们对传染病动态的了解有所增加，但我们管理疫情的方法相对保持不变。我们建议利用这段历史来确定取得实际进展的机会。我们将当前的计划与历史上的疫情控制措施进行了对比，并将现代的复杂性如何在如何最好地预测和缓解疫情方面产生额外的挑战隔离开来。我们分析了多样性的公开可用的现代准备计划的背景下，一个基于历史的虚构的疫情控制策略中描述的笛福的杂志的鼠疫年（1720年出版）。我们确定的主题，准备规划，保持不变的历史背景下，即使他们继续积极评估规划工作。更重要的是，我们隔离了备灾规划中仍然主要未解决的关键现代挑战。这些尚未解决的现代问题为有意义的改进提供了最佳途径。将我们的规划工作转向关注已确定的新问题，可能会大大加强我们从地方到全球应对传染病威胁的能力。
2020-05-20 physics.soc-ph q-bio.PE
A fractal viewpoint to COVID-19 infection
控制COVID-19大流行病的核心工具之一是了解其传播动态。在这里，我们开发了一个分形模型，能够描述这种动态，每天的新情况下，并提供一些预测的定量标准。提出了一种基于保形导数和分形时间尺度的分形动力学模型。得到了类分形方程的Burr-XII型解。使用来自几个国家的数据对该模型进行了测试，结果表明，单一函数能够描述非常不同的疫情形状。这些国家的疫情的不同行为进行了介绍和讨论。此外，还得到了判断大流行高峰存在的判据和群体免疫达到时间的表达式。
2020-07-14 physics.bio-ph physics.soc-ph q-bio.PE
Evolution of mutating pathogens in networked populations
本文研究网络化种群中病原体以死亡平均时间为突变参数的持续演化，结合解析与数值模拟揭示自然选择使较温和病原体占优，并利用新冠数据解释变异株传播过程。
2025-09-27 physics.soc-ph q-bio.PE
Evaluating Incidence and Impact Estimates of the COVID-19 Outbreak from Wuhan before Lockdown
背景：中国武汉是COVID-19疫情的中心。本研究的目的是在采取干预措施之前了解感染传播动力学。方法：通过pubmed和互联网检索资料和关键事件。使用从各种数据源中提取的数据计算流行病学数据。结果如下：我们建立了一个时间轴，显示到2020年1月1日，中国当局已获得令人信服的人传人证据;然而，直到2020年1月20日，这些信息才与公众分享。我们的研究估计，如果在2020年1月2日采取干预措施，总共将有10989例感染病例，而在2020年1月23日实施封锁时则有239875例。结论：中国隐瞒有关2020年COVID-19疫情的关键信息及其延迟反应，最终导致本世纪最大的公共卫生危机，如果采取早期对策，本可以避免。
2020-07-10 physics.soc-ph q-bio.PE
The Weather Impacts the Outbreak of COVID-19 in Mainland China
最近的文献表明，气候条件对COVID-19冠状病毒的传播有相当大的影响。然而，缺乏全面研究调查多种天气因素与COVID-19疫情发展之间的关系，同时排除社会因素的影响。本文研究了中国大陆250个城市的六个主要天气因素与COVID-19感染统计数据之间的关系。我们使用天气和感染统计数据进行的相关性分析表明，所有研究的天气因素都与COVID-19的传播相关，其中降水显示出最强的相关性。我们亦建立天气感知预测模型，以预测中国内地爆发第二波疫情时的感染个案数目。我们的预测结果显示，位于不同地理区域的城市可能会在非常不同的时间段受到COVID-19第二波的挑战，疫情的严重程度在很大程度上与不同的天气条件相对应。
2020-06-18 physics.soc-ph q-bio.PE
Simple control for complex pandemics
COVID-19大流行始于两年多前，但学校、企业和其他组织仍在努力将疾病爆发的风险保持在较低水平，同时恢复（接近）正常功能。过去几年的观察表明，这一目标可以通过适当平衡缓解策略来实现，其中可能包括口罩使用、疫苗接种、病毒检测和接触者追踪的某种组合。缓解措施的选择将根据每个组织的需要和可用资源而定。本文提出了创建这些政策的基础上，捕捉这些干预措施的综合效果的疾病传播的分析模型的实际指导。由此产生的指导是通过模拟测试在广泛的参数，并用于讨论疾病在大学校园的传播。
2022-01-31 math.PR physics.soc-ph q-bio.PE
Universality and herd immunity threshold : Revisiting the SIR model for COVID-19
截至二零二零年十一月一日，COVID-19疫情已在全球肆虐近一年。在本文中，我们试图根据对易感染-恢复（SIR）模型的一些修改来分析不同国家的COVID-19大流行的变化。SIR模型被修改，采取时间依赖的速率参数。在此基础上，重新定义了基本再生数、有效再生数、群体免疫力和群体免疫力阈值。COVID-19的再次爆发对各国构成真正的威胁。我们使用上述数量来寻找这种疾病再次爆发的原因。此外，群体免疫的有效性，以防止流行病已经分析了关于这个模型。我们还试图表明，在各国短时期内，该疾病的传播和遏制存在某些普遍性方面。最后，我们还分析了印度目前的流行情况，并试图讨论的可能性，以预测其未来的行为，使用我们的模型。
2021-09-25 physics.bio-ph q-bio.PE
