Why a Mayor cannot Change the Course of a Pandemic -- An agent-based Study on the Covid Spread on Local Level in Germany
该研究利用基于智能体的模拟考察德国莱茵兰-普法尔茨州第二波疫情中地方发病率差异,发现其可完全由人口统计和统计效应解释,而非地方干预因素。
2023-12-18 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
A SIR model assumption for the spread of COVID-19 in different communities
在本文中,我们研究了建模方法对新型COVID-19疾病传播引起的大流行的有效性,并开发了一个可验证的感染-清除(SIR)模型,该模型为研究其在社区内的传播提供了理论框架。在这里,该模型是基于著名的易感-感染-去除(SIR)模型,不同之处在于总人口本身没有定义或保持不变,易感个体的数量不会单调下降。相反,正如我们在这里所示,它可以在浪涌期间增加!特别是,我们调查了不同人群的时间演变,并监测了疾病在不同社区(以美国德克萨斯州和国家为代表)传播的各种重要参数。SIR模型可以为我们提供有关病毒在社区中传播的见解和预测,这是单靠记录数据无法做到的。我们的工作表明了通过我们在这里提出的SIR模型对COVID-19传播进行建模的重要性,因为它可以通过提供有价值的预测来帮助评估疾病的影响。我们的分析考虑了2020年1月至6月的数据,这一时期包含了实施严格控制措施之前和期间的数据。我们对2020年9月之前与COVID-19传播相关的各种参数以及易感、感染和移除人群的数量提出了预测。通过将记录的数据与我们的建模方法的数据进行比较,我们推断,如果实施适当的限制和强有力的政策以在疾病传播早期控制感染率,COVID-19的传播可以在所有考虑的社区得到控制。
2020-06-18 physics.soc-ph q-bio.PE
Impact of the Euro 2020 championship on the spread of COVID-19
像2020年欧洲足球锦标赛这样的大型活动提供了一个独特的机会来量化集会对COVID-19传播的影响,因为参与国家的比赛数量和日期类似于随机研究。使用贝叶斯模型和COVID-19数据中的性别失衡,我们将12个国家的840,000例(95% CI:[0.39M,1.26M])COVID-19病例归因于冠军。影响非线性地依赖于初始发生率、再生数$R$和比赛次数。影响最大的是苏格兰和英格兰,那里每百万居民中有多达10,000例原发病例发生在与冠军有关的集会上。在比赛日,由比赛引起的平均$R$增加值为0.46 [0.18,0.75],但重要比赛引起的增加值高达+3。总之,我们的研究结果提供了定量的见解,有助于判断和减轻大规模事件对流行病传播的影响。
2023-01-18 physics.soc-ph q-bio.PE
A new fractional model in Caputo sense for studying the dynamics of COVID-19 spread in France
COVID-19疫情在全球迅速蔓延,几乎所有涉及法国的国家的公共卫生都面临沉重负担。在SARS-CoV-2传播后,法国总共收获了许多死亡病例。在本文中,我们开发了整数阶和分数阶模型,以研究法国医院和重症监护室(ICU)中COVID-19传播的动态。此外,本文旨在利用现有的实际数据,探讨预防措施对整个法国的COVID-19医院和ICU感染病例总数的影响。
2022-08-11 math.DS physics.soc-ph q-bio.PE
Geospatial Spread of the COVID-19 Pandemic in Mexico
COVID-19是一种传染性呼吸道疾病,世界卫生组织已宣布其为大流行病。虽然这是一个全球现象,但有必要在当地采取迅速和知情的行动,因为一些基本计划在很大程度上取决于文化、地理、法律和习俗等因素。本文介绍了我们在州和市一级绘制COVID-19在墨西哥地理空间传播的方法,这是卫生部提供的公开数据集中允许的最高分辨率。为了可视化感染的程度,我们提供了一个地图,为确认的阳性,待定,和死亡的情况下,而支持流动性,我们提供了一个地理空间可视化的$R_t$,基本的繁殖数。本文档描述了数据集的结构,所使用的软件工具,以及地图功能的描述,我们公开了该定义。
2020-06-14 physics.soc-ph q-bio.PE
Modeling and Simulation of the spread of coronavirus disease (COVID-19) in Lebanon
在本文中,我们开发了一个冠状病毒疾病(COVID-19)传播的概率数学模型。它考虑到了这种疾病的已知特点,例如存在未被发现的传染性病例以及受感染者的不同社会和传染性条件。特别是,它考虑了一个国家的社会结构和政府措施,发现的病例在实际感染病例总数中所占的比例,以及未被发现的感染者从境外涌入。虽然该模型很简单,可以利用地方当局提供的关于这一流行病的数据合理确定其参数,但它也足够复杂,可以捕捉到最重要的影响。我们研究了黎巴嫩的特殊情况,并使用其报告的数据来估计模型参数,这可能对估计COVID-19在其他国家的传播有意义。我们显示了一个很好的协议之间的报告数据和我们的模型给出的估计。我们还模拟了几种情景,帮助政策制定者决定如何放松不同的措施,而不会冒着严重的COVID-19浪潮的风险。我们还能够确定导致特定情况的主要因素,这有助于更好地了解病毒的传播。
2020-08-07 physics.soc-ph q-bio.PE
Network structure of COVID-19 spread and the lacuna in India's testing strategy
我们描述了COVID-19在印度的传播网络,发现传播率为0.43,每天的病例增长是由在国外感染病毒的个人推动的。我们探讨的问题,这是否代表指数衰减的动态或仅仅是一个人工制品的印度的测试策略。检测主要限于来自高风险国家的个人及其直接接触者,这意味着该网络反映了来自有偏见的检测样本的阳性识别。鉴于检测水平普遍较低,而且几乎完全没有社区传播检测,我们很有可能错过疫情的实际性质。印度目前的病例量仍然很低,采取行动的时间可能很短,因此应该积极和系统地扩大社区传播的随机检测,包括对无症状病例的检测。这将有助于了解真正的传输特性,并为不久的将来做出适当的规划。
2020-03-21 physics.soc-ph q-bio.PE
Differential Games in the spread of Covid-19
鉴于新冠肺炎疫情正在持续,了解中央规划者(政府)采取的措施和个人行为的综合结果是如何传播感染的,是很有意义的。在这项工作中,Covid-19的传播被建模为规划者和人口之间的可微博弈,并具有适当的疾病传播动力学方程。我们首先用改进的易感-感染-繁殖(SIR)方程来描述只有种群的平衡动力学,以突出平衡的定性性质。利用这一结果,我们制定了联合平衡曝光的规划者和人口之间的配置文件。此外,与新冠肺炎一样,无症状携带者的作用、检测、接触者追踪和预防方面的不足,可能导致与仅检测到的人数相比,严重低估了真实的感染人数。因此,必须在人口中的个人所作选择的背景下模拟真实的感染人数。要纳入这一点,我们扩展我们的框架,通过修改的动态,包括额外的子隔间的“未检测到的感染”和“检测到的感染”的疾病动态。这些人根据检测到的数字对感染者总数进行自己的估计,并根据这些估计制定策略。我们表明,这些考虑导致一个延迟的最优控制问题的球员。我们提出了一些模拟结果的基础上,这些结果来证明如何人口行为,计划者控制,检测率和信任报告的数字在疾病传播中发挥了关键作用。
2021-09-30 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 machine learning aided global diagnostic and comparative tool to assess effect of quarantine control in Covid-19 spread
我们通过用神经网络模块增强经典SIR流行病学模型,开发了一个全球适用的新型冠状病毒肺炎诊断模型。我们的模型不依赖于SARS/MERS等以前的流行病,所有参数都通过对公开可用的Covid-19数据采用的机器学习算法进行优化。该模型分解的感染时间序列的贡献,分析和比较在欧洲,北美,南美和亚洲的高度受影响的地区,在控制病毒的传播检疫控制政策的作用。对于所考虑的所有大陆,我们的结果显示,加强检疫控制之间普遍存在很强的相关性,正如模型所了解的那样,以及各地区政府所采取的行动。最后,我们在一个公共平台上托管了全球70个受影响国家的检疫诊断结果,公共卫生官员和研究人员可利用该平台做出明智的决策。
2020-07-23 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
The geographic spread of COVID-19 correlates with the structure of social networks as measured by Facebook
我们使用Facebook的汇总数据显示,COVID-19更有可能在社交网络连接更强的地区之间传播。与两个早期COVID-19“热点”(美国纽约州韦斯特切斯特县和意大利洛迪省)有更多社会联系的地区,到3月底通常有更多的COVID-19确诊病例。在控制了到热点的地理距离以及该地区的人口密度和人口统计数据之后,这些关系仍然存在。随着疫情在美国蔓延,一个县与最近的COVID-19病例和死亡人数的社会接近程度,可以预测未来的爆发,而不仅仅是物理接近程度和人口统计数据。部分由于其广泛的覆盖范围,社交联系数据为基于智能手机位置或在线搜索数据的测量提供了额外的预测能力。这些结果表明,来自在线社交网络的数据可能对流行病学家和其他希望预测COVID-19等传染病传播的人有用。
2020-12-11 cs.SI physics.soc-ph q-bio.PE
Methodology for Modelling the new COVID-19 Pandemic Spread and Implementation to European Countries
新型冠状病毒COVID-19爆发后,全球大部分国家已进入缓解阶段。在这一阶段,对欧洲国家每日报告的病例和其他参数进行更准确的数据分析成为可能,并已在这项工作中进行。基于一个建议的参数化模型适用于实施的流行病在一个大的人口,我们专注于疾病的传播,我们研究了所获得的曲线,以及,我们调查了可能的相关性国家的特点和参数化。我们还开发了一种方法,将我们的模型耦合到基于SIR的模型,以确定基本和有效的再生数的参数空间。所获得的结果和结论可能是有用的,在这种排斥性疾病的复发的情况下,在未来。
2020-06-30 physics.soc-ph q-bio.PE
Statistical investigation of relationship between spread of coronavirus disease (COVID-19) and environmental factors based on study of four mostly affected places of China and five mostly affected places of Italy
COVID-19是由严重急性呼吸道综合征冠状病毒2型(SARS-CoV-2)引起的新型冠状病毒病。它于2019年12月起源于中国,并迅速开始在国内蔓延。2019年12月31日,首次向世界卫生组织(WHO)驻中国国家办事处报告。从那时起,它已经传播到全球大多数国家。然而,最近有一种趋势,认为它会在夏天消失,这还没有得到适当的调查。本文对中国4个疫情最严重的地区,即北京、重庆、上海、武汉和意大利5个疫情最严重的地区,在考虑潜伏期的情况下,对每日确诊病例数与最大相对湿度(RH_max)、最高气温(T_max)和最高风速(WS_max)3个环境因子的关系进行了统计研究,即贝加莫、克雷莫纳、洛迪、米兰。研究发现,与最大相对湿度和最高风速的关系基本上可以忽略不计,而与最高温度的关系介于可忽略不计到中等之间。
2020-03-25 physics.soc-ph q-bio.PE
Interrupting vaccination policies can greatly spread SARS-CoV-2 and enhance mortality from COVID-19 disease: the AstraZeneca case for France and Italy
由于怀疑阿斯利康疫苗会导致深静脉血栓形成,欧洲多个国家已经暂停接种阿斯利康疫苗。在这封信中,我们报告了使用随机模型进行的一些费米估计,旨在对阿斯利康疫苗在法国和意大利的交付中断进行风险效益分析。我们的研究结果清楚地表明,即使在疫苗副作用的频率和严重性的最坏情况下,由于疫苗接种活动注射中断而导致的额外死亡也大大超过了由于血栓形成而导致的死亡。
2021-03-27 physics.soc-ph q-bio.PE
Network model and analysis of the spread of Covid-19 with social distancing
2019冠状病毒病大流行的第一个缓解措施是尽可能限制人与人之间的互动。这是通过临时关闭许多工作场所来实施的,人们被要求遵守社交距离。网络是一种很好的方式来表示人与人之间的互动以及这些互动的暂时中断。在这里,我们提出了一个人与人之间相互作用的网络模型,这些相互作用可能是疾病传播的媒介。这个网络的节点是个人,不同类型的边表示家庭派系,工作场所的互动,基本需求引起的互动和社会互动。每个人都可能处于四种状态之一:易感、感染、免疫和死亡。该网络和疾病参数参考了现有的Covid-19文献。使用这个模型,我们模拟了存在各种缓解方案的传染病的传播。例如,通过删除表示非必要交互的边来实现锁定。我们验证了模拟结果与实际数据匹配的基本和有效的再生数在不同阶段的蔓延。我们还模拟了不同的可能性,通过改变设施慢慢开放,但人们遵循戴口罩等预防措施的传播率来缓慢解除封锁,我们对每种情况下第二波感染的概率和强度进行预测。
2020-06-16 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
Particle modeling of the spreading of Coronavirus Disease (COVID-19)
截至二零二零年七月底,COVID-19疫情已感染超过一千七百万人,并已蔓延至全球几乎所有国家。对此,世界各地许多国家都采用了不同的方法来降低感染率,例如包括病例隔离、关闭学校和大学、禁止公共活动,以及大多数强制社交距离,包括地方和国家封锁。在我们的工作中,我们使用基于蒙特卡罗(MC)的算法来预测不同人口密度下的病毒感染率。我们使用三种不同的封锁模型和八种不同的约束组合来测试冠状病毒的传播,这使我们能够检查每个模型和约束的效率。在本文中,我们测试了三种不同的时间周期模式的无限制/锁定模式。该模型的主要预测是,每个时间周期包含至少10天锁定的无限制/锁定的循环时间表可以帮助控制病毒感染。特别是,这种模式在伴随着社交距离和对有症状的患者的完全隔离时降低了感染率。
2020-08-03 physics.soc-ph q-bio.PE
Simulations of the spread of COVID-19 and control policies in Tunisia
在这项工作中,我们使用突尼斯的数据开发并分析了COVID-19的流行病学模型。我们的目标首先是评估突尼斯对COVID-19的控制政策,其次是了解不同的筛查、隔离和遏制策略的影响以及无症状患者对病毒在突尼斯人口中传播的规律。通过这项工作,我们表明,突尼斯的控制政策是有效的,在筛选感染者和无症状的个人,如果遏制和宵禁保持流行病将很快得到控制。
2020-05-02 q-bio.PE
A Mathematical Model of COVID-19 Transmission
通过流行病学、应用数学和统计学等学科研究疾病传播。传播的数学模拟模型对解决公共和个人健康挑战具有重要意义。SIR模型使用房室方法,包括通过三个因素传播的动态和非线性行为:易感、感染和移除(康复和死亡)个体。利用Lambert W函数,我们提出了一个研究SIR模型解的框架。这展示了COVID-19传播数据在模拟真实世界疾病传播方面的应用。不同的疾病模型,包括SIR,SIRmp和SEIRpqr模型的预测疾病传播的能力进行了比较。物理距离的影响和个人防护设备的使用与COVID-19传播相关。
2022-01-01 physics.soc-ph q-bio.PE
Phenomenological description of spread of Covid-19 in Italy: people mobility as main factor controlling propagation of infection cases
自2019年底开始,冠状病毒(COVID-19)的传播已在意大利确定了多项旨在防止卫生系统饱和的干预措施。我们已经研究了这些措施的影响,提出了一个平均场模型,描述了一个简单的扩散过程的基础上,所有可观察到的变量的感染传播(对感染仍呈阳性的人数、住院和死亡病例、治愈的人数和感染的总人数)取决于平均参数,即扩散系数,感染截面,和人口密度。虽然这个模型比文献中的其他模型复杂,但它使我们能够直接将流行病统计信息(住院病例,死亡人数,感染人数等)的趋势联系起来。到一个定义明确的可观察的物理量:任何个人每天遇到的平均人数。该模型非常符合流行病数据,并使我们能够将住院病例和疫情死亡人数的时间演变与人员流动性的变化严格联系起来,从而在意大利实施渐进式限制,直到现在(2020年11月15日)。
2020-11-17 physics.soc-ph q-bio.PE
Socio-economic disparities and COVID-19 in the USA
COVID-19不是一个普遍的杀手。我们研究了截至2020年8月的第15个$^{th}$,美国县级COVID-19的传播情况。我们发现,疾病的流行率和死亡率与当地的社会经济条件往往超出地方种群的密度分布,特别是在农村地区。我们将COVID-19的患病率和死亡率与美国人口普查局的数据相关联,并指出该疾病的传播模式如何分别在城市和农村地区显示出不对称性,并优先影响大部分人口为非白人的县。我们的研究结果可以用于更有针对性的政策建设和资源部署,以应对未来由SARS-CoV-2引起的大流行。我们的方法基于可解释的机器学习和博弈论,可以扩展到研究其他疾病的传播。
2021-06-30 physics.soc-ph q-bio.PE
Describing, modelling and forecasting the spatial and temporal spread of COVID-19 -- A short review
本综述总结SARS-CoV-2全球传播证据及建模预测方法,并提及2020年末新变种,旨在理解和预测疫情时空扩散。
2021-02-04 q-bio.PE
Optimal COVID-19 infection spread under low temperature, dry air, and low UV radiation
由新型冠状病毒SARS-CoV-2引起的COVID-19大流行目前正在全球迅速蔓延,造成多人死亡和严重的经济损失。人们认为,炎热和潮湿的条件不利于新型冠状病毒,但由于与COVID-19数据相关的许多不确定性,这一点仍在争论中。在这里,我们提出了替代数据测试,以检查这种病毒在不同的气候条件下传播的偏好。我们发现,当温度为$\sim$ 10 $^\circ$ C,比湿度为$\sim$ 5 g/kg,紫外线(UV)辐射为$\sim$ 80 kJ/m $^2$时,该疾病显著(高于95%置信水平)更常见。相对湿度的显著性低于95%置信水平,未显示首选值。这些结果得到了全球和区域数据的支持,时间跨度为2020年1月至7月。COVID-19数据包括每日报告的新增病例和每日死亡病例;对于两者,人口规模要么被考虑,要么被忽略。
2020-10-06 physics.med-ph physics.soc-ph q-bio.PE
Age-Stratified COVID-19 Spread Analysis and Vaccination: A Multitype Random Network Approach
COVID-19导致严重疾病和死亡的风险随着年龄的增长而显著增加。因此,COVID-19动态的年龄分层建模是研究如何减少COVID-19住院和死亡率的关键。利用网络理论,我们建立了一个复杂接触网络中的年龄分层COVID-19流行病模型。具体来说,我们提出了一个扩展的标准SEIR(易感染-暴露-感染-移除)房室模型,称为年龄分层SEAHIR(易感染-暴露-无症状-住院-感染-移除)模型,以捕捉COVID-19在具有一般度分布的多类型随机网络上的传播。我们得出了几个关键的流行病学指标,然后提出了一个年龄分层的疫苗接种策略,以降低死亡率和住院率。通过大量的研究,我们发现疫苗接种优先顺序的结果取决于繁殖数R 0。具体而言,只有当R 0相对较高时,才应优先考虑老年人。如果正在进行的干预政策,如普遍掩蔽,可以将R 0抑制在相对较低的水平,优先考虑高传播年龄组(即,年龄在20-39岁的成年人)对降低死亡率和住院率最为有效。这些结论为基于年龄的COVID-19疫苗接种优先级提供了有用的建议。
2021-03-18 cs.SI physics.soc-ph q-bio.PE
Projections for COVID-19 spread in India and its worst affected five states using the Modified SEIRD and LSTM models
2019年的最后一站出现了一种名为COVID-19(2019冠状病毒病)的病毒。自从印度出现这种感染以来,政府实施了几项政策和限制措施,以遏制其在人口中的传播。随着时间的推移,这些限制被放宽,人们被建议自行采取预防措施。印度政府及时采取的这些决定在很大程度上帮助减缓了COVID-19的传播。尽管作出了这些决定,但这一流行病继续蔓延,因此,迫切需要规划和控制这一疾病的蔓延。这可以通过找到关于传播的未来预测来实现。全球的科学家正在努力估计COVID-19的未来增长。本文提出了一个修正的SEIRD(易感-暴露-死亡-死亡)模型,用于预测印度及其病例总数最高的五个邦的COVID-19感染情况。在该模型中,暴露区室包含可能无症状但具有传染性的个体。本文还使用了基于深度学习的长短期记忆(LSTM)模型来执行短期预测。从拟议的修正SEIRD模型获得的预测也与LSTM对未来30天的预测进行了比较。本文使用截至2020年8月15日的流行病学数据进行预测。这些预测将有助于安排足够的医疗基础设施,并提供适当的预防措施,以应对目前的流行病。印度政府实施的不同封锁措施的影响也被用于拟议的修正SEIRD模型的建模和分析中。本文所载结果将为未来制定控制COVID-19在印度传播的政策提供指引。
2020-09-07 cs.CY physics.soc-ph q-bio.PE
Preliminary analysis of COVID-19 spread in Italy with an adaptive SEIRD model
在本文中,我们提出了一个易感-感染-暴露-死亡-死亡(SEIRD)差分模型,用于分析和预测意大利部分地区的COVID-19传播,使用意大利Protezione Civile从2020年2月24日开始的数据。在这项研究中,调查的适应模型。由于意大利政府在不同时间实施了几项限制措施,从2020年3月8日开始,我们建议通过引入时间相关的传输速率来修改SEIRD。在数值结果中,我们报告了最先受到COVID-19疫情影响的三个意大利地区(伦巴第、威尼托和艾米利亚-罗马涅)的最大感染传播。一旦获得更多的数据,这一方法将陆续推广到意大利其他地区。
2020-03-22 q-bio.PE
Estimating the infection horizon of COVID-19 in eight countries with a data-driven approach
COVID-19大流行影响了世界所有国家,造成大量死亡,并对其社会、金融和教育组织造成重大破坏。中国实施的严格纪律措施非常有效,因此随后被世界大多数国家不同程度地采用。感染持续时间和感染人数对于防治这一流行病至关重要。我们使用中国疾病传播的量化景观作为基准,并利用来自8个国家的感染数据来估计这些国家中每个国家感染的完整演变。该分析成功地预测了每个国家每天的预期感染人数,也许更重要的是,预测了每个国家的流行持续时间。我们的定量方法是基于一个高斯传播的假设,这是由于在一个简单的动态感染模型的措施。一旦这种现象结束,这可能会产生后果,并揭示政策的效率。
2020-04-22 physics.bio-ph physics.soc-ph q-bio.PE
Using VERA to explain the impact of social distancing on the spread of COVID-19
COVID-19继续在全国和世界各地蔓延。目前管理COVID-19传播的策略包括保持社交距离。我们介绍了交互式人工智能工具VERA,它首先使用户能够指定社交距离对COVID-19传播影响的概念模型。然后,VERA从概念模型中自动生成基于代理的模拟,并在给定数据集的情况下,自动填充来自数据的模拟参数值。接下来,用户可以查看仿真结果,并且如果需要,可以修改仿真参数并运行另一个实验性试验,或者构建替代的概念模型。我们描述了如何使用VERA来开发一个SIR模型,用于COVID-19的传播及其与医疗能力的关系。
2020-03-30 cs.CY cs.HC q-bio.PE
A Bayesian spatio-temporal study of meteorological factors affecting the spread of COVID-19
本文利用贝叶斯时空模型分析英格兰首次封锁期间气象条件对 COVID-19 传播的影响,发现湿度与传播呈负相关,并提示制定政策时应谨慎对待季节性因素。
2023-08-07 q-bio.PE
Controlling the spread of COVID-19 on college campuses
这项研究是在杜克大学的DOMath项目期间于2020年5月18日至7月10日完成的。当时,杜克大学和全国其他大学正在努力解决如何安全地欢迎学生在秋季回到校园的问题。正因为如此,我们的项目专注于使用数学模型来评估抑制病毒在校园内传播的策略,特别是在宿舍和教室里。对于宿舍,我们表明,给学生提供单人间而不是双人间可以大大减少病毒传播。对于教室,我们表明,移动类的大小以上的一些截止在线可以使基本的再生数$R_0<1$,防止广泛传播的流行病。截止日期将取决于疾病在教室中的传染性。
2020-08-17 math.PR physics.soc-ph q-bio.PE
A multi-group SEIRA model for the spread of COVID-19 among heterogeneous populations
COVID-19的爆发及传播对现代社会构成重大挑战。特别是各国政府为防止病毒传播而采取的不同限制性行动,改变了人类交往和设想交往的方式。由于地理,行为或经济因素,人口中的不同亚组更有可能(或更少)相互作用,从而传播/获得病毒。在这项工作中,我们提出了一个通用的多组SEIRA模型,用于表示COVID-19在异质人群中的传播,并在数值研究案例中对其进行了测试。通过强调其适用性和其一般配方可以适应特定的研究,我们希望我们的模型,使我们更好地了解这种流行病的演变和更好的公共卫生政策,以控制它。
2020-04-28 q-bio.PE
On the heterogeneous spread of COVID-19 in Chile
非药物干预(NPI)在控制COVID-19传播方面发挥了至关重要的作用。然而,国家之间和国家内部的NPI效果差异很大,主要是因为人口和行为的异质性。在这项工作中,我们采用了一个多组SEIRA模型来研究COVID-19在智利的传播动态,该模型通过不同的组来代表该国地理上分离的地区。我们使用全国动员统计数据来估计地区之间的连通性,并使用来自政府数据库的数据来获得每个地区的COVID-19传播率和死亡率。然后,我们通过研究生殖数Rt的时间演变来评估不同NPI的有效性。分析Rt的数据驱动和基于模型的估计,我们发现不同地区之间存在很强的耦合,突出了有组织和协调行动控制SARS-CoV-2传播的必要性。最后,我们评估了不同的情景,以预测COVID-19在人口最密集地区的演变,发现提前解除限制可能会导致新的疫情爆发。
2021-06-25 physics.data-an q-bio.PE
A Dynamical Framework for Modeling Fear of Infection and Frustration with Social Distancing in COVID-19 Spread
在本文中,我们介绍了一种新的建模框架,将感染的恐惧和挫折与社会距离到疾病的动力学。我们发现,由此产生的SEIR行为感知模型有三个主要模式的定性行为-没有爆发,控制爆发,和不受控制的爆发。我们还表明,该模型可以产生短暂的和持续的感染波符合二次爆发。我们将该模型与来自多个地区的COVID-19病例和死亡率数据进行了拟合。我们的分析表明,在第一波感染后出现显著下降的地区,如加拿大和以色列,更有可能遏制第二波感染,而在最初减缓疾病传播方面仅取得适度成功的地区,如美国,可能会出现大量的第二波或不受控制的疫情。
2020-08-13 math.DS physics.soc-ph q-bio.PE
A model for the spread of an epidemic from local to global: A case study of COVID-19 in India
在本文中,我们提出了一个新冠肺炎传播的流行病学模型。传播的动力学是基于人口中的四个基本类别的人:测试和感染,未测试但感染,测试但未感染,和未测试而未感染。该模型是基于两个层次的人口传播的动态:在地方一级和全球一级。地方层面的增长以数据和参数描述,包括COVID-19的测试统计数据、全国封锁等预防措施以及邻近地区的人口迁移。在印度的情况下,当地位置被视为地区,跨地区的迁移或交通流量由感染COVID-19的地区的集合人口网络的归一化边权重定义。根据当地的增长情况,对COVID-19阳性检测人数进行了州一级的预测。此外,考虑到当地的位置作为国家,预测国家一级。模型参数的值是使用网格搜索和最小化误差函数来确定的,同时用真实数据训练模型。这些预测是基于目前的测试统计数据,以及州和国家一级测试的线性和对数线性增长。最后指出,如果试验次数能按一定的因素线性或对数线性增加,并在不久的将来采取预防措施,则可以抑制扩散。这对于防止感染人数急剧增加和消除第二波大流行病也是必要的。
2020-06-04 cs.SI physics.soc-ph q-bio.PE
Ostwald growth rate in controlled Covid-19 epidemic spreading as in arrested growth in quantum complex matter
在此,我们着重对启动不同遏制政策的国家的COVID-19疫情传播增长情况进行数据分析。众所周知,大流行病传播的增长在其临界点是指数级的,但不知道如何量化不同遏制政策的成功。我们确定,一个成功的方法给出了一个逮捕相制度后的奥斯特瓦尔德增长,其中,随着时间的推移,一个阶段转化为另一个亚稳相具有类似的自由能观察到的氧间隙扩散在量子复杂的物质和蛋白质的结晶。我们引入S因子,量化衡量所采取遏制政策的效率和速度,这不仅对监测COVID-19大流行的传播非常有帮助,而且对其他国家选择最佳遏制政策也很有帮助。结果表明,基于联合隔离、有针对性的检测和追踪阳性病例的政策是最快速的大流行遏制政策;事实上,我们发现中国、韩国和意大利的成功s因子值分别为9、5和31,其中最低的s因子表示最佳遏制政策
2020-03-29 cond-mat.other physics.soc-ph q-bio.PE
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
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
Dynamic tracking with model-based forecasting for the spread of the COVID-19 pandemic
在本文中,我们使用了一个易感染-感染-清除(SIR)模型来跟踪COVID-19病毒在四个感兴趣的国家的传播演变。特别是,依赖于一些基本特征的流行病模型已被应用于对意大利、印度、韩国和伊朗疾病的时间演变进行建模。该病毒的传播对经济、社会和健康造成了灾难性后果。因此,必须开发现有的数学模型,并将其用于在公布的数据集和模型预测之间进行比较。从SIR模型估计的预测在这里,可以用于传播的定性和定量分析。它提供了对病毒传播的深入了解,而仅通过每天更新发布的数据和模型无法做到这一点。例如,使用我们的建模方法可以检测感染高峰的早期发作或第二波的发展。我们考虑了2020年3月至6月的数据,当时不同社区受到严重影响。我们展示了根据模型参数对2020年9月之前COVID-19传播的预测。通过比较已公布的数据和模型结果,我们得出结论,通过这种方式,可能更好地反映政府和个人为缓解和控制当前大流行而实施的适当措施的成功或失败。
2020-07-04 nlin.CD physics.soc-ph q-bio.PE
A reaction-diffusion system to better comprehend the unlockdown: Application of SEIR-type model with diffusion to the spatial spread of COVID-19 in France
考虑到易感、暴露和无症状个体的平均每日移动,开发了一个反应扩散模型来描述COVID-19病毒的传播。该模型使用来自法国的确诊感染和死亡数据及其初始空间分布进行了校准。首先研究了偏微分方程组,然后导出了基本再生数R 0。其次,基于水平集和有限差分相结合的数值模拟显示了COVID-19从3月16日到6月16日的空间传播。最后,根据距离变化或部分空间锁定的情况下,解锁进行比较。
2020-05-06 math.AP q-bio.PE
Using a physical model and aggregate data to estimate the spreading of Covid-19 in Israel in the presence of waning immunity and competing variants
自COVID-19病毒首次在中国发现以来的两年多里,已有数亿人感染,数百万人死亡。除了迫切需要医疗解决方案(如疫苗和药物)来治疗这一流行病之外,日冕大流行还加强了对数学模型的需求,这些模型可以预测大流行病在不断变化的现实中的传播。在这里,我们提出了一种基于统计物理学基本原理的新型动态粒子模型,该模型能够预测在有效疫苗存在的情况下Covid-19的传播。这种粒子模型使我们能够准确地检查疫苗对接种人群和整个人群的不同亚群的影响,并确定疫苗的衰减。此外,粒子模型可以预测两种竞争变体随时间的流行率及其相关的发病率。
2022-05-16 q-bio.PE
Modeling the spread of COVID-19 pandemic in Morocco
如今,2019冠状病毒病(COVID-19)对全球公共卫生和经济构成了巨大威胁。不幸的是,目前还没有治疗这种疾病的有效药物。为此,多个国家已采取多种预防性干预措施,以避免COVID-19的传播。在这里,我们提出了一个延迟的数学模型来预测COVID-19在摩洛哥的流行趋势。对模型的参数估计和敏感性分析进行了严格的研究。此外,提出了数值模拟,以测试摩洛哥当局实施的预防措施和战略的有效性,并帮助决策者和公共卫生管理部门制定这样的战略。
2020-10-08 q-bio.PE
The challenges of modeling and forecasting the spread of COVID-19
我们为COVID-19提出了三种数据驱动的模型类型,这些模型具有最少的参数,可以深入了解疾病的传播情况,从而可用于制定政策应对措施。第一种是指数增长,在早期数据分析中被广泛研究。第二个是一个自激分支过程模型,其中包括传输和恢复延迟。它允许对早期随机数据进行有意义的拟合。第三个是著名的易感-感染-耐药(SIR)模型及其表亲SEIR,具有“暴露”成分。所有这三个模型都是定量相关的,SIR模型用于说明美国短期距离措施的潜在影响。
2020-04-09 q-bio.PE
Modeling the dynamics of COVID-19 transmission in India: Social Distancing, Regional Spread and Healthcare Capacity
在以健康为中心的治理新模式中,决策者不断需要适当的衡量标准和估计数,以便以非武断的方式确定最佳政策。因此,本文开发了COVID-19传播的分区模型,以促进政策制定。一个社交距离车厢被添加到模型中,并说明其效用在量化自愿社交距离的大小。作出了修改,以纳入区域间移徙,并提出了适当的衡量标准,以量化移徙对案件增加的影响。的医疗保健能力建模和方法的开发,以研究的后果饱和的医疗保健系统。该模型及相关措施用于研究COVID-19在印度的传播和传播性质,并得出适当的见解。
2022-04-19 q-bio.PE
Covid-19 spread: Reproduction of data and prediction using a SIR model on Euclidean network
我们研究了中国COVID-19疫情的累积和每日病例数数据。累积数据可以拟合到从先前在欧几里德网络上研究的易感-感染-去除(SIR)模型获得的经验形式。绘制的情况下,从中国和意大利的震中距离的数量,我们发现一个近似的幂律变化与指数$\sim 1.85$强烈显示空间依赖性起着关键作用,模型中包含的一个因素。我们在这里报告说,SIR模型的Eucledean网络可以重现与高精度的数据,为中国给定的参数值,也可以预测,当流行病,至少在当地,可以预期结束。
2020-03-16 cond-mat.stat-mech physics.soc-ph q-bio.PE
Characterizing the spread of CoViD-19
自疫情开始以来,来自世界各地的CoViD-19病例,住院和死亡的每日报告已公开。本文介绍了方法来表征疾病的传播的广泛特点,相对较长的时间内恒定的传播率,使用一个新的人口建模框架的基础上离散时间差分方程。选择比较参数是因为它们对模型假设的依赖性较弱。他们的点和区间估计的方法,占额外的方差来源的情况下的数据,提出。这些方法为使用公开数据定量评估社交距离政策变化的影响提供了基础。作为例子,安大略省和德国各州的数据进行了分析,使用这个框架。德国病例数据显示,在2020年5月6日放宽封锁规则后,传播率略有增加。通过结合来自德国的病例和死亡数据,估计从感染到死亡的时间的平均值和标准差。
2020-07-14 physics.soc-ph q-bio.PE stat.AP
Day Level Forecasting for Coronavirus Disease (COVID-19) Spread: Analysis, Modeling and Recommendations
于二零二零年三月中旬,COVID-19等冠状病毒被宣布为国际流行病。超过118个国家记录了超过125000例确诊病例和4,607例死亡病例。不幸的是,冠状病毒疫苗如果真的有效,预计至少需要18个月。此外,COVID-19疫情可能会变异成更具侵略性的形式。有关COVID-19传播的日级信息对于衡量这种新病毒在全球的行为至关重要。因此,本研究使用时间序列模型和数学公式对COVID-19受影响病例的日级预测模型进行比较。预测模型和数据强烈表明,在不强制隔离、限制旅行和公共集会以及关闭学校、大学和工作场所(社会距离)的国家,冠状病毒病例数量呈指数级增长。
2020-03-15 q-bio.PE stat.AP
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
A model for the outbreak of COVID-19: Vaccine effectiveness in a case study of Italy
我们提出了一个具有人口统计学的COVID-19疾病传播的房室数学模型,同时考虑了无症状感染者。计算了模型的基本再生比,研究了模型的局部稳定性和全局稳定性,并以意大利为例对模型进行了数值求解。我们提出了一个疫苗接种模型,我们得到的阈值条件,防止感染传播的情况下,不完美的疫苗。
2020-11-16 math.DS physics.soc-ph q-bio.PE
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
Simulating the spread of COVID-19 via spatially-resolved susceptible-exposed-infected-recovered-deceased (SEIRD) model with heterogeneous diffusion
我们提出了一个早期版本的易感暴露-中毒-死亡(SEIRD)的数学模型的基础上偏微分方程耦合的非均匀扩散模型。该模型描述了COVID-19大流行的时空传播,旨在根据人类习惯和地理特征捕捉动态。为了测试该模型,我们将有限元求解器生成的输出与意大利伦巴第大区的测量数据进行了比较,该地区在2020年2月至4月期间受到这场危机的严重影响。我们的研究结果显示,对伦巴第大区COVID-19时空传播的模拟预测与在市政一级收集的流行病学数据之间存在很强的定性一致性。探索放松封锁限制的替代方案的其他模拟表明,重新开放战略应考虑到地方种群密度和传染的具体动态。因此,我们认为,对我们模型的数据驱动模拟最终可以为卫生当局提供信息,以设计有效的流行病遏制措施,并预测关键医疗资源的地理分配。
2020-05-11 cs.NA math.NA physics.soc-ph
SIRNet: Understanding Social Distancing Measures with Hybrid Neural Network Model for COVID-19 Infectious Spread
SARS-CoV-2传染病爆发迅速蔓延到全球,并促成了不同的政策,以实现物理距离,以减轻其影响。在这项研究中,我们提出了一个新的混合机器学习模型SIRNet,用于预测与流行病学模型耦合的COVID-19大流行的传播。我们使用分类的时空明确的手机移动数据作为替代标记的物理距离,随着人口加权密度和其他本地数据点。我们证明了在不同的地理粒度,目前正在讨论的政策领导人之间的物理距离选项的频谱流行病学显着差异的后果,从病毒灭绝到接近完全的人口流行。目前的流动性拐点因地理区域而异。SIRNet的实验结果建立了这种局部流动性的初步界限,渐近诱导遏制。该模型可以支持研究非药物干预措施和方法,最大限度地减少社会附带损害和控制机制的一段时间。
2020-04-22 q-bio.PE
How Efficient is Contact Tracing in Mitigating the Spread of Covid-19? A Mathematical Modeling Approach
接触者追踪(CT)是政府和卫生官员为减轻新型冠状病毒传播而采取的措施之一。在本文中,我们通过开发一个房室模型来评估其对减轻病毒传播的影响,从而研究其功效。我们描述了COVID-19对繁殖数${\mathcal{R}_0}$的影响。特别是,我们讨论了模型的参数,如报告的病例数,跟踪和监测政策的有效性,以及接触者追踪的传播率的重要性和相关性。我们描述了术语“完美追踪”、“完美监测”和“完美报告”,分别表示在孵化时追踪追踪到的接触者,有效监测追踪到的接触者,使其不会造成二次感染,以及报告所有感染者。我们考虑了三种特殊情况:(1)对报告病例的接触者进行完美监测和完美追踪,(2)对病例进行完美报告和对追踪的报告病例进行完美监测,以及(3)对报告病例的接触者进行完美报告和完美追踪。此外,我们给出了要追踪的接触比例的下限,以确保有效复制${\mathcal{R}_c}$低于1,并根据可观察的数量(如报告和追踪病例的比例)描述${\mathcal{R}_c}$。使用从约翰霍普金斯大学获得的美国某些选定州的COVID-19数据进行的模型模拟表明,即使是CT的后期干预也可能合理地减少COVID-19的传播,并减少住院和死亡高峰。
2021-11-21 math.DS physics.soc-ph q-bio.PE