Auditing citation polarization during the early COVID-19 pandemic
本研究通过审计Web of Science中COVID-19相关出版物，揭示疫情导致期刊影响因子膨胀并加剧期刊极化，警示IF等定量指标反映的是社会关注而非论文重要性。
2024-05-24 cs.DL physics.soc-ph
Analytical solution of SEIR model describing the free spread of the COVID-19 pandemic
本文研究了SEIR（Susceptible Exposed Infectious Removed）传染病模型.其目的是为受COVID-19大流行影响的人群的峰值和渐近值及其特征时间提供简单的分析表达式。
2020-12-26 physics.soc-ph q-bio.PE
Modeling and Simulation of COVID-19 Pandemic for Cincinnati Tri-State Area
本文使用SIR模型对辛辛那提三州地区的COVID-19疫情进行了模拟。我们已经建立了一个辛辛那提的代表性人口，包括前往商店，学校，工作场所和前往朋友家的运动。利用这个模型，我们模拟了隔离、复工和恐慌性购买的影响。我们表明，当人们返回工作岗位时，将出现第二波感染，当宣布隔离措施后商店出现恐慌性购买时，感染人数将显著增加。
2020-06-15 cs.CY cs.SI physics.soc-ph
A fractional model for the COVID-19 pandemic: Application to Italian data
我们为意大利的COVID-19大流行提供了一个概率SIRD模型，其中我们允许感染率，恢复率和死亡率是随机的。特别地，潜在的随机因子由分数布朗运动驱动。我们的模型是简单的，只需要几个参数进行校准。
2020-07-31 physics.soc-ph q-bio.PE
Stochastic approach to study control strategies of Covid-19 pandemic in India
印度是目前受新型冠状病毒疫情影响最严重的国家之一。我们研究了印度Covid-19患者的公开数据，并在SEQIR模型的随机框架内分析了隔离和社交距离的可能影响，以说明大流行的控制策略。我们的模拟结果清楚显示，适当的隔离及社交距离应在疫情开始时尽早维持，并应持续至疫情结束，以有效控制疫情。这就要求今后在这方面建立一种更有社会纪律的生活方式。在系统动力学中非常明显的人口随机性在调控和控制流行病方面具有关键作用。
2020-06-11 physics.soc-ph q-bio.PE
Impact studies of nationwide measures COVID-19 anti-pandemic: compartmental model and machine learning
在本文中，我们研究了全国范围内抗疫措施的影响。我们推动两个流程来分析COVID-19数据，并考虑措施。我们将全国范围内的测量水平与模型的接触率相关的参数值相关联。然后，一个参数的解决方案，相对于这些参数的措施，显示了不同的可能性的演变的流行病。两个机器学习工具被用来预测大流行病的演变。最后，我们展示了确定性和两个机器学习工具之间的比较。
2020-08-09 physics.soc-ph q-bio.PE stat.ML
Dynamics of the COVID-19 pandemic in India
了解COVID-19大流行的动态对改善控制和社交距离策略至关重要。为此，我们采用了易感染-暴露-感染-康复模型，并根据印度喀拉拉邦、德里、马哈拉施特拉邦和西孟加拉邦以及整个印度的接触者追踪和住院数据进行了改进。我们已经进行了敏感性分析，以确定最关键的输入参数，我们已经校准了模型，以尽可能最好地描述数据。短期预测显示，所有四个省和整个印度的COVID-19病例呈增加和令人担忧的趋势，而长期预测也揭示了振荡动态的可能性。因此，我们的研究留下了COVID-19可能成为季节性事件的选择。我们还模拟和讨论了媒体对COVID-19疫情动态的影响。
2021-01-12 physics.soc-ph q-bio.PE
The impact of the COVID-19 pandemic on academic productivity
“发表或灭亡”是一个表达，描述了学术界持续发表研究以确保在学术界取得成功的压力。一场改变了世界的全球大流行病，如何改变了学术生产力？在这里，我们显示学者在arXiv预打印服务器上发布的出版物数量与没有大流行一样多：2020年发布了168，630篇，较2019年增加了12. 6%，$+1.4σ$偏离高于预测的162，577篇$\pm$ 4，393篇。然而，在个别研究领域，一些直接的影响是显而易见的。会议取消导致预印本急剧下降，但实验室关闭产生了复杂的影响。只有一些试验田的产量略有下降，大多数与前几年保持一致，甚至高于模型预期。最显著的变化是定量生物学研究增加了50%（$+8σ$），都与COVID-19大流行有关。其中一些出版物是生物学家首次使用arXiv，还有一些是由其他领域的研究人员撰写的（例如，物理学家、数学家）。虽然定量生物学预印本已恢复到疫情前的水平，但该领域20%的研究现在集中在COVID-19疫情上，表明研究重点发生了重大转变。
2021-09-14 cs.DL econ.GN physics.soc-ph
The COVID-19 Pandemic and the Future of Telecommuting in the United States
本研究关注美国COVID-19大流行对交通相关的一个重要长期影响：远程办公的增加。分析一项全国性的成年人小组调查，我们发现40-50%的员工预计在疫情后每月至少远程办公几次，高于COVID前的24%。如果可以选择，90-95%在大流行期间首次远程办公的人计划定期继续这种做法。我们还发现，新的远程办公者在人口统计学上与COVID前的远程办公者相似。无论是在新冠肺炎之前还是之后，较高的教育程度和收入，以及某些工作类别，在很大程度上决定了工人是否可以选择远程办公。尽管远程办公有所增长，但约一半的员工预计仍无法远程办公，而2/3至3/4的员工预计其疫情后远程办公模式将与疫情前的模式保持不变。这限制了电子通勤对减少高峰时段交通需求的贡献。
2022-09-30 econ.GN physics.soc-ph q-fin.EC
Should bike sharing continue operating during the COVID-19 pandemic? Empirical findings from Nanjing, China
2019冠状病毒病（COVID-19）引发全球大流行，而交通服务在冠状病毒传播中扮演关键角色。虽然不像公共汽车或地铁车那样拥挤在有限的空间里，但共享单车用户将暴露在自行车表面并承担传播风险。在COVID-19疫情期间，如何满足用户需求并避免病毒传播已成为共享单车的重要问题。本研究以南京市共享单车出行数据为基础，从站点、用户、单车三个角度分析疫情爆发前后的出行需求和运营管理。运用半对数差中差模型、可视化方法和统计指标，探讨疫情期间共享单车的运输服务和风险防范。结果表明，疫情控制策略大幅降低了用户需求，通勤出行减少更为明显。在卫生和宗教场所附近的一些车站变得更加重要。男性和老年人更依赖自行车共享系统。此外，行程减少减少了用户接触，增加了闲置自行车。并提出了一种新的用户距离概念，以避免传输风险和激活闲置自行车。这项研究评估了在COVID-19大流行期间共享微流动性的作用，并激发了城市内病毒传播的阻断。
2020-12-05 physics.soc-ph
The SHIR Model: Realistic Fits to COVID-19 Case Numbers
我们考虑一个全球（独立于地点）流行病增长模型，该模型概括了SIR模型，以适应COVID-19流行病的重要特征，特别是实施流行病减少措施。这种“SHIR”模型被应用于COVID-19数据，并显示出作为一种简单、易于处理的形式主义的希望，其参数很少，可用于对大流行病例数进行建模。作为一个例子，我们表明，来自15个中欧和西欧国家的每日新冠肺炎病例的平均时间依赖性与模型的分析，无参数预测非常一致
2020-07-28 physics.soc-ph q-bio.PE
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
Second wave COVID-19 pandemics in Europe: A Temporal Playbook
第二波大流行病对社会构成迫在眉睫的威胁，可能造成巨大的生命损失和毁灭性的经济影响。我们采用流行病重新正常化组方法，结合COVID-19的第一波数据，有效地模拟疾病在不同欧洲国家的传播和传播动态。该框架使我们不仅可以模拟欧洲边境控制的影响，还可以模拟社会距离对每个国家的影响。我们进行统计分析，平均在欧洲和世界其他地区的人类互动的不同水平。我们的结果以动画形式简洁地概括，报告欧洲COVID-19大流行第一波和第二波的时间演变。政府、金融市场、行业和公民个人可以利用我们的第二波大流行的时间剧本，有效地安排时间，准备和实施地方和全球措施。
2020-07-26 physics.soc-ph q-bio.PE
Quickest Detection and Forecast of Pandemic Outbreaks: Analysis of COVID-19 Waves
截至二零二零年十二月，COVID-19疫情已在全球范围内造成逾170万人死亡，并令全球最先进的医疗系统承受沉重压力。在许多国家，政治当局采取的严厉限制措施，如全国封锁，并没有阻止新的大流行浪潮的爆发。在这篇文章中，我们提出了一个综合的检测-估计-预测框架，该框架使用公开可用的数据，旨在：（i）了解大流行的相关特征（例如，感染率）;（ii）尽快发现传染病指数增长的开始（或结束）;及（iii）可靠地预测大流行病的演变。通过分析美国的COVID-19第二波和第三波，验证了所提出的解决方案。
2021-04-21 eess.SP physics.soc-ph q-bio.PE
Space, time and altruism in pandemics and the climate emergency
本文提出一个涵盖空间、时间与利他尺度的框架，解释为何全球对COVID-19反应强于气候变化，并指出考虑规模与反馈是研究合作的核心。
2025-10-02 physics.soc-ph q-bio.PE
Lessons learned from Milan electric power distribution networks data analysis during COVID-19 pandemic
从健康、社会及经济的角度来看，COVID-19大流行是一个破坏性事件。除此之外，人们生活方式的变化，特别是在2020年的封锁期间，也影响了能源网络。COVID-19疫情导致电力需求大幅下降。为处理健康危机而采取的封锁措施已造成过去数年最相关的能源影响。本文介绍了意大利北部城市米兰配电网的经验。该分析首先总结了2020年实施的限制，重点关注有功和无功潮流以及故障。为此，与2019年的数据进行了比较，突出了与2020年的主要差异。分析结果是预测中断期间城市配电网络行为的宝贵工具，有助于配电系统运营商制定可行的短期和长期弹性计划。
2022-05-25 physics.soc-ph
Mathematical Models for Describing and Predicting the COVID-19 Pandemic Crisis
本文研究了描述新型冠状病毒大流行危机的两个确定性模型SIR模型和SEIR模型的扩展。对这些模型进行了研究，并与实际数据进行了比较，以支持每种描述的有效性，并提取有关大流行病的重要信息，如基本再生数R0，这可能提供有关每个模型预测的大流行病增长率的有用信息。接下来，我们将继续进行预测，并将SEIR模型和SIRD模型衍生的更复杂的模型进行比较，以找到最适合描述和预测大流行危机的模型。旨在回答这个问题，如果简单的SIRD模型是能够作出可靠的预测，并提供适当的信息相比，更复杂的模型。
2020-06-03 physics.soc-ph q-bio.PE
Understanding the Impact of the COVID-19 Pandemic on Transportation-related Behaviors with Human Mobility Data
中国内地受限制的COVID-19疫情最近被视为抗击这种高传染性病毒的成功范例。无论是传播时间短（约三个月），还是中国内地确诊病例呈指数级增长，都证明中国当局采取了有效的防疫措施，如病例隔离、旅行限制、关闭娱乐场所、禁止公众集会等。这些措施当然可以有效控制COVID-19疫情的蔓延。同时，它们可能会极大地改变人类流动模式，例如公众的日常交通相关行为。为了更好地了解COVID-19对交通相关行为的影响，并提供更有针对性的抗疫措施，我们使用从中国广泛使用的网络地图服务百度地图收集的大量人类流动数据，以了解疫情期间当地人民的详细反应。具体而言，我们从1）交通工具、2）到访场馆类型、3）场馆入住时间、4）对“起点-终点”距离的偏好、5）“起点-交通-终点”模式等角度，对疫情期间的交通相关行为进行数据驱动分析。对于每个主题，我们也给出了我们的具体见解和政策制定建议。鉴于COVID-19大流行仍在全球200多个国家和地区蔓延，感染了数百万人，本文提供的见解和建议可能有助于抗击COVID-19。
2022-02-16 cs.CY physics.soc-ph
Global analysis of the COVID-19 pandemic using simple epidemiological models
在这项工作中使用了几个分析模型来描述冠状病毒（COVID-19）引起的死亡病例的演变。死亡或“D”模型是SIR（易感染-感染-恢复）模型的简化版本，该模型假设随着时间的推移没有恢复，并允许解析求解传播动力学方程。D模型可以扩展到描述不同的感染焦点，这可以解释最初的大流行（D1），封锁（D2）和其他影响（Dn）。2019冠状病毒病疫情在多个国家（中国、西班牙、意大利、法国、英国、伊朗、美国及德国）的演变显示出与D模型趋势一致的类似行为，其特征是死亡病例迅速增加，随后缓慢下降，这受到封锁效应的早期和效率的影响。这些结果与使用扩展SIR模型的更精确计算结果一致，该模型具有参数化解决方案和更复杂的Monte Carlo网格模拟，预测了类似的趋势，并表明了具有通用参数的流行病的共同演变。
2020-05-14 physics.soc-ph q-bio.PE
Trends in the E-commerce and in the Traditional Retail Sectors During the Covid-19 Pandemic: an Evolutionary Game Approach
建立了一个演化博弈模型，研究了电子商务市场中消费者和生产者之间的相互作用。提供的送货服务类型和消费者的品味对于游戏收益和玩家的策略都特别重要。博弈回报矩阵随后经调整以分析COVID-19疫情期间传统零售及电商行业发展的不同交易模式。与前者相比，电子商务部门对物流和仓库的投资使快速交付和渴望消费者成为常态的趋势得以出现。
2021-05-14 physics.soc-ph q-fin.GN
Forecasting COVID-19 Pandemic in Mozambique and Estimating Possible Scenarios
COVID-19目前是本世纪最大的流行病危机，全球登记病例超过1600万例。非洲国家现在已开始登记越来越多的病例，但针对具体非洲国家开发的模式并不多。在我们的研究中，我们使用一个简单的SEIR模型来评估和预测未来的情况下，在莫桑比克的大流行危机。我们比较了不同政策对感染曲线的影响，并估计了当前感染再生数Rt和增长率g等流行病学参数。我们已经发现了一个较低的Rt值，范围从1.11至1.48和一个积极的增长率，g = 0.22至0.27之间。我们的模拟还表明，封锁显示出将感染高峰高度平均降低28%的潜力，范围从20%到36%不等。
2020-07-28 physics.soc-ph q-bio.PE
Characterizing collective physical distancing in the U.S. during the first nine months of the COVID-19 pandemic
2019冠状病毒病大流行提供了一个前所未有的自然实验，为外源性（政府强制）和内源性（对感染风险的自发反应）起源的集体行为变化的出现提供了见解。在这里，我们通过分析一组超过550万个匿名、选择加入的美国设备的去识别、隐私保护位置数据，来描述集体物理距离--减少流动性、最小化接触、缩短接触时间--以应对疫苗前时代的COVID-19大流行。我们定义了五个用户移动性和邻近性指标，以研究新冠肺炎疫情前九个月内，新出现的集体行为如何偏离疫情前的典型模式。我们分析了由于政府强制执行的缓解政策而产生的巨大变化，以及社会在2020年秋季更自发地适应新的（物理距离）常态。这里定义的指标可以量化城乡之间的行为变化，并强调流动性和邻近性指标与表征大流行病社会和公共卫生影响（如失业和死亡）的指标之间的统计关联。这项研究提供了一个研究大规模社交距离现象的框架，可能用于分析和监测国家和国际层面大流行缓解计划的影响。
2022-12-17 physics.data-an physics.soc-ph stat.AP
Phenomenological dynamics of COVID-19 pandemic: meta-analysis for adjustment parameters
我们提出了一个处理11个不同国家的政府卫生机构提供的COVID-19数据的现象学程序。而不是使用（精确或近似）的解决方案的SIR（或其他）模型（S），以适应数据，通过调整这些模型中包含的时间无关的参数，我们引入动力学参数的时间依赖性可能是现象学获得充分外推的一个选定的子集，每天提供的数据。这种现象学方法非常有效，可以及时适当调整我们所考虑的国家的感染（和清除）人数。此外，它可以处理一些国家可能经历的亚流行病事件。通过这种方式，我们可以在不使用任何基于微分方程的先验模型的情况下获得大流行病的演变。
2020-06-25 physics.soc-ph q-bio.PE
Policy lessons from the Italian pandemic of Covid-19
本文分析意大利五波疫情管理，指出CTS构成缺乏数学专家、政治干预、疫苗初期忽视年龄及大量未接种人群等关键问题，并总结政策教训。
2023-05-14 physics.soc-ph q-bio.PE
Using mobility data in the design of optimal lockdown strategies for the COVID-19 pandemic
提出了一个新冠肺炎疫情传播的数学模型，该模型将年龄结构的易感-暴露-死亡动态与考虑人口流动性的真实手机数据相结合。通过近似贝叶斯计算进行动态模型调整。基于非线性模型预测控制确定最佳封锁和退出策略，并限制公共卫生和社会经济因素。通过广泛的计算验证的方法，它表明，它是可以计算出强大的退出战略与现实的减少流动性值，以告知公共政策的制定，我们使用来自英国和法国的数据集验证的方法的适用性。实现所描述的实验的代码可在https://github.com/OptimalLockdown获得。
2020-10-18 physics.soc-ph q-bio.PE stat.AP
Quickest Detection of COVID-19 Pandemic Onset
本文开发了一个易于实现的版本页的快速检测测试，旨在工作在某些复合假设的情况下随时间变化的数据统计。决策统计量可以以递归形式进行转换，特别适合于在线分析。通过对公开的COVID-19数据进行回溯测试，我们发现了可靠的感染爆发早期预警，事实上，该工具可能对决策者在未来可能需要采取的限制性措施的时间方面有用。
2021-04-20 eess.SP physics.soc-ph q-bio.PE
