An empirical model on the dynamics of Covid-19 spread in human population
我们提出了一个数学模型来分析一个地区在持续的大流行中感染新冠病毒的总人数的时间演变。利用各国新冠病毒感染人口的现有数据，我们建立了一个模型，该模型可以成功跟踪这种传染病在给定波中从早期到饱和期的时间演变。它涉及一组可以从现有数据中提取的有效参数。利用这些参数，还可以预测疾病传播的未来轨迹。还提出了一组微分方程，其解是这些时间演化轨迹。使用这种形式主义，我们预测了一些国家的感染传播的未来时间演变轨迹，这些国家的COVID-19感染仍在迅速上升。
2020-08-13 physics.soc-ph q-bio.PE
Is the epidemic spread related to GDP? Visualizing the distribution of COVID-19 in Chinese Mainland
于二零一九年十二月，中国湖北省武汉市发现COVID-19。SARS-CoV-2在中国春运期间迅速蔓延到整个中国大陆。截至二零二零年二月十九日，中国大陆已报告74 576例COVID-19确诊病例。什么样的城市确诊病例比较多，GDP和确诊病例有没有关系？在这项研究中，我们探索了新冠肺炎确诊病例与地级GDP之间的关系，发现两者之间呈正相关关系。这一发现警告说，当疫情爆发时，高GDP地区应该付出更多的预防和控制努力，因为它们比附近的其他地区有更大的风险。
2020-04-09 physics.soc-ph q-bio.PE
Modeling COVID-19 Spread in Small Colleges
我们在一个网络上开发了一个基于代理的模型，旨在捕捉COVID-19在一个小型住宿学院中传播的独特特征。我们发现，一个安全的重新开放需要强有力的政策，从管理员结合学生的谨慎行为。强有力的政策包括每周一次的筛查测试，快速周转和减半的校园人口。学生的谨慎行为意味着戴口罩，减少社交，并出现COVID-19检测。我们还发现，全面的测试和口罩是最有效的单一干预措施，建筑物的封闭可能会导致其他地区的感染高峰，这取决于学生的行为，更快的测试结果返回显着减少总感染。
2020-08-21 physics.soc-ph q-bio.PE
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
Spreading of infections on random graphs: A percolation-type model for COVID-19
利用渗流理论中的概念，我们引入了一个网络上的传染病传播模型。该模型的动机是讨论标准的SIR模型，扩展到描述人口内的封锁的影响。的基本思想和行为的晶格模型，实现使用相同的锁定方案的SIR计划，详细讨论和说明了广泛的模拟。就美国COVID-19数据的情况提供了两种模型之间的比较。这两个拟合的经验数据是非常好的，但两种方法之间出现了一些差异，这表明有一个替代的方法，广泛的SIR模型的有用性。
2020-06-01 physics.soc-ph q-bio.PE
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
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
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
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
The effect of cities and distance on COVID-19 spreading in the United States
2019冠状病毒病大流行通过多种时空动态随时间演变。不同地理区域之间相互作用的程度不同，可能会导致复杂的传播模式，因此很难辨别这些区域之间的影响。在这里，我们使用互相关分析来检测美国县级新冠肺炎病例时间演变的同步演变和潜在的相互影响。我们的分析确定了两个主要的时间段，在相关性的行为中具有可区分的特征。在第一阶段，只有城市地区之间出现了一些强相关性。在该流行病的第二阶段，强相关性变得普遍，并且存在从城市到农村地区的明显方向性影响。总体而言，两县之间的距离的影响远远弱于县人口的影响。这种分析可以提供关于疾病演变的可能线索，并可以确定该国哪些地区的干预措施在限制疾病传播方面可能更有效。
2022-11-14 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
On the Interplay of Regional Mobility, Social Connectedness, and the Spread of COVID-19 in Germany
由于呼吸道病毒传播的主要模式是人与人之间的相互作用，我们需要重新考虑身体相互作用模式，以减少感染COVID-19的人数。虽然研究表明，非药物干预（NPI）对国家流动模式有明显影响，但我们调查了相对的区域流动行为，以评估人员流动对COVID-19传播的影响。特别是，我们探讨了从Facebook活动中产生的人员流动性和社交联系对2020年3月3日至6月22日期间德国每周新感染率的影响。我们的研究结果证实，减少社会活动降低感染率，占区域和时间模式。社会距离的程度，以留在联邦行政区内的人的百分比来量化，对感染的发生率有总体的负面影响。此外，我们的研究结果显示了基于地理和社会距离的空间感染模式。
2021-07-02 physics.soc-ph stat.AP
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
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
The spread of COVID-19 increases with individual mobility and depends on political leaning
实施社交距离政策是减轻当前COVID-19疫情影响的关键。然而，它们的有效性最终取决于人的行为。在美国，疫情期间，遵守社交距离政策的情况迄今差异很大。但是，是什么导致了这种变化呢？通过六个开放数据集，包括实际的人类流动，我们估计了美国3,107个县的流动性与COVID-19病例增长率之间的关联，概括了以前的报告。此外，2016年美国总统大选的数据被用来衡量流动性和COVID-19增长率之间的关联如何根据投票模式而有所不同。政治倾向与COVID-19增长率之间存在显著关联。我们的研究结果表明，政治取向可能为预测政策对减少COVID-19传播的影响的模型提供信息。
2020-10-11 physics.soc-ph
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
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
Hate multiverse spreads malicious COVID-19 content online beyond individual platform control
我们发现，恶意的COVID-19内容，包括仇恨言论、虚假信息和错误信息，利用在线仇恨的多元宇宙迅速传播，超出了任何个人社交媒体平台的控制。机器学习主题分析定量显示了在线仇恨社区如何将COVID-19武器化，主题迅速发展，内容变得越来越一致。我们的数学分析提供了一种广义形式的公共卫生R 0，预测了多宇宙范围内病毒传播的临界点，这就提出了新的政策选择，以减轻恶意COVID-19内容的全球传播，而不依赖于未来所有在线平台之间的协调。
2020-04-21 nlin.AO physics.pop-ph physics.soc-ph
Spatial analysis and prediction of COVID-19 spread in South Africa after lockdown
COVID-19对南非有什么影响？本文旨在协助研究人员和决策者以南非为重点对抗COVID-19大流行。本文通过热点区域的热图检索和Moran指数的空间分析，重点关注疾病的传播。为了捕捉南非各省之间的空间自相关，相邻的，以及地理距离的措施，被用作绝对和相对计数的权重矩阵。此外，广义逻辑增长曲线模型用于预测COVID-19传播。我们希望这种数据驱动的建模能够为热点识别和控制病毒传播的及时行动提供一些见解。
2020-05-19 physics.soc-ph stat.ME
Examining the Global Spread of COVID-19 Misinformation
2019冠状病毒病全球大流行导致了基于健康、政治和阴谋的错误信息在网上泛滥。了解这种错误信息的影响范围和信念对于管理这场危机以及未来的危机至关重要。我们的全球调查结果发现，人们对与新冠肺炎相关的错误信息的看法令人不安，而且与那些主要从社交媒体上消费新闻的人存在相关性，在美国，这与政治倾向有很强的相关性。
2021-01-27 cs.SI physics.soc-ph
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
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
A Spatial Stochastic SIR Model for Transmission Networks with Application to COVID-19 Epidemic in China
世界各国政府已实施预防措施，以防止冠状病毒病（COVID-19）的传播。在这项研究中，我们考虑了一个多变量离散时间马尔可夫模型来分析COVID-19在中国33个省级地区的传播。这种方法使我们能够评估流动限制政策对疾病传播的影响。我们使用跨区域的日常人类流动数据，并应用贝叶斯框架来估计所提出的模型。结果显示，疫情在中国的传播主要由区域内的社区传播驱动，而地方政府推出的封锁政策遏制了疫情的蔓延。此外，我们的文件表明，湖北只是早期流行阶段的震中。北京和广东等二级震中已于二零二零年一月底确立，疫情蔓延至相关地区。在各区域实行人员流动限制后，来自这些震中的传播大幅下降。
2020-08-17 econ.GN 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
Characterizing the COVID-19 Transmission in South Korea Using the KCDC Patient Data
随着COVID-19疫情在全球范围内的发展，世界卫生组织（世卫组织）及其成员国一直严重依赖留在国内并采取封锁措施来控制病毒的传播。在过去几个月里，各种迹象表明COVID-19曲线正在平坦化，但即使部分解除了一些遏制措施（例如，学校关闭和远程办公）似乎有利于第二波疾病。因此，准确评估可能的对策及其适时撤销对于避免未来的波或减少其持续时间至关重要。本文分析了韩国疾病控制与预防中心（KCDC）从2020年1月20日至2020年5月31日收集的感染患者的患者和途径数据。这种数据分析有助于我们描述患者的移动模式，然后使用这种特征来参数化模拟，以评估不同的假设场景。虽然这不是COVID-19如何在人群中传播的确定模型，但它的有用性和灵活性通过使用真实世界的数据来探索各种情况下的病毒传播来说明。
2020-12-24 cs.SI physics.soc-ph q-bio.PE
Universal Urban Spreading Pattern of COVID-19 and Its Underlying Mechanism
目前，全球COVID-19疫情正在恶化，迫切需要采取有效的控制和预防措施。了解COVID-19的传播模式已被广泛认为是实施非药物措施的重要一步。以前的研究调查了大规模的这样一个问题（例如，国家间或国家间）的情况，而城市蔓延模式仍然是一个悬而未决的问题。在这里，我们通过利用中国9个城市197，808名智能手机用户（包括17，808名匿名确诊病例）的轨迹数据来填补这一空白。我们发现一个普遍的传播模式，在所有的城市：确诊病例的空间分布遵循幂律模型和传播质心是时不变的。此外，我们发现，人类流动在一个城市驱动的时空传播过程：长的平均旅行距离导致高的传播半径的增长率和广泛的空间扩散的确诊病例。有鉴于此，我们采用Kendall模型来模拟COVID-19的城市传播，该模型能够很好地拟合真实的传播过程。我们的研究结果揭示了COVID-19时空城市演变背后的潜在机制，可用于评估许多政府实施的流动限制政策的绩效，并估计COVID-19的不断演变的传播情况。
2020-12-30 cs.SI physics.med-ph physics.soc-ph
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
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
Solvable delay model for epidemic spreading: the case of Covid-19 in Italy
我们研究了一个简单的现实模型，用于描述传染病在人群中的扩散。的动态是由一个单一的功能延迟微分方程，其中，在一个大的人口的情况下，可以精确地解决，即使在存在的时间依赖性的感染率。这种延迟模型比流行病学中常用的所谓SIR模型具有更高的准确度，SIR模型是用常微分方程来表示的。我们应用此模型描述新型传染病Covid-19在意大利的爆发，并考虑到政府为减缓病毒传播而实施的遏制措施以及人口的社会成本。
2020-09-10 cond-mat.stat-mech physics.soc-ph q-bio.PE
Modeling and forecasting the COVID-19 temporal spread in Greece: an exploratory approach based on complex network defined splines
在抗COVID-19健康管理的复杂框架内，各国的诊断检测标准、公共卫生资源和服务的可用性以及所应用的抗COVID-19政策各不相同，时间传播建模的可靠性和准确性可以证明在全球抗击疾病方面是有效的。本文对希腊的疾病演变进行了探索性的时间序列分析，这是目前COVID-19管理的成功案例。该方法建立在最近的概念化检测连接社区的时间序列，并开发了一种新的样条回归模型，其中节点向量是由社区检测在复杂的网络。总体而言，该研究通过提出一个无间断的过去数据和可靠的预测框架，有助于COVID-19研究，这可以促进可用卫生资源的决策和管理。
2020-05-03 physics.soc-ph
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
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
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
Modelling the spread of Covid19 in Italy using a revised version of the SIR model
在本文中，我们提出了一个模型来预测COVID-19疫情的传播，并将其应用于意大利的具体案例。我们从一个简单的易感、受感染、被感染（SIR）模型开始，并添加了一个条件，即在一定时间后，基本繁殖数$R_0$随时间呈指数衰减，正如世界数据所表明的那样。使用这个模型，我们能够再现流行病的真实行为，平均误差为5%。此外，我们说明了未来可能的情况下，与不同的间隔$R_0$。该模型自2020年3月初以来一直在使用，预测2020年4月意大利的疫情高峰约为10万例。疫情的真正高峰发生在2020年4月20日，有10.8万例活动病例。这一结果表明，该模型对意大利的情况具有预测能力。
2020-05-19 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
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
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
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
Understanding spatial propagation using metric geometry with application to the spread of COVID-19 in the United States
本文介绍了一种使用度量几何进行时空数据分析的新方法，以研究COVID-19在美国的传播。使用测地线Wasserstein度量，我们分析的密度函数之间的差异，新的情况下计数在任何给定的一天，将地理传播的情况下。首先，我们应用这一点来识别COVID-19地理分布变化最深刻的时期。最大的转变发生在2020年5月至6月，当时COVID-19从主要控制东北部各州转变为全国范围内的更广泛分布。我们以分布的测地方差程度的新量度支持我们的发现，证明COVID-19的地理印记最集中于二零二零年五月。接下来，我们研究了这种流行病是否表现出有意义的空间逆转模式，即类似的地理分布稍后会恢复。我们发现，COVID-19在美国的第二波和第三波传播之间存在广泛的相似性，在较小程度上，第一波东北部主导地位的重新出现更接近今天。这种方法可以为分析人员提供新的见解，以监测流行病的动态传播，并使区域决策者能够保护他们的地方。更广泛地说，我们介绍的框架可以应用于随着时间和空间的变化而变化的各种问题。
2021-11-05 physics.soc-ph
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
The limits of human mobility traces to predict the spread of COVID-19
移动电话数据已被广泛用于模拟COVID-19的传播，然而，在不同环境下量化和比较其预测价值具有挑战性。其质量受到各种因素的影响，与流行病学指标的关系也随时间而变化。在这里，我们采用了一种基于传输熵的无模型方法，量化了200多个欧洲国家以下地区的手机衍生移动性指标与COVID-19病例和死亡之间的关系。我们发现，过去对流动性的了解并不能提供大部分地区COVID-19病例或死亡的统计学显著信息。在其余的研究中，接触率的衡量标准在预测疾病传播方面往往比流动更有信息量，而中距离和短距离流动之间最具预测性的衡量标准取决于所考虑的区域。我们最终确定了地理和人口因素，例如用户的覆盖范围和通勤模式，这些因素可以帮助确定预测特定位置疾病发病率的最佳指标。我们的方法为流行病学家和公共卫生官员提供了一个总体框架，以评估人类流动数据在应对流行病方面的有用性。
2023-01-10 physics.soc-ph
Digital cities and the spread of COVID-19: characterizing the impact of non-pharmaceutical interventions in five cities in Spain
本研究开发了一个高分辨率、数据驱动的基于智能体的模型，用于模拟COVID-19在西班牙五个城市中的传播，并评估非药物干预措施的效果，为决策提供模拟工具。
2022-12-13 physics.soc-ph
Mean field game for modeling of COVID-19 spread
本文提出了一种可能的方法来模拟流行病的传播。该模型是基于平均场控制的独立群体，即可疑（S），感染（I），删除（R）和交叉免疫（C）。本文给出了求解该问题的数值算法，保证了种群在时间轴上的总质量守恒。数值实验展示了在新西伯利亚（俄罗斯）两个100天期间对COVID-19病毒传播进行建模的结果。
2021-12-23 cs.NA math.NA math.OC
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
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
