Study of lockdown/testing mitigation strategies on stochastic SIR model and its comparison with South Korea, Germany and New York data
我们目前正面临一场全球性大流行病的高度危急情况。新型冠状病毒（SARS-CoV-2，又名COVID-19）已被证明具有极强的传染性，最初从亚洲爆发的疫情现已蔓延到所有大陆。这种情况将有益于研究病毒的传播，评估有效的对策，以衡量所采取的战略的影响。标准的易感-传染-传播（SIR）模型是一个非常成功和广泛使用的预测流行病传播的数学模型。我们在随机网络上采用SIR模型，并将该模型扩展到包括控制策略{ \em锁定}和{ \em测试} -两种常用的缓解策略。这些策略在控制大流行病传播方面的能力通过改变其实施的有效性来研究。在撤回缓解战略后，详细评估了第二次爆发的可能性。我们注意到，在任何情况下，这种缓解战略的突然中断都可能导致第二次疫情的重新爆发，其高峰将与易感个体的数量相关。事实上，我们发现，在群体免疫力实现之前，一个群体仍然容易受到感染。我们还用韩国、德国和纽约的疫情传播的真实统计数据和信息测试了我们的模型，发现与模拟数据非常一致。
2020-06-20 physics.soc-ph q-bio.PE
Effective lockdown and role of hospital-based COVID-19 transmission in some Indian states: An outbreak risk analysis
印度有几份报告表明，医院和隔离中心是COVID-19的热点。在缺乏有效的接触者追踪工具的情况下，政府和政策制定者可能没有注意到医院传播的风险。为了进一步探索这一重要途径及其对封锁效应的可能影响，我们开发了一个基于医院传播的机制模型。我们使用来自六个邦（马哈拉施特拉邦、德里、中央邦、拉贾斯坦邦、古吉拉特邦和北方邦）和整个印度的每日通报的COVID-19病例，估计了模型的几个重要参数。此外，我们还提供了这七个地点的基本（$R_{0}$）、社区（$R_{C}$）和医院（$R_{H}$）生殖数量的估计。为了获得对未来COVID-19病例的可靠预测，使用BMA后处理技术将机械模型与混合统计模型集成。我们使用集合模型，预测2020年5月3日至2020年5月20日期间，在上述地点五种不同的封锁情况下，COVID-19通报病例（每日和累积）。我们对机制模型的分析表明，大多数新的COVID-19病例目前在上述七个地点未被发现。此外，对$R_{0}$的四个流行病学可测量\可控参数以及封锁效应的全球敏感性分析表明，如果不立即采取适当的预防措施，医院和隔离中心可能会引发更大规模的COVID-19疫情。在大多数地区，我们的集合模型预测显示，印度未来几周的COVID-19通报病例将大幅增加。根据我们的研究结果，我们提出了一项遏制政策，可能会减少未来几天更大规模COVID-19爆发的威胁。
2020-05-03 math.DS q-bio.PE
Modelling lockdown measures in epidemic outbreaks using selective socio-economic containment with uncertainty
在推出旨在阻止SARS-CoV 2疫情蔓延的严厉遏制措施后，许多政府在面临封锁造成的严重经济危机时采取了基于定期放松此类措施的策略。评估这种开放对疾病重新蔓延的风险的影响是一个极其困难的问题，因为在感染者的实际人数、实际繁殖人数和疾病的感染死亡率方面存在许多未知数。在这项工作中，从一个隔间模型与社会结构和随机输入，我们推导出模型与多个反馈控制，这取决于社会活动，允许评估的影响，选择性放松的遏制措施，在存在不确定的数据。在家庭、工作场所、学校和其他地点的具体接触模式已被考虑。从不同的情况下，在一些主要国家，包括德国，法国，意大利，西班牙，英国和美国的第一波流行病的结果，介绍和讨论。
2021-06-09 math.OC q-bio.PE
SIR-RL: Reinforcement Learning for Optimized Policy Control during Epidemiological Outbreaks in Emerging Market and Developing Economies
BML Munjal University（BML Munjal大学）；Ambo University（安博大学）
本文提出SIR-RL强化学习框架，结合SIR模型、封锁严格性指数与疫苗接种策略，为新兴市场和发展中经济体优化疫情期间公共卫生与经济稳定之间的政策权衡。
2024-04-30 cs.LG physics.soc-ph q-bio.PE
How will mass-vaccination change COVID-19 lockdown requirements in Australia?
背景资料：为防止未来爆发COVID-19，澳大利亚正推行大规模疫苗接种方法，其中包括医护人员、老年护理居民及其他暴露风险增加的个人在内的目标人群将优先接种高效疫苗。其他人将获得效果较差的疫苗。研究方法：我们在澳大利亚应用了一个大规模的基于代理人的COVID-19模型，以研究这种混合方法对大规模疫苗接种的可能影响。该模型根据澳大利亚最近的流行病学和人口统计数据进行校准，并考虑了疫苗效力的几个组成部分。调查结果：在一个可行的范围内的疫苗效力值，我们的模型支持的断言，完全群体免疫接种疫苗是不可能在澳大利亚的情况下。对于群体免疫未实现的现实场景，我们模拟了大规模疫苗接种对疫情增长率的影响，并研究了用于遏制后续疫情的封锁措施的要求。在我们的模拟中，澳大利亚的疫苗接种策略可以将所需的封锁强度和初始疫情增长率分别降低43%和52%。流行病的严重程度，以每日新病例的峰值数量来衡量，在合理的大规模疫苗接种和封锁战略下，下降了两个数量级。释义：该研究为澳大利亚开展大规模疫苗接种活动提供了强有力的论据，这将大大降低未来疫情的强度和抑制疫情所需的非药物干预措施的严格性。
2021-08-06 q-bio.PE
Assessing the Interplay between travel patterns and SARS-CoV-2 outbreak in realistic urban setting
密集的社会接触网络和拥挤的城市地区的高度流动性助长了传染病的迅速传播。典型的机制流行病学模型要么基于均匀混合与ad-hoc接触过程，要么需要实时或存档的人口流动数据来模拟社交网络。然而，新型冠状病毒（SARS-CoV-2）的快速全球传播导致全球和区域范围内前所未有的封锁，使存档数据集的使用受到限制。虽然人们经常假设人口密度是疾病传播的重要驱动因素，但具有可比密度的不同城市所表现出的不同疾病轨迹和感染率需要对疾病及其驱动因素进行高分辨率的描述。在这项研究中，我们探讨了在城市内的旅行模式的遏制区的创建的影响。此外，我们使用一个动态的基于网络的传染病模型，以了解疾病传播的关键驱动因素，在亚公里尺度证明在艾哈迈达巴德，印度，已被列为SARS-CoV-2的热点城市。我们发现，除了接触网络和人口密度，道路连接模式和交通便利程度与疾病的传播率密切相关。鉴于在封锁期间对实时交通数据的访问有限，我们使用开源调查和政府报告中的开源图像和出行模式生成道路连通网络。在拟议的框架内，我们分析了社交距离、强制封锁以及加强检测和预防措施减轻疾病传播的相对优点。
2020-09-25 physics.soc-ph q-bio.PE
Epidemic analysis of COVID-19 in China by dynamical modeling
新型冠状病毒肺炎（COVID-19）在武汉的爆发引起了全球的关注。在这里，我们提出了一个广义SEIR模型来分析这种流行病。基于2020年1月20日至2月9日国家卫生健康委员会的公开数据，我们可靠地估计了关键的流行参数，并对5个不同地区的拐点和可能的结束时间进行了预测。据乐观估计，北京和上海的疫情将在两周内结束，而对于中国大部分地区，包括湖北省的大部分城市，抗疫成功将不迟于3月中旬。武汉的情况仍然非常严峻，至少根据2月15日之前的公开数据来看。我们预计它将在4月初结束。此外，通过反向推理，我们发现COVID-19在内地、湖北省和武汉的爆发都可以追溯到2019年12月底，早期的翻倍时间约为两天。
2020-06-25 q-bio.PE
Did the lockdown curb the spread of COVID-19 infection rate in India: A data-driven analysis
为了分析印度连续三次全国封锁的效果，我们对四个关键参数进行了数据驱动分析，即降低传播率，抑制增长率，平坦化流行曲线和改善医疗保健系统。通过考虑四个不同的指标，即繁殖率、生长率、倍增时间和死亡与恢复比率，对这些指标进行了量化。本集团利用指数增长、最大似然估计、序贯贝叶斯方法及时间依赖性繁殖估计，分析印度COVID-19疫情（于二零二零年三月二日至二零二零年五月三十一日期间）的发病率数据，以获得与疫情曲线的最佳拟合。最佳拟合（基于所考虑的数据）是时间依赖性方法。因此，该方法用于评估对有效繁殖率的影响。从封锁前到封锁3结束的时间段，有效繁殖率下降了$45\%$。在同一时期，生长速率从锁定前的$393\%$降低至锁定3后的$33\%$，伴随着平均倍增时间从$4$ - $6$天增加至$12$ - $14$天。最后，死亡与康复比率从$0.28$（封锁前）下降到封锁3后的$0.08$。总括而言，评估封城措施成效的四项指标自封城措施前至封城措施三结束期间均出现重大有利变化。使用这些指标分析封锁后期间的数据将更清楚地说明封锁的成功程度。
2020-06-22 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
Epidemic response to physical distancing policies and their impact on the outbreak risk
我们引入一个理论框架，突出物理距离变量，如人类流动和物理接近流行病的演变，至关重要的是，对繁殖数量的影响。特别是，为应对冠状病毒病（CoViD-19）大流行，各国已引入不同程度的“封锁”，以减少新感染人数。具体来说，我们使用碰撞的方法来描述的更新方程的时间齐次演化的流行病的感染年龄结构模型。因此，我们展示了封锁政策的各种贡献，即物理接近和人类流动，如何减少SARS-CoV-2的影响，并减轻疾病复发的风险。我们检查我们的理论框架，使用现实世界的数据与两个不同的数据存储库的物理距离，获得一致的结果。最后，我们提出了一个方程的有效再生数，考虑到类型的人之间的相互作用，这可能有助于政策制定者改善远程工作的组织结构。
2020-07-31 econ.GN physics.soc-ph q-bio.PE
Network-based Prediction of COVID-19 Epidemic Spreading in Italy
SARS-CoV-2病毒最初出现在中国武汉市，随后几乎在全球范围内传播，导致大流行，在中国病例中，该病毒在接触网络上相当好地遵循SIR（易感-传染-隔离）流行模型。在本文中，我们调查的SIR模型对网络的预测精度也为意大利。具体来说，意大利地区是一个集合种群代表的网络节点和网络链接是这些地区之间的相互作用。然后，我们修改了基于网络的SIR模型，以考虑意大利政府在COVID-19传播的各个阶段采取的不同封锁措施。我们的研究结果表明，基于网络的模型更好地预测每日累计感染的个人时，随时间变化的锁定协议被纳入经典的SIR模型。
2020-10-27 cs.SI physics.soc-ph q-bio.PE
Supporting Real-Time COVID-19 Medical Management Decisions: The Transition Matrix Model Approach
自2019冠状病毒病在中国武汉爆发以来，已经提出了许多预测模型来预测冠状病毒感染病例的轨迹。我们提出了一个新的离散时间马尔可夫链转移矩阵模型，直接结合随机行为，参数估计是直接从现有的数据。使用来自中国湖北省（武汉是省会城市）的数据，该模型被证明是灵活的，强大的，准确的。因此，它已被第一支上海援助武汉金银潭医院的医疗队所采用，这是世界上第一家接收COVID-19患者的指定医院。该预测已用于准备医务人员，重症监护病房（ICU）病床，呼吸机和其他重症监护医疗资源，并支持实时医疗管理决策。我们收集了中国抗击COVID-19的前两个月（1月/2月）的经验数据，并通过将NPI效率嵌入模型来增强模型。我们应用该模型预测了3月9日的意大利、韩国和伊朗。随后，我们在3月24日对西班牙、德国、法国和美国进行了预测。同样，该模型的表现非常好，被证明对中国以外的大多数国家/地区都是灵活、稳健和准确的。
2020-07-01 physics.soc-ph 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
COVID-19 in Africa -- outbreak despite interventions?
截至2020年4月18日，很少有非洲国家报告的COVID-19病例数超过$1\,000$，南非报告的$3\,034$病例在撒哈拉以南非洲受到的打击最大。一些非洲国家，特别是南非，已经采取了强有力的非药物干预措施，包括实际距离，限制经济、教育和休闲活动，减少人员流动选择。然而，由于大多数非洲国家同时存在但又相互对立的利益，人们对这种干预措施所需的力量和总体效力进行了辩论：保健能力和检测能力极为有限，这在很大程度上与国家经济的压力和个人的社会经济困难相冲突，限制了对干预目标的遵守。在此，我们调查了干预措施对COVID-19疫情动态的影响，重点关注南非在2020年3月27日实施全国封锁之前和之后的情况。我们的分析表明，现有病例数的初始指数增长与大约$2.5$天的倍增时间一致。封锁后，增长仍呈指数增长，目前翻倍时间为18天，但仍与封锁后湖北/中国报告的指数以下增长形成对比。此外，纳尔逊曼德拉湾市（拥有$1.14$百万居民）基于计算数据驱动的代理人流动性模型的情景分析表明，将当前水平的干预措施和遵守情况保持到4月底的时间不够长，仍然太弱，太不具体或太不一致，无法使当地重症监护能力过载。然而，持久的、稍强有力的、更具体的干预措施加上充分的遵守，可能是南非各地区以及非洲大陆大部分地区干预措施的一个可行选择。
2020-04-26 nlin.AO q-bio.PE
A Macroeconomic SIR Model for COVID-19
当前的COVID-19大流行和随后的封锁凸显了一个国家的公共卫生和经济健康之间的密切和微妙的关系。因此，使用现有流行病模型计算疾病爆发影响的宏观经济模型，对于政策制定者在这种危机中寻求评估最佳行动方案极为有用。我们开发了一个新冠肺炎大流行的SIR模型，该模型明确考虑了群体免疫、行为依赖的传播率、远程工作者和封锁的间接外部性。这个模型被提出作为一个退出时间控制问题，其中锁定结束时，人口实现群体免疫力，无论是自然或通过疫苗。社会规划者为两个不同的成年人群体规定了不同的封锁级别：低风险（20-64岁）和高风险（65岁及以上）。这些水平是通过优化目标函数来确定的，该目标函数将宏观经济成本分配给封锁水平和死亡人数。我们发现，一旦达到群体免疫力，通过结束封锁，高风险个体能够在疫苗到来之前显著离开封锁，而不会导致死亡率大幅增加。此外，如果我们纳入一个行为依赖的传播率，这代表了增加的个人谨慎，以应对感染水平的增加，产量损失和总死亡率降低。当低风险和高风险个体之间的互动减少时，锁定功效进一步增加，并且增加远程工作减少了输出损失。总体而言，我们的模型预测，在群体免疫力到来时结束的封锁，加上减缓病毒传播的个人行动，可以将总死亡率降低到无封锁水平的三分之一，同时允许高风险个体在疫苗到达之前离开封锁。
2020-06-23 math.OC physics.soc-ph q-bio.PE
Exact Properties of SIQR model for COVID-19
SIQR模型被重新制定，其中重新定义了感染和隔离的分区，以便适用于COVID-19，并给出了模型的确切属性。结果表明，最大感染人数在很大程度上取决于隔离率，隔离措施比封锁措施更有效地控制大流行。被隔离的病人人数的高峰出现的时间比感染人数成为最大的时间晚。基于期望效用理论，提出了一个在封锁措施和隔离措施空间中寻求最优策略的理论框架，该框架以最小化最大感染人数为目标，将大流行病的爆发控制在早期。
2020-08-17 physics.soc-ph q-bio.PE
Robustly estimating the COVID19 epidemic curve in northern Italy using all-cause mortality
背景：意大利北部是受新冠疫情影响最严重的地区之一。现在人们普遍认为，在第一名患者被发现之前，病毒已经悄悄地传播了至少两周。在这一沉默阶段，以及在接下来的几周里，当医院系统负担过重时，数据收集的方式不够准确，无法估计流行曲线。为了评估病毒传播的动态和遏制措施的有效性，我们尝试使用全因死亡率数据重建流行曲线。研究方法：我们从国家统计局收集了按年龄分层的全因死亡率数据，以及其他政府机构发布的与COVID相关的死亡数据。使用SEIR模型与估计的暴露死亡时间分布，我们拟合的繁殖数量在不同阶段的传播在区域水平。结果：我们估计在病例1被确定之前的繁殖数为2.6+/-0.1。伦巴第大区的学校关闭使该指数降至1.3。软封锁措施导致R<0.8，当引入硬封锁时没有观察到进一步的降低（例如Emilia-Romagna软封锁0.67 +/-0.07，硬封锁0.69+/-0.071）。在严格封锁期间，>75岁年龄段的生殖数量始终高于其他人群（例如，米兰省为0.98 vs 0.71），这表明退休设施中爆发了疫情。从3月7日开始，贝加莫省和布雷西亚省的生殖数量明显低于采取同样严格封锁措施的其他地区（附近省份：0.73，布雷西亚：0.52，贝加莫0.43），这支持了这些省份的大部分人口在3月初已经感染的假设。
2020-08-09 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
Forecasting hospital demand during COVID-19 pandemic outbreaks
我们提出了一个分区SEIRD模型，旨在预测当前COVID-19爆发期间大都市地区的医院入住率。该模型以无症状和有症状感染者为特征，并附有详细的医院动态。我们明确的模型分支概率和非指数停留时间在每个潜伏和感染的隔间。使用入院确诊病例和死亡病例，我们推断出接触率和动力系统的初始条件，考虑断点来模拟封锁干预措施。我们的贝叶斯方法使我们能够及时产生医院需求的概率预测。该模型已被墨西哥联邦政府用于协助公共政策，并已被应用于该国70多个大都市区和32个州的分析。
2020-06-05 q-bio.PE q-bio.QM
COVID-19: $R_0$ is lower where outbreak is larger
我们使用意大利伦巴第大区（受COVID-19疫情影响最严重的地区）的每日数据，对每个城市单独校准SIR模型。这些都由同一个卫生系统覆盖，在我们关注的封锁后阶段，所有这些都受到相同的社交距离规定的约束。我们发现，在分析期开始时病例数较高的城市扩散率较低，这不能归因于群体免疫。特别是，有一个强大的和非常显着的负相关性之间的估计基本繁殖数（$R_0$）和初始爆发规模，在相反的作用$R_0$作为一个\emph{predictor}的爆发规模。我们探讨了对这一现象的不同可能解释，并得出结论，更多的病例会导致行为的改变，例如在人群中采取更严格的社交距离措施，从而减少传播。这一结果要求透明、实时地分发详细的流行病学数据，因为这些数据会影响受疫情影响地区人口的行为。
2020-04-16 econ.GN physics.soc-ph q-bio.PE
COVID-19 pandemic control: balancing detection policy and lockdown intervention under ICU sustainability
我们在这里考虑扩展的SIR模型，包括最近COVID-19爆发的几个特征：特别是感染和康复的个体可以被检测到（+）或未被检测到（-），我们还整合了重症监护病房（ICU）的能力。我们的模型可以使用锁定和检测干预杠杆对控制流行动态的最佳政策进行易于处理的定量分析。基于COVID-19相关文献的参数规范，我们研究了各种数量对最优策略的敏感性，同时考虑到大流行的卫生和社会经济成本之间的微妙权衡，以及ICU的有限容量水平。我们将最佳封锁政策确定为分为4个连续阶段的干预措施：首先是快速而强有力的封锁干预措施，以阻止传染病的指数增长;第二是短暂的过渡阶段，以降低病毒的流行率;第三是长期的ICU能力和稳定的病毒流行率;最后是恢复正常的社会交往，病毒消失。因此，最佳方案避免了第二波感染，前提是锁定释放得足够慢。我们还提供最佳干预措施，增加ICU容量，并优化检测传染性和免疫个体的工作。每当引入大量资源来检测感染者时，可以释放社交距离的压力，而检测免疫个体的影响则较为温和。
2020-05-22 cs.SY eess.SY physics.soc-ph
Critical community size for COVID-19 -- a model based approach to provide a rationale behind the lockdown
背景：限制性大规模隔离或封锁已被实施为对抗COVID-19的最重要控制措施。许多国家已经实施了2 - 4周的封锁，并根据其当前的疾病情况延长封锁期。最有可能的是，COVID-19的估计传播期为14天，这促使了这一决定。但是，巴特利特在1957年提出了这样一种观点，即如果易感人群下降到某个阈值以下，除非疾病从外部重新引入，否则在一段固定的时间后（在爆发后），感染将在小社区中自然消失。这个阈值被称为临界社区规模（CCS）。方法：我们提出了一个解释COVID-19疾病动力学的SEIR模型。使用我们的模型，我们计算了特定国家的预期灭绝时间（TTE）和CCS，这将基本上确定所需的理想封锁天数和隔离人口的规模。调查结果：根据给定的国家死亡率、康复率和其他参数，我们确定，如果一个地方的易感人群总数降至CCS以下，除非感染是从外部传入的，否则在TTE天数后感染将不复存在。但这种疾病几乎很快就会消失。我们计算了各国对理想封锁天数的估计。因此，较小的封锁阶段足以遏制COVID-19。值得注意的是，我们的模型显示，大约一年后，感染率又出现了上升，但幅度较小。
2020-04-07 q-bio.PE
Intermittent yet coordinated regional strategies can alleviate the COVID-19 epidemic: a network model of the Italian case
2019年底在中国武汉出现的COVID-19疫情对意大利的打击尤为严重，导致意大利实施了严格的全国封锁规定（第一阶段）。目前，意大利国内外正在就重启一个国家以退出国家封锁（第二阶段）的最佳策略进行激烈的辩论。以前的研究集中在国家一级可能重新启动的情景建模，忽略了意大利和世界其他国家一样，被划分为行政区域，这些行政区域可以独立监督自己在意大利国家卫生服务中的份额。在这项研究中，我们表明，区域主义和地区之间的异质性，是必不可少的了解流行病的传播，更重要的是，设计有效的封锁后的战略，以控制疾病。为了实现这一目标，我们将意大利建模为一个区域网络，并根据从最初爆发起近两个月的真实数据对每个区域的模型进行参数化。使用该模型，我们确认了意大利政府迄今为止为减缓疾病传播而实施的国家封锁战略在区域层面的有效性，并显示了其在区域层面的有效性。我们还建议，在第二阶段，尽管协调，但有区别的区域干预措施可以有效地重新启动国家，避免未来再次出现疫情，同时避免区域卫生系统饱和，减轻对成本的影响。我们的研究和方法可以很容易地扩展到其他粒度级别（同一地区的省或县或其他联邦国家的州等）。支持政策制定者和决策者。
2020-05-15 physics.soc-ph q-bio.PE
Optimal periodic closure for minimizing risk in emerging disease outbreaks
在没有疫苗和治疗的情况下，社会必须依靠非药物干预策略来控制新冠肺炎等新兴疾病的传播。虽然完全封锁在流行病学上是有效的，因为它消除了传染性接触，但它带来了巨大的成本。最近的几项研究表明，最大限度地减少流行病风险的一个合理的折衷策略是定期关闭，其中人口在广泛的社会限制和放松之间摇摆。然而，没有基本的理论已经提出来预测和解释最佳封闭期作为流行病学和社会参数的函数。在这项工作中，我们开发了这样一个分析理论的SEIR样模型疾病，显示如何特征封闭期出现，最大限度地减少总爆发，并增加可预测的繁殖数量和疾病的潜伏期，只要两者都在可预测的范围内。使用我们的方法，我们证明了最佳的周期性关闭是最有效的疾病具有类似的潜伏期和恢复期的甜蜜点效应。我们的结果与数值模拟结果进行了很好的比较，包括在感染性和恢复性显示出显著变化的COVID-19模型中。
2021-01-05 physics.bio-ph physics.soc-ph q-bio.PE
Generalized logistic growth modeling of the COVID-19 outbreak: comparing the dynamics in the 29 provinces in China and in the rest of the world
COVID-19始于中国武汉，已蔓延至全球。我们将Logistic增长模型、广义Logistic增长模型、广义Richards模型和广义增长模型校准到中国全国、中国29个省和33个已经或正在发生重大疫情的国家和地区的报告感染病例数。我们剖析了疫情在中国的发展，以及在总体水平和每个省份内采取严厉控制措施的影响。我们定量地记录了中国爆发的四个阶段，并详细分析了各省之间的异质性情况。中国实施的极端遏制措施非常有效，各省之间存在一些具有指导意义的差异。借鉴中国的经验，我们对其他国家的疫情发展进行了情景预测。我们发现，14个国家（主要在西欧）的疫情已经结束，而其中几个国家的病例又死灰复燃。模拟结果清楚地表明，西方国家的后峰轨迹较长，而中国大部分省份的后峰轨迹的特点是衰减快得多。我们确定了处于不同疫情进展水平的三组国家，并为当前的全球大流行提供了信息性影响。
2020-09-23 physics.bio-ph q-bio.PE stat.AP
Understanding the COVID19 Outbreak: A Comparative Data Analytics and Study
冠状病毒（亦称为COVID-19病毒）自二零一九年十一月下旬起在中国武汉出现。从那时起，它一直在大规模传播，直到今天在世界各地。它目前被认为是过去二十年来世界上病毒传播最严重的流行病，与2014年的埃博拉病毒，2012年的MERS和2003年的SARS相比。尽管仍处于疫情中期，但迫切需要了解COVID-19的影响。目的是澄清它是如何在短时间内以前所未有的方式在世界范围内传播如此之快的。本文是实现这一目标的第一个举措，它提供了关于冠状病毒的全面分析研究。本文的贡献在于提供了描述性和预测性模型，通过分析所有国家每日更新的疫情数据，深入了解COVID-19的影响。我们旨在回答几个悬而未决的问题：COVID-19如何在世界各地传播？它对大陆、区域和国家各级的确诊病例和死亡病例有何影响？它的严重程度与其他流行病爆发相比如何，包括2014年埃博拉病毒，2012年MERS和2003年SARS？确诊病例数和死亡病例数之间是否存在关联？我们提出了一个全面的分析可视化来解决上述问题。据我们所知，这是第一份为更好地了解COVID-19铺平道路的系统分析论文。本研究的分析仪表板和收集的数据可在线获取[1]。
2020-03-29 cs.SI q-bio.PE
Spatiotemporal dynamics in demography-sensitive disease transmission: COVID-19 spread in NY as a case study
高传染性新型冠状病毒的快速传播已通过多个目标地区的数据指导方法进行了说明，试图了解何时大流行将得到控制，以及何时可以放松强制封锁措施。然而，这些流行病学模型主要基于采用病例和死亡人数的训练数据，其局限性在于它们不考虑主要促成疾病传播的时空种群动力学。在这里，一个随机元胞自动机使预测模型，能够准确地描述人口依赖的种群动力学对疾病传播的影响。以纽约州冠状病毒的传播为例，计算框架的结果与各组织报告的感染病例和死亡人数的实际数字非常一致。这些预测表明，以某种形式延长封锁，最长可达180天，可以显著降低爆发第二波疫情的风险。此外，增加医疗检测的可用性能够减少感染患者的数量，即使在不太严格的社交距离准则和强制执行的情况下。将这种随机方法与人口统计学因素（如年龄比，预先存在的健康状况）相结合，增强了模型的鲁棒性，可以在未来爆发转变为流行病之前预测其传播率。
2020-05-03 q-bio.PE
Evaluating the effect of city lock-down on controlling COVID-19 propagation through deep learning and network science models
COVID-19的特殊认识特征，如潜伏期长和通过无症状病例感染，对遏制其爆发提出了严峻挑战。截至2020年3月底，中国已成功控制COVID-19的内部传播，但代价高昂，包括震中武汉在内的大部分主要城市被封锁。由于在2020年2月中旬之前爆发数据的准确性较低，这对基于早期爆发的统计推断的研究构成了一个主要的技术问题。我们采用监督学习技术来识别和训练NP-Net-SIR模型，证明了在较差的数据质量条件下的鲁棒性。通过训练好的模型参数，分析了人口流动与跨区域传染联系强度之间的联系，并在此基础上进行了一组反事实分析，研究了封锁的必要性以及封锁与其他遏制措施之间的可替代性。我们的研究结果支持存在的非锁定类型的措施，可以达到相同的遏制结果的锁定，并提供了一个更灵活的遏制策略的设计有用的指导方针。
2020-09-04 physics.soc-ph q-bio.PE q-bio.QM
Taking the pulse of COVID-19: A spatiotemporal perspective
2020年初，新型冠状病毒疫情（COVID-19）突然爆发，席卷全球，导致中国、西班牙、印度、英国、意大利、法国、德国和美国大部分州。随着美国确诊病例最多，病毒传播迅速加速，纽约市在三月底成为了疫情的中心。为了应对这一国家和全球紧急情况，NSF时空创新中心召集了一个由国际研究人员组成的工作组，并制定了快速应对这一危机的战略，以支持研究，拯救生命，保护全球公民的健康。这份透视文件介绍了我们对全球卫生紧急情况的集体看法，以及我们在收集、分析和分享有关全球政策和政府应对措施、疫情地理空间指标和不断变化的预测的相关数据方面所做的努力;与全球科学家一起发展研究能力和缓解措施，促进对疫情动态的合作研究，并反思人类社会的动态应对。
2020-05-08 physics.soc-ph 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
Age-structured impact of social distancing on the COVID-19 epidemic in India
新型冠状病毒COVID-19的爆发已被世界卫生组织宣布为大流行。社会接触的结构决定了感染的传播，在没有疫苗的情况下，通过大规模的社会隔离措施控制这些结构似乎是最有效的缓解手段。在这里，我们使用一个年龄结构SIR模型，并使用从调查和贝叶斯插补中获得的社会接触矩阵来研究印度COVID-19疫情的进展。基于案例数据、年龄分布和社会联系结构，计算了基本生育率R 0及其随时间的泛化。社会距离措施的影响-工作场所不出勤，学校关闭，锁定-和他们的效力与持续时间进行了调查。三周的封锁被认为不足以防止死灰复燃，相反，建议采取持续封锁和定期放松的协议。报告预测，由于采取了这些措施，按年龄划分的发病率和死亡率将有所下降。我们的研究强调了年龄和社会接触结构在评估缓解性社交距离对特定国家的影响方面的重要性。
2020-03-26 cond-mat.stat-mech q-bio.PE
An Epidemic Model SIPHERD and its application for prediction of the spread of COVID-19 infection for India and USA
Vellore Institute of Technology（维洛尔理工学院）；Visvesvaraya National Institute of Technology（维斯瓦萨瓦亚国家理工学院）
本研究提出考虑三类感染携带者、传播率与封控社交疏离相关、检测率与日检测量相关的SIPHERD流行病模型，经德韩疫情验证后用于预测印美不同封控检测条件下的新冠传播。
2020-05-11 q-bio.PE
Visual Data Analysis and Simulation Prediction for COVID-19
COVID-19（以前称为2019-nCoV）疫情已成为全球卫生紧急事件，因此，世卫组织宣布PHEIC。中国是自该病毒爆发以来遭受打击最严重的国家，一些专家认为，该病毒可以追溯到11月下旬。直到1月23日，武汉市政府才终于认识到疫情的严重性，采取了严厉措施，关闭了所有与外界联系的交通工具，以遏制病毒的传播。在这项研究中，我们试图回答几个问题：病毒是如何从震中武汉市传播到全国其他地区的？封城和社区隔离等措施在多大程度上有助于控制局势？更重要的是，如果某些条件发生变化，我们能否预测事件的任何重大未来发展？通过收集和可视化公开数据，我们首先展示疫情发展的模式和特征;然后使用疾病传播动力学的数学模型来评估一些疫情控制措施的有效性，更重要的是，提供一些预防措施的建议。
2020-03-07 physics.med-ph q-bio.PE
A time series method to analyze incidence pattern and estimate reproduction number of COVID-19
2019年底，中国武汉爆发了持续的冠状病毒病（COVID-19）大流行。它已经影响了30多万人，全球死亡人数接近13000人。由于它对全球公共卫生构成巨大威胁，因此确定该疾病的传播速度至关重要。在这项研究中，我们提出了一个时间序列模型来分析COVID-19疫情发生率的趋势模式。我们还将有关全面或部分封锁的信息（如有）纳入模型中。该模型结构简洁，并使用适当的诊断措施，我们表明，一个时间依赖的二次趋势成功地捕捉疾病的发病率模式。我们还估计了不同国家的基本再生产数，发现除了美国之外，其他国家的基本再生产数是一致的。上述统计分析有助于了解疫情的发展趋势，并有助于了解一个地区所处的流行病学阶段。这有可能有助于促进不同国家应对COVID-19疫情的政策。
2020-03-24 q-bio.PE stat.AP
Agent-Based simulation reveals localized isolation key to saving lives and resources
本研究通过基于智能体的模拟探索疫情控制策略，发现局部隔离（键稀释）比全面封锁或大规模疫苗接种更具资源效率，且高疫苗接种率能显著延缓并削减感染高峰的影响。
2024-09-24 cond-mat.stat-mech physics.bio-ph q-bio.PE
Controlling the Transmission Dynamics of COVID-19
2019年武汉及中国其他城市爆发的SARS-CoV-2引起的COVID-19疫情已成为世界卫生组织（WHO）于2020年第一季度宣布的全球大流行病。诊断延迟、医院资源和其他治疗资源有限导致COVID-19迅速传播。在这篇文章中，我们考虑了一个最优控制COVID-19传播模型，并评估了一些控制措施的影响，这些措施可以减少人群中的暴露和感染个体。我们研究了三种控制策略，这种致命的传染病使用个人保护，治疗与早期诊断，治疗与延迟诊断和喷洒病毒在环境中的时间依赖性控制功能，在我们的动力学模型，以遏制疾病的传播。
2020-04-02 math.DS math.OC q-bio.PE
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
Impact of intervention on the spread of COVID-19 in India: A model based study
由严重急性呼吸道综合征冠状病毒2型（SARS-CoV-2）引起的2019冠状病毒病（COVID-19）的爆发已经在世界上几乎每个国家造成了紧急情况。该疾病于2019年12月在中国武汉首次发现后，在很短的时间内蔓延到世界各地。在印度，疫情始于2020年3月的$2^{nd}$，之后病例呈指数级增长。人口密度很高，没有特定的药物或疫苗，关于疾病传播机制的证据不足，也使印度很难适当地防治这种疾病。数学模型已被用于预测疾病动态，并评估干预策略在减少疾病负担方面的效率。在这项工作中，我们提出了一个数学模型来描述疾病在个体之间的传播机制。我们考虑了印度疫情的初始阶段，我们提出的模型适用于$2^{nd}$ 2020年3月至$24^{th}$ 2020年3月期间的每日累计新报告病例。根据上述期间的发病率数据，我们估计了基本再生产数$(R_0)$、有效再生产数（R（t））和流行倍增时间。我们进一步评估预防措施（如宣传、封闭、适当的手部消毒等）对减少新病例的影响。根据实施期间干预力度的变化情况，考虑了两种干预情景。我们的研究表明，在印度，需要更高的干预努力，以在更短的时间内控制疾病的爆发。此外，我们的分析表明，干预的力度应随着时间的推移而加强，以有效地根除疾病。
2020-04-10 math.DS q-bio.PE
Universal Masking is Urgent in the COVID-19 Pandemic: SEIR and Agent Based Models, Empirical Validation, Policy Recommendations
HKUST (University of Science & Technology)（香港科技大学）；International Computer Science Institute（国际计算机科学研究所）；Ecole de Guerre Economique（经济战争学院）；University of Cambridge（剑桥大学）；Manifold Research；University College London（伦敦大学学院）；ELU AI Ltd（ELU AI有限公司）；Royal Free Hospital（皇家自由医院）；Population Research Institute, The Family Federation of Finland（芬兰家庭联合会人口研究所）
我们为COVID-19大流行提出了两个模型，用于预测普遍佩戴口罩对SARS-CoV-2病毒传播的影响-一个采用基于随机动态网络的分区SEIR（易感染-暴露-感染-恢复）方法，另一种采用单兵反弹道导弹（基于主体的建模）蒙特卡罗模拟-表明：（1）当至少80%的人口佩戴口罩时，在（接近）普遍掩蔽下会产生重大影响，与只有50%或更少的人口戴口罩时的影响最小相比，（2）在区域性疫情爆发的第50天之前，早期采用普遍掩蔽时的影响显著，与晚期采用普遍掩蔽时的影响最小相比。即使在自制口罩的较低过滤率下，这些效果也保持不变。为了验证这些理论模型，我们将他们的预测与我们收集的新的经验数据集进行比较，这些数据集包括地区是否具有普遍的掩蔽文化或政策，它们的每日病例增长率以及它们从每日病例增长率峰值减少的百分比。结果显示，早期普遍掩蔽和成功抑制每日病例增长率和/或从峰值每日病例增长率降低之间存在近乎完美的相关性，正如我们的理论模拟所预测的那样。我们的理论和实证结果表明，迫切需要实施通用掩蔽。随着政府计划如何退出社会封锁，它正在成为一个关键的NPI;在经济，社会和心理健康方面，“嘴和鼻子的封锁”比“全身封锁”更具可持续性。反弹道导弹模拟的交互式可视化见www.example.com。我们建议立即提出佩戴口罩的建议，正确使用的官方指导方针，以及提高认识的运动，以将口罩的心态从纯粹的自我保护转变为负责任地保护社区的…
2020-04-22 cs.AI physics.soc-ph q-bio.PE
A systems biology approach to COVID-19 progression in a population
数学流行病学中的一些模型已经被开发出来，以解释诸如疫苗接种或检疫等控制措施。然而，COVID-19带来了前所未有的社交距离措施，挑战在于如何以一种既能解释数据又能避免在参数推断中过度拟合的方式纳入这些措施。在这里，我们开发了一个简单的时间依赖性模型，社会距离效应类似于系统生物学中基因表达控制的粗粒度模型。我们应用我们的方法来了解湖北（武汉）与中国内地其他省份之间COVID-19感染和死亡人数的巨大差异。我们发现，这些不直观的数据可以通过湖北省和其他省份之间的传播率，有效保护和检测效率差异的相互作用来解释。更一般地说，我们的研究结果表明，地区差异可能会大大塑造感染爆发。所获得的结果证明了我们开发的方法的适用性，可以直接从医学上可用的数据中提取关键感染参数，以便它可以在全球范围内应用于许多国家的COVID-19爆发。总的来说，我们表明，应用不常见的策略，如从分子系统生物学研究到数学流行病学的方法和途径，可能会大大促进我们对COVID-19和其他传染病的理解。
2021-03-28 physics.soc-ph q-bio.PE
COVID-19 in low-tolerance border quarantine systems: impact of the Delta variant of SARS-CoV-2
The University of Melbourne（墨尔本大学）；Melbourne School of Population and Global Health, The University of Melbourne（墨尔本大学人口与全球健康学院）；The Peter Doherty Institute for Infection and Immunity, The Royal Melbourne Hospital and The University of Melbourne（彼得·多赫蒂感染与免疫研究所、皇家墨尔本医院和墨尔本大学）；Department of Infectious Diseases, The Alfred and Central Clinical School, Monash University（莫纳什大学阿尔弗雷德医院和中央临床学院传染病系）；School of Mathematics and Statistics, The University of Melbourne（墨尔本大学数学与统计学院）
本研究建模评估边境检疫系统中疫苗接种对Delta变异株传播的影响，发现疫苗效力从70%升至90%可将疫情暴发时间延长两个数量级，需结合大规模接种以防疫情。
2021-09-27 q-bio.PE
Data-driven Simulation and Optimization for Covid-19 Exit Strategies
冠状病毒SARS-2的迅速传播是一个重大挑战，导致全球几乎所有政府采取严厉措施应对这场悲剧。这些措施中最主要的是对整个国家和城市的大规模封锁，这除了对全球经济的影响外，还在民众中造成了一些深刻的社会和心理紧张。虽然所采取的缓解措施（包括封城）已被普遍证明是有用的，但决策者现在面临一个关键问题：如何以及何时取消缓解措施？一个精心规划的退出战略确实是必要的，以从大流行病中恢复过来，而不会有新的爆发的风险。传统上，退出战略依赖于数学建模来预测公共卫生干预措施的效果。不幸的是，这些模型对一些关键参数很敏感，这些参数通常是根据经验法则设置的。在本文中，我们建议用实际的数据驱动模型来增强流行病学预测，这些模型将学习对不同背景下的预测进行微调（例如，每个国家）。因此，我们建立了一个流行病模拟和预测工具包，它结合了对疾病流行病学参数的深度学习估计，以预测病例和死亡，以及遗传算法组件，用于搜索决策者设定的约束和目标之间的最佳权衡/政策。通过在不同国家回放流行病演变，我们的实验表明，我们的方法在75%的情况下产生的预测出错率比纯流行病学模型低得多，并且当学习转移并在未见过的国家进行测试时，R2得分达到95%。当用于预测时，这种方法提供了对单个措施和战略影响的可操作见解。
2020-06-12 cs.CY physics.soc-ph q-bio.PE
Forecasting the daily and cumulative number of cases for the COVID-19 pandemic in India
持续的新型冠状病毒疫情已于二零二零年三月十一日被世界卫生组织宣布为大流行，而印度政府已宣布自二零二零年三月二十五日起在全国范围内实施封锁，以防止COVID-19的社区传播。由于缺乏特异性抗病毒药物或疫苗，数学建模在更好地理解疾病动态和设计控制快速传播的传染病的策略方面发挥着重要作用。在我们的研究中，我们开发了一个新的房室模型，解释了COVID-19的传播动力学。我们使用印度恰尔肯德邦、古吉拉特邦、安得拉邦和昌迪加尔四个省的每日COVID-19数据校准了我们提出的模型。我们研究了模型的定性性质，包括可行平衡点及其关于基本再生数$\mathcal{R}_0$的稳定性。无病平衡点随着感染者恢复率的增加而稳定，地方病平衡点随着感染者恢复率的增加而不稳定，但当疾病传播率保持较高时，地方病平衡点始终保持稳定。对于估计的模型参数，所有四个省的$\mathcal{R}_0 >1$，这表明COVID-19的重大爆发。短期预测显示，印度四个省的COVID-19每日和累积病例呈上升趋势。
2020-06-25 physics.soc-ph q-bio.PE
The Impact of Response Measures on COVID-19-Related Hospitalization and Death Rates in Germany and Switzerland
我们评估德国及瑞士实施的COVID-19应对措施对COVID-19相关住院及死亡率的影响。我们的分析利用了这样一个事实，即当某些封锁措施生效时，某些地区的疫情比其他地区更严重，这是基于测量与特定地区疫情开始相关的健康结果，并比较不同地区的结果，以及更早和更晚的开始日期。在估计措施相对时间的影响时，我们通过线性回归（德国和瑞士）、双重稳健估计（德国）或合成控制（瑞士）来控制区域特征和初始流行趋势。我们发现，对这两个国家来说，较晚接触这些措施意味着在疫情爆发后的特定区域天数内累积住院率和死亡率较高，这表明较早实施措施比较晚实施措施更有效。对于德国，我们还评估宵禁（在一个国家的子集）的基础上跨区域的变化。我们没有发现任何影响宵禁的联邦强加的接触限制，禁止团体超过2个人。最后，对瑞士流动模式的分析表明，封锁在减少流动方面产生了直接的行为影响。
2020-06-19 q-bio.PE stat.AP
Staggered Release Policies for COVID-19 Control: Costs and Benefits of Sequentially Relaxing Restrictions by Age
到目前为止，严格的社交距离限制对控制COVID-19疫情至关重要，下一个问题是何时以及如何放松这些限制。一个连续的时间放宽限制跨群体的探讨，以确定政策，同时减少健康风险和经济停滞相对于目前的政策。目标将是减轻健康风险，特别是最脆弱的亚人口的健康风险，同时管理经济活动限制的有害影响。本文的结果表明，一个正确构建的顺序释放的年龄定义的子组从严格的社会距离协议可以导致较低的整体死亡率比锁定后的所有个人的同时释放。最优释放策略，在最小化总死亡率方面，本质上必须是连续的，并且适当地安排交错释放的每一步是很重要的。该模型允许测试交错发布政策的各种时间选择，这可以为正在进行的COVID-19大流行和未来爆发的疾病管理政策的设计，测试和规划提供帮助。
2020-05-12 econ.GN math.DS q-bio.PE
Effective epidemic model for COVID-19 using accumulated deaths
2020年，严重急性呼吸系统综合症COVID-19成为持续全球健康危机的中心。轻症病例的高发率便于在医院环境之外进行次级通报，而感染或已感染的人数在很大程度上仍不清楚，导致对该疾病的粗死亡率的估计很差。在这里，我们使用一个简单的模型来描述COVID-19造成的累计死亡人数。所提出的模型和SIR模型的近似解之间的密切联系提供了一个方程组，其解是流行病学参数的鲁棒估计。我们发现粗死亡率在$10^{-4}$和$10^{-3}$之间变化，取决于爆发的严重程度，这低于先前从实验室确诊患者获得的估计。我们还估计了实际利益的数量，如基本繁殖数和预期的死亡人数在渐近极限有和没有社会距离措施和封锁，这使我们能够衡量这些干预措施的效率。
2020-07-06 physics.bio-ph physics.soc-ph q-bio.PE
Estimation of Infection Rate and Prediction of Initial Infected Individuals of COVID-19
我们认为，在中国武汉市爆发新型冠状病毒后，COVID-19疫情在若干选定国家蔓延。我们使用官方报告的疫情早期数据，对易感（S）、可感染（I）、隔离（Q）和确认恢复（Rk）人群模型，即SIQRk模型，估计了COVID-19的感染率和初始感染人数。在报告的数据中，我们知道隔离病例和治愈病例。我们无法从无症状病例中区分出痊愈的病例。在SIQRk模型中，我们可以从数据拟合中估计模型参数和初始感染病例（确认和非对称病例）。我们得到的感染率在0.233和0.462之间的范围内，基本繁殖数Ro在1.8和3.5之间的范围内，和初始感染个体数在10和8409之间的范围内。利用拟合参数估计了德国在实施检疫政策时的最大传染时间。在第一批病人被发现后大约六个月，这种疾病正在经历平静的状态。
2020-04-27 nlin.AO physics.soc-ph q-bio.PE
Calibrated Intervention and Containment of the COVID-19 Pandemic
COVID-19在短时间内发展成为全球性大流行病。症状前和无症状病毒携带者的传播使干预和遏制疾病极具挑战性。基于报告的感染病例研究，我们构建了一个流行病学模型，重点是围绕症状发作的传播。该模型是根据武汉以外地区大流行最初爆发期间的潜伏期和成对传播统计数据进行校准的，其中非药物干预最少。数学处理的模型产生显式表达式的潜伏和症状前的亚群的大小在指数增长阶段，与当地的流行病的增长率作为输入。然后，我们探索通过具体的疾病控制措施，如接触者追踪、检测、社交距离、戴口罩和就地避难，降低基本繁殖数R_0。当这些措施结合起来实施时，它们对R_0的影响成倍增加。我们亦将模型行为与COVID-19在多个受影响地区的第一波传播进行比较，并强调疫情发展的一般及较不一般的特征。
2020-11-17 cond-mat.stat-mech physics.bio-ph physics.soc-ph
Second waves, social distancing, and the spread of COVID-19 across America
我们最近描述了一个单一地区内COVID-19爆发的动态因果模型。在这里，我们结合这些（流行病）模型中的几个，创建一个（流行病）模型的病毒在地区之间的传播。我们的重点是可能因免疫力丧失和区域间人员交流而导致的第二波新病例，以及如何在不同的战略对策下降低死亡率。特别是，我们认为硬或软的社会距离战略的预测国家（联邦）或地区（州）的人口感染流行率的估计。使用美国新病例和死亡病例的时间序列来估计每个州的因子（房室）流行病学模型的参数，以及至关重要的是，国家之间的耦合，演示了建模。使用贝叶斯模型简化，我们确定了国家之间的有效连接，最好地解释了在美国爆发的初始阶段。使用随后的后验参数估计，我们然后评估不同的政策在死亡率，工作日损失，由于封锁和重症监护的要求方面的可能结果。这个模型的初步结果表明，社会距离和免疫力的丧失是两个关键因素，承保恢复地方病平衡。
2020-04-26 q-bio.PE q-bio.QM
A SIDARTHE Model of COVID-19 Epidemic in Italy
2019年12月下旬，中国湖北省武汉市发现了一种新型冠状病毒（SARS-CoV-2），导致严重的、可能致命的呼吸系统综合征（COVID-19），并在世界多个国家引起疫情，很快成为大流行。意大利现已成为亚洲以外疫情最严重的国家：2020年3月16日，意大利民防部门记录了27980例确诊病例，2158人死亡，其中SARS-CoV-2检测呈阳性。在新出现的传染病爆发的情况下，预测流行病的趋势，以便规划有效的控制战略并确定其影响，是至关重要的。本文提出了一个新的流行病模型，根据感染者是否被诊断和症状的严重程度来区分感染者。确诊和未确诊之间的区别很重要，因为未确诊的人比确诊的人更有可能传播感染，因为后者通常是孤立的，可以解释对病死率和流行病现象严重性的误解。能够预测将出现危及生命症状的患者数量非常重要，因为这种疾病经常需要住院治疗（甚至需要入住重症监护室），并挑战医疗保健系统的能力。我们展示了如何在新的框架中重新定义基本繁殖数，从而抓住了遏制流行病的潜力。模拟结果与意大利COVID-19疫情的真实数据进行了比较，以显示模型的有效性，并根据所采取的对策比较不同的可能预测情景。
2020-03-22 cs.SY eess.SY math.DS
Modelling COVID-19 Transmission Dynamics in Ghana
2019年底，一种新型冠状病毒SARS-CoV-2在中国武汉爆发，后来蔓延到全球每个角落。虽然与世界其他地区相比，西非加纳因感染导致的死亡人数很少，但对当地卫生服务的影响仍然很大。房室模型是研究疾病在社会中传播的有用框架。了解感染如何传播以及如何限制疫情。我们已经开发了一个修改后的SEIR房室模型与九个隔间（CoVCom 9）来描述在加纳的SARS-CoV-2传播的动态。我们对CoVCom 9进行了详细的数学分析，包括基本再生数$\mathcal{R}_{0}$的推导。特别地，我们证明了当$\mathcal{R}_{0}<1$通过一个候选的李雅普诺夫函数时，无病平衡点是全局渐近稳定的。使用2020年3月13日至8月10日SARS-CoV-2报告的确诊病例和死亡数据，我们对CoVCom 9模型进行了参数化。这种拟合的结果显示出与数据的良好一致性。我们使用拉丁超立方体抽样秩相关系数（LHS-PRCC）来研究$\mathcal{R}_{0}$的不确定性和灵敏度，因为所得结果在控制SARS-CoV-2传播方面具有重要意义。我们估计，在这5个月期间，基本繁殖数由$\mathcal{R}_{0} = 3.110$给出，95%置信区间为$2.042 \leq \mathcal{R}_0 \leq 3.240$，平均值为$\mathcal{R}_{0}=2.623$。在模型中的32个参数中，我们发…
2021-02-05 math.DS q-bio.PE stat.CO
Transmission matrix parameter estimation of COVID-19 evolution with age compartments using ensemble-based data assimilation
本研究评估了基于集合的数据同化框架在元种群模型中的应用，通过理想化孪生实验推断不同年龄组间的疾病传播矩阵参数，结果表明特定参数化能提高预测准确性并可靠估计有效再生数，对医疗需求预测具有重要意义。
2023-09-06 q-bio.PE
Optimal age-specific vaccination control for COVID-19: an Irish case study
于二零一九年十二月爆发的新型冠状病毒导致严重急性呼吸系统综合症已升级为全球大流行。在这项工作中，我们提出了一个房室模型来描述感染的传播动力学，并使用它来获得最佳的疫苗接种控制。该模型考虑了疫苗接种的各个阶段，优化的重点是最大限度地减少感染，以保护人口和缓解医疗保健系统。作为案例研究，我们选择了爱尔兰共和国。我们使用爱尔兰COVID-19数据中心提供的数据，模拟了两种不同情况下接种疫苗和不接种疫苗的大流行演变，一种情况代表全国封锁情况，另一种情况代表放松限制。我们工作的主要发现之一是，最佳方法将涉及一个疫苗接种计划，即老年人口更早地接种大量疫苗，同时部分年轻人口也接种疫苗，以降低群体之间的传播风险。我们比较我们的模拟结果与爱尔兰政府采取的疫苗接种政策，探索我们的优化方法的优势。我们的比较表明，即使减少了可供使用的疫苗接种，病例也可能出现类似的减少。
2022-10-24 math.OC q-bio.PE
Initialization of a Disease Transmission Model
提出并评估了根据现有数据和简化动力学模型计算瑞典COVID-19传播的大型流行病学模型在初始时刻的全状态向量的方法。更大的流行病学模型是基于一个连续的马尔可夫链，并捕捉人口组成和瑞典各县之间的交通流量。其预期用途是在时间和空间坐标以及在人口群体中预测疫情发展。它还可以支持在某些地区的封锁或特定年龄组的隔离方面对前瞻性干预战略进行评估和比较。简化模型是一个离散的时不变线性系统，其状态变量为累积传染率、感染人口、无症状人口、暴露人口和传染压力。由于系统矩阵的模型依赖于一个数量的过渡率，结构特性的模型进行了研究，为适当的参数范围。它的结论是，该模型变得不可观察的某些参数值。两个对比的方法来考虑初始状态估计。一个是一个版本的Rauch-Tung-Striebel平滑，另一个是基于解决一批非线性优化问题。所考虑的估计技术的优点和缺点进行了分析和比较的合成数据为几个瑞典县。
2020-07-17 cs.SY eess.SY q-bio.PE
