Containing COVID-19 outbreaks using a Firewall
COVID-19疫情已被证明在蔓延之前很难隔离和扑灭。这背后的一个重要原因可能是，流行病学的障碍，包括停止症状的人很可能会失败，因为传染病发病前的时间，温和的情况下和/或无症状的载体。受这些特殊的COVID-19特征的启发，我们研究了一种在城市中遏制疫情的方案，该方案包括在疫情和城市其他地区之间添加额外的防火墙块。我们实现了一个耦合的随机噪声隔间模型来模拟局部爆发，是部分孤立的，并分析其演变与不同的合理模型参数的防火墙。我们探讨如何进一步改善可以实现，如果疫情的演变将触发政策变化的流量和/或锁定在不同的块。我们的研究结果表明，一个实质性的改善是通过仅仅增加一个额外的块之间的爆发和大部分的城市。
2020-08-28 physics.soc-ph q-bio.PE
SEIRD Model for Qatar Covid-19 Outbreak: A Case Study
2020年爆发的新冠肺炎疫情要求许多政府为政策和规划目的开发疫情的数学统计模型。这项工作提供了一个教程，建立一个房室模型，使用易感，暴露，感染，感染和死亡状态通过时间。贝叶斯框架用于执行参数估计和预测。该模型使用干预措施来量化政府减缓病毒传播的各种尝试的影响。还进行预测以确定何时将发生高峰活动感染。
2020-05-26 physics.soc-ph q-bio.PE stat.AP
Why can we observe a plateau even in an out of control epidemic outbreak? A SEIR model with the interaction of $n$ distinct populations for Covid-19 in Brazil
本文提出了一个$n$不同人群相互作用结构的SEIR模型来描述COVID-19大流行性疾病的传播。所提出的模型具有灵活性，包括地理上分离的社区，以及考虑到人口老龄化群体及其相互作用。我们表明，不同的假设所提出的模型的动态导致感染人口的高原状曲线，反映了从大国，如巴西收集的数据。这些观察结果旨在提出以下猜想：“正如拟议模型所反映的那样，新冠肺炎从首都向巴西内地的扩散是该国报告病例呈高原状的原因”。我们提出了一些方案的数值模拟和比较与上述结论相印证的报告数据从巴西。
2020-08-03 math.DS physics.soc-ph 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
A matlab code to compute reproduction numbers with applications to the Covid-19 outbreak
我们讨论了各种繁殖比率或数字的产生，这些比率或数字对监测像Covid-19这样的持续流行病非常有用，并检查了干预措施的效果。详细的SEIR算法描述了它们的计算，并应用于当前在一些国家（阿根廷，巴西，法国，意大利，墨西哥，西班牙，英国和美国）爆发的Covid-19疫情。相应的matlab脚本，完整的，准备使用，提供免费下载。
2020-06-23 physics.soc-ph q-bio.PE
Temporal Analysis of COVID-19 Peak Outbreak
本研究的目的是探索如何利用数学模型，特别是易感-感染-清除（SIR）模型，预测从首次报告病例之日起，COVID-19流行病在感兴趣人群中的高峰爆发时间轴。直到这项研究的时候，还没有有效的和普遍接受的疫苗来控制这种感染的传播和蔓延。COVID-19主要通过受感染者咳嗽和打喷嚏产生的呼吸道飞沫在人群中传播，这些飞沫会感染附近的人。COVID-19正在世界各地蔓延。如果卫生政策制定者和医学专家能够在首次报告病例后及早及时了解感染率高峰何时出现，他们就可以规划和优化医务人员、消毒剂供应和其他医疗资源，而不会使基础设施负担过重。这些预测还可能帮助政策制定者制定控制疫情的策略，从而挽救许多人的生命。因此，它可以通过利用可用数据提供对COVID-19爆发的可操作见解来帮助关键决策过程。
2020-09-11 physics.soc-ph q-bio.PE
Transportation CO$_2$ emissions stayed high despite recurrent COVID outbreaks
运输相关的CO $_2$排放量在2020年上半年大幅下降后反弹，今年秋季的第二波COVID-19疫情导致进一步减排，但幅度较小。在这里，我们使用接近实时的日排放量估计值来探索2020年期间人类行为和限制政策的差异。
2021-01-16 physics.ao-ph physics.geo-ph physics.soc-ph
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
Revealing the Global Linguistic and Geographical Disparities of Public Awareness to Covid-19 Outbreak through Social Media
新型冠状病毒疫情对全球公共卫生构成前所未有的挑战。然而，不同国家的居民在疫情爆发期间表现出不同程度的Covid-19意识，并受到不均衡的健康影响。这项研究分析了2020年1月1日至6月30日的全球Twitter数据，试图回答两个研究问题。社交媒体上反映的新冠肺炎疫情期间公众意识的语言和地理差异是什么？不断变化的流行病意识能否预测COVID-19疫情？我们建立了一个Twitter数据挖掘框架，通过计算Ratio指数来量化和跟踪用户的认知度。在全球和国家两级审查了认识与健康影响之间的滞后关系。结果显示，对新冠肺炎认知度最高的用户主要是那些用印度和孟加拉国官方语言发推文的用户。亚洲国家在认识方面的差距比欧洲国家更大，东欧的认识高于中欧。最后，比率指数可以准确预测全球死亡率、全球病死率和国家水平死亡率，分别领先21-30天、35-42天和17天。这项研究及时深入了解了社交媒体在公共卫生研究中的人类行为。
2021-11-09 cs.SI physics.soc-ph
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
Optimal Lockdown Policy for Covid-19: A Modelling Study
随着COVID 19在全球蔓延，预防措施正成为危机时期抗击疫情的重要武器。封锁措施是最具争议性的措施，因为它对我们的经济和社会造成了巨大的影响。特别是考虑到经济和流行病学成本，何时以及如何执行封锁措施是最具挑战性的问题。在本文中，我们扩展了经典的SIR模型，以寻找在COVID-19爆发期间平衡经济和人民健康的最优决策。在我们的模型中，我们打算解决一个两阶段的优化问题：政策制定者控制封锁率，以最大限度地提高社会的整体福利;人们在不同的健康状况采取不同的决定，他们的工作时间和消费，以最大限度地提高他们的效用。我们开发了一种新的方法来估计模型的参数，通过各种额外的数据源。我们使用古诺均衡来模拟人们的行为，并考虑死亡的成本，以便在经济和流行病成本之间进行杠杆作用。对模拟结果的分析为政策制定者就何时开始封锁以及在整个疫情期间封锁的强度做出关键决策提供了科学建议。虽然该模型最初是针对COVID-19大流行提出的，但它可以推广到解决类似问题，以通过封锁措施控制其他传染病的爆发。
2021-01-31 math.DS physics.soc-ph
Predication of Inflection Point and Outbreak Size of COVID-19 in New Epicentres
截至2020年6月中旬，2019冠状病毒病（COVID-19）已导致超过800万人感染。最近，巴西已成为COVID-19的新震中，而印度和非洲地区是潜在的震中。这项研究的目的是通过借鉴其他国家“成熟”曲线的信息，在流行病早期预测这些新的/潜在的震中的拐点和爆发规模。在混合效应模型和幂变换后的四参数Logistic模型下，我们将累积病例建模为众所周知的S形增长曲线来描述流行趋势。非洲地区预计将有390万例（220万至600万）的最大总爆发规模，并将在2020年9月13日左右出现。预计巴西和印度的最终疫情规模相似，约为250万例（110万至430万），拐点分别于6月23日和7月26日到来。我们的结论是，在巴西、印度和非洲，COVI 19的流行尚未超过拐点;这些地区的疫情规模可能超过美国
2020-07-15 physics.soc-ph q-bio.PE stat.AP
Early warnings of COVID-19 outbreaks across Europe from social media?
我们分析了来自Twitter的数据，以揭示2019-2020年冬季欧洲COVID-19疫情的早期预警信号，然后才首次公开宣布当地感染源。我们有证据表明，许多欧洲国家对肺炎病例的担忧程度出乎意料。举报主要来自最终成为感染主要滋生地的地理区域。这些发现表明，迫切需要建立一个综合的数字监控系统，在这个系统中，社交媒体可以帮助对传染链进行地理定位，否则这些传染链几乎完全不会被发现。
2020-12-14 cs.SI econ.GN physics.soc-ph
COVID-19 attack rate increases with city size
目前爆发的2019新型冠状病毒病（COVID-19）对相互关联的人类社会构成了前所未有的全球健康和经济威胁。在研制出疫苗之前，控制疫情的策略依赖于积极的社交距离。这些措施在很大程度上切断了人类社会的社会网络结构，特别是在城市地区。在这里，我们估计了3月14日至3月19日美国城市COVID-19的增长率和繁殖数量，以揭示城市人口规模的幂律比例关系。这意味着COVID-19在大城市的平均传播速度更快，这意味着在不受控制的疫情中，预计在人口稠密的城市地区会有更大比例的人口受到感染。我们讨论了这些观察结果对控制COVID-19疫情的影响，强调有必要在大城市实施更积极的距离政策，同时保持社会经济活动。
2020-03-29 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
Understanding Changes in Travel Patterns during the COVID-19 Outbreak in the Three Major Metropolitan Areas of Japan
与一些国家或城市采取的封锁措施不同，日本政府宣布了“紧急状态”（SOE），在此状态下，人们只被要求减少与其他人的接触至少70%，而一些地方政府也实施了没有法律依据的减少流动措施。这些措施的效果尚不清楚。因此，本研究使用纵向汇总的手机数据，调查日本因COVID-19爆发而产生的旅行模式变化及相关政策措施。具体而言，我们认为日常的旅行模式的网络和分析其结构变化的应用框架，用于分析时间网络中使用的网络科学。通过对不同时期的网络相似性指标进行聚类分析，可以看出日本三大都市圈的流动模式主要有六种类型：（I）COVID-19爆发前的周末和假期，（II）COVID-19爆发前的工作日，（III）SOE之前和之后的周末和假期，（IV）SOE之前和之后的工作日，（五）国有企业期间的周末和节假日;（六）国有企业期间的工作日。研究还发现，旅行模式可能从2020年3月开始发生变化，当时大多数学校都关闭了，并且SOE之后的流动模式恢复到SOE之前的模式。有趣的是，我们发现，在解除SOE之后，旅行模式在几天内与SOE期间保持相似，这表明在解除SOE之后自我约束继续存在的可能性。此外，在名古屋首都圈的情况下，我们发现，当病例数量增加时，人们自愿改变他们的旅行模式。
2020-12-24 physics.soc-ph
Importance of suppression and mitigation measures in managing COVID-19 outbreaks
我使用一个简单的流行病过程数学模型来评估四个基本量：繁殖数（R）、敏感个体（S）和传染性个体（I）的数量以及总社区规模（N）如何影响控制COVID-19的策略。数值模拟表明，在流行病开始时采取严格的抑制措施可以产生低传染性数字，此后可以通过更长时间的缓解措施来管理，以使流行病曲线变平。抑制措施越强，就能越快地实现有利于后续管理的低感染率。我们讨论了这种分析的预测，以及它如何适应长期的措施序列，包括使用群体免疫概念来利用获得性免疫。
2020-05-07 physics.soc-ph q-bio.PE
Quantifying the influence of inter-county mobility patterns on the COVID-19 outbreak in the United States
作为一种高度传染性的呼吸道疾病，COVID-19已成为威胁全球健康的大流行病。在没有有效治疗的情况下，非药物干预措施，如旅行限制，已被广泛推广，以缓解疫情。目前的研究分析了旅行距离等流动性指标;然而，缺乏对区域间旅行流量及其对大流行的影响的研究。我们的研究特别关注美国县际流动模式及其对COVID-19传播的影响。为了检索真实世界的移动模式，我们利用一组集成的移动终端位置数据，包括超过1亿个匿名设备。我们首先调查全国范围内的时间趋势和空间分布的县际流动。然后，我们放大美国疫情爆发的中心纽约市，并评估其流出对其他县的影响。最后，我们开发了一个“对数线性双风险”模型，在县一级量化的影响，“外部风险”进口的县间流动性流动和“内部风险”定义为一个县的脆弱性方面的人口与高风险表型。我们的研究增强了美国县际流动的情况意识，并有助于改善COVID-19的非药物干预措施。
2020-06-24 cs.SI physics.soc-ph
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
Flight restrictions from China during the COVID-2019 Coronavirus outbreak
这份简短的说明根据历史数据提供了2019年10月至2020年3月期间从中国前往世界所有机场的乘客数量的估计。我们从该基线中减去预期乘客人数减少，并考虑到自二零二零年一月二十三日COVID-2019冠状病毒爆发后实施的部分路线临时禁令。结果显示，2020年1月至3月期间的乘客数量减少了-2.5%。这一计算只考虑了航线的完全关闭（而不仅仅是直飞航班），而没有考虑到仍然有效的直接和间接连接的乘客人数的减少。在编写本报告时，仅凭这些不完整的资料，对民用航空运输和旅游业的经济损失进行量化还为时过早。本说明的目的是提供一个基线，扩大到所有原籍国，并在获得最新数据时予以更新。
2020-03-07 physics.soc-ph stat.OT
Effective containment explains sub-exponential growth in confirmed cases of recent COVID-19 outbreak in Mainland China
中国内地最近爆发的COVID-19疫情的特点是，在疫情早期阶段，确诊病例呈明显的代数次指数增长，而在繁殖率足够大的情况下，不受限制的疫情预计会出现初始指数增长。尽管中国大陆受影响省份之间的病例数差异很大，但标度律$t^μ$具有令人惊讶的普遍性，其指数范围为$μ=2.1\pm0.3$。这种行为的普遍性表明，尽管中国受影响省份的社会、区域、人口、地理和社会经济异质性，但此次疫情由标准流行病学模型无法捕捉的基本机制主导。我们发现，所观察到的缩放法是遏制政策，有效地耗尽易感人群的直接后果。为此，我们引入了一个简约的模型，捕捉两个，隔离症状感染者以及人口范围内的隔离，以应对缓解政策或行为变化。对于广泛的参数范围内，该模型再现了所观察到的标度律在确认的情况下，并解释了所观察到的指数。定量拟合经验数据允许无症状或少症状，身份不明的感染者的数量的高峰时间的识别，以及估计的基本繁殖数的地方变化。该模型表明，在确诊病例中观察到的比例律是影响相当一部分易感人群的有效污染策略和/或系统行为变化的直接特征。这些见解可能有助于在其他地方潜在的出口导致的COVID-19继发性疫情或其他紧急传染病的类似未来疫情中实施遏制策略。
2020-02-18 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
Bayesian inference for high-dimensional discrete-time epidemic models: spatial dynamics of the UK COVID-19 outbreak
针对高维删失流行病学事件数据的边缘化难题，提出结合新型模型信息 Metropolis-Hastings 采样器的贝叶斯 MCMC 方法，用于空间显式随机 SEIR 元种群模型，并应用于英国 COVID-19 数据以支持实时政策。
2023-07-13 physics.soc-ph stat.ME
Course of the first month of the COVID 19 outbreak in the New York State counties
我们说明并研究了从3月1日至4月1日整个纽约州以及每个县报告的感染情况的演变。我们寻找指数趋势，并试图了解这些趋势的时间和动态是否与国家规定的社交距离和测试措施有任何相关性。我们的结论是，4月1日的报告可能严重低估了全州感染的实际数量，我们建议在未来几周内重新评估数据，以监测暂停指令的影响，以及作为验证措施的伤亡人数的增加。
2020-04-10 physics.soc-ph q-bio.PE
Metropolitan-scale COVID-19 outbreaks: how similar are they?
在这项研究中，我们使用2020年1月21日至3月25日的美国县级COVID-19病例数据，研究大都市规模病例增长的指数行为。特别是，我们假设所有本地化的爆发都处于早期阶段（无论是经历指数增长的情况下，或有效地控制），并比较不同的简单指数和线性增长模型的解释性能为不同的大都市地区。虽然我们发现城市规模与指数增长率之间没有关系（与$R0$直接相关，后者表示受感染个体感染的平均病例数），但我们确实发现，较大的城市似乎更早开始指数传播，因此在提交时处于大流行的更高级阶段。我们还使用最近的数据来计算我们模型的预测误差，并发现在许多城市，在3月26日之前的数据上训练的指数增长模型对最近一段时间（3月26日至30日）的病例数量预测效果不佳，这可能表明通过社交距离促进的新病例数量减少。
2020-04-06 physics.soc-ph q-bio.PE
On COVID-19 Modelling
这篇文章通过简单的数学和数值方法分析了COVID-19疫情。最终目标是用可靠的技术预测每个国家的流行病爆发高峰。这是由标准SIR模型驱动的算法完成的，并与约翰霍普金斯大学提供的标准数据保持一致。为了重建未注册感染者的数据，该算法使用感染死亡率的当前值和特定形式的恢复率的数据驱动估计。所有其他成分也都是数据驱动的。提供了各种预测示例以供说明。
2020-05-11 physics.soc-ph
On the relation of the COVID-19 reproduction number to the explosive timescales: the case of Italy
传染病讨论的一个重要问题是它的基本再生数R 0，它提供了疾病传染性的估计。当R 0> 1时，疾病传播将可能导致爆发，例如正在进行的COVID-19大流行。在疾病暴发的演变过程中，采用了各种非药物干预措施，其影响通常通过它们引入的有效繁殖数Rt的减少来评估;减少到1以下是疾病传播最终消亡的迹象。由于R 0基本上表达了无病平衡的稳定性，在这项工作中，从时标分析的角度研究了Rt。研究表明，在意大利COVID-19疫情演变期间，当各种干预措施到位时，Rt与表征疫情动态的爆炸性时间尺度有明显关系。特别是，它表明，在流行病的进展过程中存在一个爆炸性的时间尺度意味着Rt > 1，而它的缺席意味着Rt < 1。此外，当该时间尺度与最慢的时间尺度收敛/发散时，Rt接近/退出其阈值1。这些结果表明，时间尺度分析可用于评估各种干预措施的影响，因为它反映了有效繁殖数提供的洞察力，而不受人口模型选择的阻碍，也不受模型校准所遵循的参数估计过程的影响。
2021-01-15 math.DS physics.soc-ph q-bio.PE
The Framework for the Prediction of the Critical Turning Period for Outbreak of COVID-19 Spread in China based on the iSEIR Model
本研究的目标是建立一个通用框架，用于预测传染病疫情（如今年年初中国爆发的COVID-19）的所谓关键转折期。该框架能够及时预测武汉COVID-19疫情的转折期，并通知相关部门采取适当和及时的行动控制疫情。预计将为全球当前抗击COVID-19疫情的转折期提供有见地的信息。在我们的框架中，底层的数学模型是个体易感-暴露-排斥-去除（iSEIR）模型，其是一组微分方程，扩展了经典SEIR模型。我们使用2020年2月6日至10日武汉每日观察到的COVID-19病例作为iSEIR模型的输入数据，并能够根据更新后的模型生成随后几天于2月10日午夜的COVID-19病例动态轨迹，据此我们预测武汉的COVID-19疫情转折期将于2月14日后一周内到来。这一预测变得及时和准确，为政府、医院、重要工业部门和服务提供了充足的时间，以满足高峰需求并准备善后计划。我们的研究亦支持自2020年1月23日起在武汉果断实施封锁及隔离控制计划，在平坦化疫情曲线方面所观察到的成效。武汉经验为全世界抗击新冠肺炎提供了可借鉴的经验。
2020-04-05 physics.soc-ph q-bio.PE stat.CO
Changes in mobility and socioeconomic conditions in Bogotá city during the COVID-19 outbreak
我们分析了在哥伦比亚波哥大实施旨在减缓COVID-19传播的遏制措施后的流动性变化。我们描述了大流行之前和期间的流动网络，并分析了其在2020年1月至7月期间的演变和变化。然后，我们将观察到的流动性变化与社会经济条件联系起来，估计一个重力模型来评估社会经济条件对流动性的影响。我们观察到移动性趋势整体下降，但城市不同区域之间的整体连通性在封锁后仍然存在，反映了移动网络的弹性。我们发现，对封锁政策的反应取决于社会经济条件。疫情前，社会经济条件较好的人群流动性较高。自封锁以来，流动性普遍下降，但社会经济条件较差的人口流动性下降幅度较小。我们得出结论，得出政策影响。
2020-08-26 econ.GN physics.soc-ph q-fin.EC
The Outbreak Evaluation of COVID-19 in Wuhan District of China
2019年12月，中国武汉发现27例新型冠状病毒肺炎病例，世卫组织于2020年2月11日将其暂时命名为2019-nCoV，并正式命名为COVID-19。2019年12月和2020年1月，新型冠状病毒病在人群中大规模传播，给中国人民的生命财产带来巨大灾难。本文首先分析了病毒传播的特征和模式，并基于公共数据讨论了影响疫情传播的关键因素和不可控因素。进而对病毒传播进行建模，用于疫情发展的爆发期和消退期，为我国政府防疫和恢复经济生产的决策提供理论支持。进一步论证了中国政府采取的多级行政区域隔离等预防措施的有效性。对于世界应对突发公共卫生事件具有重要意义和现实意义。
2020-02-22 physics.soc-ph q-bio.PE
Impact of the Covid 19 outbreaks on the italian twitter vaccination debat: a network based analysis
本研究构建了2019-2022年意大利语疫苗讨论推文数据集TwitterVax，通过41个月度转发网络的社区检测，分析了反疫苗与支持疫苗群体的演化极化特征，识别了舆论关键节点与讨论趋势。
2023-06-05 cs.SI math.DS physics.soc-ph
Spatiotemporal impacts of human activities and socio-demographics during the COVID-19 outbreak in the U.S
了解影响因素对于传染病的监测和预防至关重要，并且这些因素可能随着疾病的进展而在空间和时间上发生变化。以美国2019冠状病毒病（COVID-19）爆发期间的每日病例和死亡数据为案例研究，我们开发了一个移动性增强的地理和时间加权回归（M-GTWR）模型，以量化社会人口因素和人类活动对COVID-19动态的时空影响。与基本GTWR模型不同，我们采用了一个移动性调整的距离权重矩阵，其中除了空间相邻性之外，还使用旅行移动性来捕获本地观测之间的相关性。模型残差表明，该模型在解决时空非平稳性方面比其他基准方法有了很大的改进。我们的研究结果表明，社会人口和人类活动变量的影响呈现显着的时空异质性。特别是，人口密度增加1%可能导致每日病例和死亡增加0.63%和0.71%，平均通勤时间增加1%可能导致每日病例和死亡增加0.22%和0.95%。虽然人类活动的增加一般会加剧疾病的爆发，但我们报告说，在人口密度高的地区，杂货店和药店相关活动的影响微不足道。工作场所和公共交通的活动被发现会增加或减少病例和死亡人数，这取决于特定的地点。研究结果为确定疾病暴发的影响因素提供了一个定量框架，对指导传染病防治决策具有重要意义。
2021-04-26 physics.soc-ph q-bio.PE
Impact of COVID-19 on Air Quality in Israel
COVID-19疫情导致整体交通及工业活动大幅减少。这反过来又减少了世界各地的空气污染。为了估算交通和工业活动对空气质量总变化的影响权重，量化这种减少量是很重要的。本文旨在评估COVID-19疫情对以色列空气污染的影响，以色列被认为是空气污染程度高于其他西方国家的国家之一。结果揭示了两个主要发现：1.在COVID-19爆发期间，相对于其较早的最接近时期，基于氮氧化物的交通污染平均减少了40 $\%$，而基于大级别臭氧的工业污染平均增加了34 $\%$。与二零一九年相比，COVID-19爆发亦令交通及工业的空气污染减少。2. COVID-19时间段的解释百分比最多为每种污染物总量变化的22 $\%$。
2020-07-03 physics.ao-ph physics.soc-ph
The Gompertz Growth of COVID-19 Outbreaks is Caused by Super-Spreaders
在个别SARS-CoV-2爆发中，确诊病例和死亡人数的计数遵循Gompertz增长函数，适用于大小差异很大的地区。这种对区域大小的依赖性的缺乏使我们假设病毒的传播取决于社会互动网络的普遍属性。我们通过模拟不同拓扑结构的网络上的病毒传播来测试这一假设。我们的主要发现是，Gompertz增长观察到的早期爆发只发生在一个无标度网络，其中节点的邻居比平均水平多得多是常见的。这些有很多邻居的节点在疫情爆发的早期就被感染，然后迅速传播感染。当这些节点不再具有传染性时，具有最多邻居的剩余节点接管并继续传播感染。通过这种方式，传播速度在一开始是最快的，并立即减慢。从几何学上可以看出，流行病的“表面”，即与受感染节点接触的易感节点的数量，在流行病的早期和较大的节点一被感染就开始迅速减少。在我们的模拟中，病毒爆发的速度和影响取决于三个参数：每个节点的平均接触次数、被邻居感染的概率以及恢复的概率。减少未来疫情影响的明智干预措施需要关注这些关键参数，以尽量减少经济和社会附带损害。
2021-12-31 physics.soc-ph 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
Small Area Estimation of Case Growths for Timely COVID-19 Outbreak Detection
Singapore Management University（新加坡管理学院）；Georgia Institute of Technology（佐治亚理工学院）；Massachusetts General Hospital（麻省总医院）；Harvard Medical School（哈佛医学院）
本文提出TLRF框架，通过随机森林的自适应加权机制，有效平衡准确率与速度，提升小样本区域的疫情增长率估计精度，并在科罗拉多州案例中验证其在爆发检测中的优越性。
2026-05-13 cs.LG physics.soc-ph stat.ML
A Novel Methodology for Epidemic Risk Assessment of COVID-19 outbreak
我们提出了一个新的数据驱动的框架，用于评估一个地理区域的先验流行病风险，并确定一个国家内的高风险地区。我们的风险指数被评估为三个不同组成部分的功能：疾病的危害，该地区的暴露和其居民的脆弱性。作为应用，我们讨论了意大利爆发的COVID-19疫情。我们使用现有的历史数据，空气污染，人类流动，冬季温度，住房集中，医疗保健密度，人口规模和年龄的20个意大利地区的特点。我们发现，与意大利中部和南部相比，北部一些地区的流行病风险更高。相应的风险指数显示了与感染者人数、重症监护患者和死亡患者人数的现有官方数据的相关性，并有助于解释为什么伦巴第、艾米利亚-罗马涅、皮埃蒙特和威尼托等地区比该国其他地区遭受的痛苦要多得多。尽管2019冠状病毒病疫情几乎同时在意大利北部（伦巴第大区）和中部（拉齐奥大区）爆发，但当首批病例于2020年初被正式认证时，该疾病在疫情风险较高的地区传播更快，后果更严重。我们的框架可以扩展并在其他流行病数据上进行测试，例如季节性流感，并应用于其他国家。我们还提出了一个政策模型与我们的方法，这可能有助于政策制定者采取明智的决定。
2021-01-22 physics.soc-ph q-bio.PE
Forecasting the outcome and estimating the epidemic model parameters from the fatality time series in COVID-19 outbreaks
在没有其他工具的情况下，监测保护措施的效果，包括社交距离和预测疫情的结果，具有巨大的意义。实时数据是嘈杂的，并且经常受到报告中的系统性错误的影响。详细的流行病模型可能包含大量的经验参数，这些参数无法以足够的精度确定。在本文中，我们表明，累计死亡人数可以被视为一个主变量，和流行病的参数，如基本再生数，易感人群的大小，和感染率可以确定。在SIR模型中，我们导出了一个显式的单变量微分方程的累积死亡人数的发展。我们发现，在西班牙，意大利和湖北省，中国的流行病密切遵循这个主方程。我们讨论了与Logistic增长模型的关系，我们表明，它是一个很好的近似时，基本再生数小于$2.3$。该条件适用于湖北的疫情，但不适用于西班牙、意大利和纽约的疫情。不同之处在于中国的传染期较短，这可能是由于感染者的隔离政策。对于具有更多内部变量的更复杂的模型，例如SEIR模型，由于时间尺度的分离，从SIR模型导出的方程近似地保持有效。
2020-08-01 physics.soc-ph q-bio.PE
Risk mapping for COVID-19 outbreaks in Australia using mobility data
The University of Melbourne（墨尔本大学）；The University of Adelaide（阿德莱德大学）；Victorian Department of Health and Human Services, Government of Victoria（维多利亚州卫生与人类服务部）；Department of Infectious Diseases, The Alfred and Central Clinical School, Monash University（蒙纳士大学阿尔弗雷德医院与中央临床学院传染病系）；University of New South Wales（新南威尔士大学）；Melbourne School of Engineering（墨尔本工程学院）；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）
本研究利用近实时人口移动数据提出一种空间传播风险评估方法，并在澳大利亚三个COVID-19疫情情景中验证，证明移动数据能有效预测暴露风险地理分布，有助于检测资源分配和针对性限制措施的实施。
2020-12-04 physics.soc-ph q-bio.PE
Early Warning of COVID-19 Hotspots using Mobility of High Risk Users from Web Search Queries
COVID-19以前所未有的规模和程度扰乱了全球经济和人们的福祉。为了控制这一疾病，建立一个有效的预警系统，预测疾病爆发的地点至关重要。研究表明，使用大规模流动数据监测非药物干预措施（例如，通过人口密度分析。然而，仅使用流动性数据很难预测潜在爆发发生的位置。与此同时，网络搜索查询已被证明是疾病传播的良好预测因素。在这项研究中，我们利用人类移动轨迹（GPS轨迹）和具有共同用户标识符（> 45万用户）的网络搜索查询的独特数据集，预先预测COVID-19热点位置。更具体而言，本集团进行网络搜索查询分析，以识别感染COVID-19的高风险用户，并进一步对该等用户的流动模式进行社交接触分析，以量化疫情爆发的风险。我们的方法是经验性的测试，使用从日本东京的用户收集的数据。我们表明，通过将COVID-19相关的网络搜索查询分析与社交联系网络相结合，我们能够提前1-2周预测COVID-19热点位置，而不仅仅是使用社交联系索引或网络搜索数据分析。这项研究提出了一种新的方法，可用于疾病暴发热点的早期预警系统，这可以帮助政府机构制定有效的战略，以防止疾病的进一步传播。
2020-10-26 cs.SI physics.soc-ph
Investigation of superspreading COVID-19 outbreaks events in meat and poultry processing plants in Germany: A cross-sectional study
自二零二零年五月以来，尽管采取了各种防护措施，德国肉类行业仍发生了几起COVID-19疫情，温度和通风条件被认为是可能的高风险因素。这项横断面研究检查了肉类和家禽工厂，以检查可能的风险因素。公司完成了一份关于工作环境和预防SARS-CoV-2感染的保护措施的自填问卷。进行了多变量逻辑回归分析，调整了距离至少1.5米，违反规则和就业状况的可能性，以确定与COVID-19病例相关的风险因素。22家肉类和家禽加工厂的19 072名雇员参加了培训。病例超过10例的7家工厂的COVID-19患病率为12. 1%，其中去骨和切肉区最高，为16. 1%。一项子样本分析显示，每名员工的最大通气率信息对通气率有影响（调整后的比值比（AOR）0.996，95% CI 0.993-0.999）。当包括温度作为工作区域中的交互项时，通风率的影响没有改变。室温升高导致获得阳性COVID-19检测结果的机会降低（AOR 0.90，95% CI 0.82-0.99），相互作用项的阳性COVID-19检测机会增加0.1%（AOR 1.001，95% CI 1.000-1.003）。我们的研究结果进一步表明，气候条件和低室外空气流量是可以促进SARS-CoV-2气溶胶传播的因素。在工业工作场所环境中，大流行缓解战略的一个可能要求是增加通风率。
2020-11-23 physics.med-ph physics.soc-ph
Predicting the ultimate outcome of the COVID-19 outbreak in Italy
于COVID-19爆发期间，监察政府在疫情过程中所采取措施的有效性至关重要。在这里，我们表明，在意大利已经收集了足够的数据来预测这个过程的结果。我们表明，使用适当的度量标准，湖北省和意大利的数据具有惊人的相似性，这使我们能够计算出预期的确诊病例数和过程结束时的死亡人数。我们的预测将随着新数据点的产生而不断改进，这有助于做出进一步的公共决策。该方法是基于数据分析的逻辑增长方程描述的过程在宏观层面上。在撰写第一版时，意大利的死亡人数预计为6000人，预计危机结束时间为2020年4月15日。在这个新版本中，我们讨论了从那时起两周内发生的变化。这一趋势在2020年3月17日发生了巨大变化，当时意大利卫生系统达到了容量极限。如果没有这个限制，可能会有3500多人死亡。相反，由于这些限制，预计现在将有17000人死亡，这是五倍的增长。预计危机结束的时间现在转移到2020年5月8日。
2020-03-31 physics.soc-ph q-bio.PE
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
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
Assessment of Lockdown Effect in Some States and Overall India: A Predictive Mathematical Study on COVID-19 Outbreak
在缺乏有效治疗或疫苗的情况下，以及对流行病学周期的不完全了解，政府已在全国范围内实施封锁，以减少COVID-19在印度的传播。为了研究社交距离措施的影响，我们考虑了一个新的数学模型，其中包含了封锁效应。通过验证我们的模型，从五个不同的国家和整个印度的通知病例的数据，我们估计了几个流行病学上的重要参数，以及基本的繁殖数（$R_{0}$）。将机械数学模型与不同的统计预测模型相结合，我们预测了2020年5月17日至2020年5月31日期间六个地点的通报病例。进行了一项全球敏感性分析，以确定两个流行病学可测量参数对锁定效应和$R_{0}$的相关性。我们的研究结果表明，在人群中存在较高比例的症状感染的地方，封锁将是有效的。此外，需要进行大规模COVID-19大规模检测以减少社区感染。包围模型预测显示，未来数天大部分地区的COVID-19通报病例将大幅增加。此外，预测期间的有效繁殖数量（$R_{t}$）趋势表明，如果在2020年5月17日之后完全取消封锁措施，则在这些地点可能会看到通知病例的高峰值。最后，结合我们的结果，我们提供了有效的封锁政策，以减少未来COVID-19在印度的传播。
2020-07-06 physics.soc-ph q-bio.PE
A Linear Dynamical Perspective on Epidemiology: Interplay Between Early COVID-19 Outbreak and Human Mobility
本文研究了人类活动和流动性（HAM）在流行病传播动力学中的影响。具体而言，它探讨了HAM及其对COVID-19病毒早期传播的影响之间的相互关系。在大流行的早期阶段，有效的繁殖数量表现出高度的相关性与人类流动模式，导致一个假设，HAM系统可以作为一个耦合系统与疾病传播动力学进行研究。本研究应用具有控制输入的广义Koopman框架来确定非线性疾病传播动力学和作为局部线性受控动力系统的输入输出特性。该方法完全依赖于时空数据的快照，不需要系统的物理定律的任何知识。我们利用Koopman算子框架，利用汉克尔动态模式分解与控制（HDMDc）算法，以获得一个线性疾病传播模型，将人类流动作为控制输入。这项研究表明，拟议的方法可以反映当地流动性对当前全球大流行病的早期动态的影响。所获得的局部线性模型可以准确地预测从两到四周的各种预测窗口的新感染的数量。这项研究证实了流动性和疾病传播动态之间的领导者-追随者关系。此外，延迟嵌入在HDMDc算法的效果也进行了研究和报告。使用来自美国佛罗里达州的COVID感染数据和从Google社区移动数据报告中提取的HAM数据进行了案例研究。
2021-08-05 cs.SY eess.SY math.DS
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
Investigating factors behind the outbreak of the 6th and the 7th waves of COVID-19 in Tokyo
东京的第六波COVID-19持续了最长的感染时间（从2021年11月下旬开始约190天），而2022年5月中旬发生的第七波是有史以来最大的一波（累计170万人）。为了阐明它们的影响因素，用Avrami方程对感染波进行了分析。第6波的主要成分是由于新年假期和新病毒变异体Omicron BA.1的入侵而增加的人类互动耦合而形成的。之后，2月、3月、5月连续假期，新病毒变异体Omicron BA.2的入侵与人与人之间的相互作用耦合形成了侧波。这些侧波，使得第六波，久久不能收敛。第7波主要成分的爆发是由新病毒变异体Omicron BA.5的入侵和多重社会因素耦合发生的，随后是7月假期期间的人类互动。基于畴生长速率$K$和感染上升时间$t_\mathrm{on}$几乎与初始易感$D_\mathrm{s}$无关的结果，推导出致密成核后近生长模型。认为$K \cdot t_\mathrm{on}$的量代表病毒的感染性。
2022-11-22 physics.soc-ph q-bio.PE
Quarantine Fatigue: first-ever decrease in social distancing measures after the COVID-19 outbreak before reopening United States
随着新型冠状病毒病（COVID-19）在中国武汉的出现及其在全球的迅速爆发，这种传染病改变了我们的日常旅行模式。在这项研究中，我们的团队利用综合数据面板调查了大流行期间人们日常流动模式的变化。为了综合人类流动性的各个方面，该团队重点关注了基于五个基本流动性指标计算的社会距离指数（SDI）。SDI模式在4月初显示了一个平台期，持续了大约两周。这种现象之后，SDI普遍下降，旅行次数增加，呆在家里的人的百分比减少。我们称之为隔离疲劳。采用变化率（ROC）方法追溯检疫疲劳的开始日期，表明为4月15日。我们的分析表明，尽管存在州与州之间的差异，但大多数州在同一时期开始出现隔离疲劳现象。这一观察变得更加重要，因为直到4月下旬才有任何一个州正式宣布重新开放，这表明人们决定在正式宣布重新开放之前放松社交距离。此外，我们的分析表明，官方重新开放导致SDI迅速下降，引发了第二波疫情的担忧。各州之间的同步趋势也强调了未来更全国性的决策态度的重要性，因为每个州的状况取决于全国性的行为。
2020-06-11 cs.CY physics.soc-ph
Highly coordinated nationwide massive travel restrictions are central to effective mitigation and control of COVID-19 outbreaks in China
COVID-19是由2019新型冠状病毒（SARS-CoV-2）引起的疾病，自2019年12月中国湖北省武汉市首次报告以来，已在全球范围内造成严重的灾难。自2020年1月23日武汉封锁以来，中国其他省份纷纷效仿，大规模的旅行限制令逾9亿人足不出户超过两个月，从而成功遏制了COVID-19在中国的传播。在此，我们评估了中国大规模封锁和旅行限制的影响，这些影响反映在封锁前和封锁期间流动模式的变化上。我们量化了各省之间和省内流动模式的同步性。利用这些流动性数据，我们结合流行病学分区模型校准了各省之间的流动，以量化封锁和减少疾病传播的有效性。我们的分析表明，其他省份的本地社区传播的开始和阶段取决于从震中湖北接收的累积人口流出。因此，感染可以进一步传播到附近和远处的其他相互连接的地方，从而需要同步封锁。此外，我们的数据驱动的建模分析表明，封锁和随之而来的流动性减少会滞后一段时间，从而对减缓传播并最终控制疫情产生实际影响。尽管中国各地的人口统计和流行病学特征差异很大，但流动性数据显示，大规模的旅行限制一直通过自上而下的方法实施，同时自下而上的合规水平很高。
2022-01-07 physics.soc-ph
Time-dependent and time-independent SIR models applied to the COVID-19 outbreak in Argentina, Brazil, Colombia, Mexico and South Africa
我们考虑SIR流行病学模型应用于COVID-19的演化，有两种方法。首先，我们拟合了一个全球SIR模型，该模型具有时间延迟，并且在整个疫情期间参数不变，包括传染率。竞争措施反映在有效减少的易感人群$N_{eff}$上。在第二种方法中，我们考虑了一个时间依赖的传染率，反映了竞争措施，无论是通过一步一步的拟合过程，或通过以下指数衰减。在最后一个模型中，人口被认为是国家$N$的人口。在微分方程的线性区域中，当总人口$N$较大时，预测与$N$无关。我们应用这些方法来研究阿根廷、巴西、哥伦比亚、墨西哥和南非的大流行的传播，这些国家尚未达到感染高峰。在所有这些情况下，我们提供的再生率和回收率的估计。考虑到采取了合理的措施，使得再生因子$R_0$呈指数下降，因此，随时间变化的传染率的情景是乐观的。报告了回收率$γ$的测量值，发现该参数在不同国家具有普遍性。我们讨论了全局SIR与有效布居$N_{eff}$的对应关系以及时间局部SIR的演化。
2020-06-22 physics.soc-ph q-bio.PE
Robust and optimal predictive control of the COVID-19 outbreak
我们以德国为例，研究通过社交距离措施稳健及最佳控制COVID-19疫情的适应性策略。我们的目标是在两年内尽量减少死亡人数，同时不造成过多的社会代价。我们考虑了德国COVID-19爆发的定制模型，该模型具有不同的参数集，以设计和验证我们的方法。我们的分析表明，开环最优控制策略可以显着减少死亡人数相比，更简单的政策下，假设准确的模型知识。在具有不确定数据和模型不匹配的更现实的场景中，使用模型预测控制（MPC）每周更新策略的反馈策略导致可靠的性能，即使应用于具有偏差参数的验证模型。最重要的是，我们提出了一个强大的MPC为基础的反馈政策，采用区间算法，适应社会距离的措施谨慎和安全，从而导致最低数量的死亡，即使测量是不准确的，感染率不能精确地指定的社会距离。我们的理论研究结果支持了最近的各种研究，表明1）需要自适应反馈策略来可靠地控制COVID-19爆发，2）与简单的政策相比，精心设计的政策可以显著减少死亡人数，同时保持社交距离措施的数量在同一水平上，以及3）从长远来看，尽早实施更强有力的社交距离措施比过早开放和稍后恢复更严格的措施更有效和更便宜。
2021-02-08 cs.SY eess.SY math.OC
Masking the general population might attenuate COVID-19 outbreaks
掩蔽一般人群对COVID-19流行病的影响是通过使用两个独立的最先进的基于网络的软件进行计算机模拟来估计的，其中一个软件针对SARS-CoV-2病毒进行了校准。解决的问题是这些：1。普通人群使用口罩能限制SARS-CoV-2在一个国家的传播吗？2.有哪些类型的口罩，口罩必须有多精致才能有效地抵御COVID-19？3.口罩一定要在疫情初期使用吗？4.对口罩进行了简要的一般性讨论，并就口罩和SARS-CoV-2未来可能的研究问题进行了讨论。结果表明：（1）任何类型的口罩，即使是简单的自制口罩，都可能有效。口罩的使用似乎有降低新患者的效果，即使每个口罩的保护效果（这里称为“一个口罩保护”）很低。严格遵守口罩使用似乎并不重要。然而，发现将单掩模保护增加到> 50%是有利的。口罩似乎能够减少能力的溢出，例如重症监护。由于软件的默认参数包括另一种干预措施，因此似乎可以将面罩和其他干预措施结合起来。(2)口罩似乎确实减少了新病例的数量，即使是在流行病的后期引入。然而，及早实施有助于减少案件的累积和总数。(3)模拟表明，在有限的时间内通过广泛使用口罩来消除COVID-19疫情是可能的。这些模拟的结果令人鼓舞，但不一定代表现实生活中的情况，因此建议现在进行口罩的临床试验，同时持续监测效果和副作用。
2020-06-28 physics.soc-ph q-bio.PE
