Effects of Population Co-location Reduction on Cross-county Transmission Risk of COVID-19 in the United States
COVID-19在美国迅速蔓延，对公共卫生、实体经济和人类福祉构成重大威胁。在缺乏有效疫苗的情况下，保持社交距离及减少旅行等预防措施被视为控制COVID-19传播的重要非药物方法。此前的研究表明，人类活动和流动性推动了中国COVID-19的时空分布。然而，人们对减少同地办公对COVID-19跨县传播风险的模式和影响知之甚少。这项研究利用了2020年3月至5月初美国所有县的Facebook托管数据。该分析考察了旅行减少与大流行增长轨迹之间的同步性和时滞，以评估社交距离在停止人口共居概率以及随后每周新病例增长方面的功效。结果表明，减少同地办公的缓解效应表现在延迟一周的每周新病例增长上。此外，在根据病例数量分类的不同州组之间发现了明显的隔离。结果表明，组内共址概率保持稳定，社会距离政策主要导致跨组共址概率降低（由于从病例数较多的县到病例数较少的县的旅行减少）。这些发现可能对地方政府提供重要的实际影响，以指导其监测和减少COVID-19传播的干预措施，以及在未来大流行中采用。公共政策、经济预测和流行病建模在评估COVID-19跨县传播风险时需要考虑人口共址模式。
2020-06-01 physics.soc-ph q-bio.PE
Modeling and prediction of COVID-19 in the United States considering population behavior and vaccination
COVID-19摧毁了整个国际社会。疫苗提供了一个缓解大流行的机会;然而，疫苗接种的效果与人群的行为反应还没有得到很好的理解。我们提出了一个模型，结合了两个重要的动态变化的人口行为：谨慎和安全感的水平。随着感染病例的增加，谨慎的程度也会增加，而随着疫苗接种的增加，安全感的增加会降低预防行为。据我们所知，这是第一个可以有效重现美国各地区COVID-19感染完整时间历史的模型，并提供了人口行为和疾病传播率动态变化的相关指标。我们提出了一个参数d_I作为一个直接的措施，人口的谨慎对传染病，可以从正在进行的新的传染病病例。该模型提供了一种方法来定量测量的关键传染病属性的人口，包括最高的疾病传播率，有效的疾病传播率，疾病相关的预防行为。我们预测美国未来COVID-19大流行趋势，包括疫苗推广和行为反应。尽管高疫苗接种率对迅速结束大流行至关重要，但我们发现，由于疫苗部署期间安全感的增加，恢复到大流行前的社会行为可能导致感染人数激增。我们的研究结果显示，按目前的疫苗接种速度，美国的新冠肺炎感染病例将于二零二一年八月底接近零。该模型可用于预测未来的流行病和大流行的动态之前和期间接种疫苗。
2021-03-01 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
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
Fever and mobility data indicate social distancing has reduced incidence of communicable disease in the United States
2020年3月，美国多个州政府鼓励或强制限制社交互动，以减缓COVID-19的传播，COVID-19是由新型冠状病毒SARS-CoV-2引起的疾病，已蔓延至近180个国家。评估这些社交距离策略的有效性具有挑战性，因为对COVID-19的监测有限，根据时间和地区不同的标准，通常会优先对高风险或住院病例进行检测。在这里，我们发现，在美国至少有100例COVID-19确诊病例的县，流动性的减少导致了发热发病率的减少，这是由智能温度计捕获的，平均滞后6.5天（$90\%$在3- 10天内），这与COVID-19的潜伏期一致。此外，流动性下降幅度较大的县随后实现了发烧的更大幅度下降（$p<0.01$），纽约市及其邻近地区是一个明显的例外。这些结果表明，社交距离减少了包括COVID-19在内的流感类疾病的传播，并支持社交距离作为减缓COVID-19传播的有效策略。
2020-04-21 physics.soc-ph q-bio.PE
An Interstate Trips Analysis during COVID-19 in the United States
COVID-19全球爆发对公众构成严重威胁。在大流行期间，人类流动发生了各种变化。尽管目前的研究共同的流动性指标，研究特别是对国家到国家的流动性是非常有限的。通过利用来自超过1亿台匿名设备的移动电话位置数据，我们估计了美国各州之间的人口流动。我们首先分析了2020年1月1日至2020年5月15日州际流动的时间模式和空间差异。然后，通过重复测量方差分析和事后分析，我们发现不同的时间过程模式的国家之间的人口流动的流行病的严重程度组。进一步分析显示，流量减少与疫情严重程度之间存在中度至高度相关性，其强度因政策不同而异。本文在预测输入性病例方面有一定的应用前景。
2020-07-04 cs.SI physics.soc-ph
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
Vaccination rates modulate the correlation between country latitude and covid-19 surge date arising this autumn 2021
2020年秋季，观察到新冠病毒激增日期与国家纬度之间存在明显的线性相关性，但与温度和湿度之间没有相关性，这表明季节性维生素D状况下降是一个影响因素。接种疫苗良好的欧洲国家在2021年秋季重复爆炸性激增。我们的目标是评估激增日期，国家纬度和人口接种率之间的潜在联系。今年秋天只观察到了微弱的相关性。然而，在将国家纬度按其疫苗接种率比例向南移动后，检索到了明显的线性相关性。这一观察结果与其他观察结果相结合，支持维生素D缺乏会降低疫苗接种效率。保持维生素D缺乏没有客观的好处。因此，虽然欧洲人口正在经历季节性秋冬维生素D状态下降，但筛选老年人维生素D状态并修复个体缺乏症已经是有意义的。
2021-11-02 physics.soc-ph
Comparing the dynamics of COVID-19 infection and mortality in the United States, India, and Brazil
本文比较和对比了COVID-19在受疫情影响最严重的三个国家（美国、印度和巴西）的传播和影响。这三个国家都有一个联邦结构，其中各个州在很大程度上决定了对这一流行病的反应。因此，我们对这三个国家的各个州进行了广泛的分析，以确定每个国家的相似性模式。首先，我们分析结构相似性和异常的病例和死亡的轨迹作为多变量时间序列。接下来，我们研究了这三个国家及其州的不同病毒爆发波的长度。最后，我们调查适当的时间偏移病例和死亡之间的功能不同的爆发波。在所有这些分析中，我们始终揭示了美国和印度各州之间更具特征性的不同行为，而巴西各州在其波动行为中表现出较少的结构，并在病例和死亡之间不断变化。
2022-01-29 physics.soc-ph
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
A County-level Dataset for Informing the United States' Response to COVID-19
由于2019冠状病毒病（COVID-19）继续成为全球大流行病，政策制定者已颁布并撤销非药物干预措施，并实施不同程度的限制，以限制其传播。分析大流行的时间特征及其对区域条件的依赖性的数据驱动方法可能提供信息以支持缓解和抑制策略的实施。为了促进在这个方向上的研究，在美国的例子，我们提出了一个机器可读的数据集，汇总相关的数据来自政府，新闻和学术来源在美国县一级。除了JHU CSSE COVID-19仪表板中的县级时间序列数据外，我们的数据集还包含300多个变量，这些变量汇总了人口估计、人口统计、种族、住房、教育、就业和收入、气候、交通评分以及医疗保健系统相关指标。此外，我们还为每个县的各种兴趣点提供了汇总的户外活动信息，包括杂货店和医院，总结了SafeGraph和Google移动报告的数据。我们从IHME、州和县级政府以及报纸上收集信息，以了解非药物干预措施的颁布和逆转日期。通过收集这些数据，并提供阅读它们的工具，我们希望加快研究这种疾病如何传播以及为什么不同地区的传播可能不同的研究。我们的数据集和相关代码可以在github.com/JieYingWu/COVID-19_US_County-level_Summaries上找到。
2020-09-11 cs.CY cs.DB physics.soc-ph
Diverse local epidemics reveal the distinct effects of population density, demographics, climate, depletion of susceptibles, and intervention in the first wave of COVID-19 in the United States
SARS-CoV-2大流行在全世界造成了严重的死亡率和发病率，几乎没有一个社区幸免。由于这种疾病在未来几年可能仍然是一种威胁，因此了解人口统计和定居点以及气候、易感人群耗竭和干预等动态因素对局部流行病传播的确切影响对于采取有效应对措施至关重要。我们考虑了美国当地的一整套流行病;广泛的人口统计学，人口密度和气候因素;以及当地的流动性数据，跟踪社交距离干预措施，以确定推动病毒传播和遏制的关键因素。假设第一个线性模型的指数增长率（或衰减）的情况下/死亡率，我们发现，人口加权密度，湿度和中位年龄占主导地位的增长和下降的动态，一旦干预占。对不同大都市地区的关注表明，一些地区受益于几乎同时发生的全国范围内的关闭时间和/或3月中旬的区域气候条件;而其他地区在干预之前就遭受了严重的疫情爆发。使用感染传播的第一性原理模型，然后我们对放松社交距离和当地气候条件的影响进行预测。有证据表明，有相当一部分人口受到感染的少数地区，通过减少易感人口，疫情已部分得到解决（即，“群体免疫”），而美国大部分地区仍然非常容易受到影响。这些结果对于干预策略的优化管理非常重要，这可以通过我们的在线仪表板来实现。
2020-07-01 physics.soc-ph q-bio.PE q-bio.QM
Trends in COVID-19 prevalence and mortality: a year in review
本文介绍了研究2020年50个受影响最严重国家的COVID-19病例和死亡变化动态的新方法。首先，我们分析滚动死亡率的轨迹和转折点，以了解疾病在哪些时候最致命。我们展示了死亡率轨迹的五个特征类，并确定随着时间的推移死亡率趋势的结构相似性。接下来，我们引入一类\emph{virulence matrices}来研究全球范围内COVID-19病例和死亡的演变。最后，我们引入\emph{three-way inconsistency analysis}来确定关于三个属性的异常国家：国家的COVID-19病例，死亡和人类发展指数。在这三项指标中，我们发现最不正常的国家是巴基斯坦、美国和阿拉伯联合酋长国。
2021-05-10 physics.soc-ph q-bio.PE
Spatial-temporal Analysis of COVID-19's Impact on Human Mobility: the Case of the United States
自二零一九年十二月以来，COVID-19已影响社会生活的各个方面，包括人员流动。在本文中，我们研究了COVID-19对美国各州人口流动模式的影响。从时间的角度来看，我们发现流动模式的变化并不一定与政府的政策和指导方针相关，而更多地与人们对疫情的认识有关，这一点在Google Trends的搜索数据中有所反映。我们的研究结果表明，平均需要14天的流动模式，以适应新的情况。从空间的角度来看，我们进行了一个国家级的网络分析和聚类使用多尺度动态人类流动数据集的流动数据。结果，我们发现：1）同一个聚类中的州的地理距离较短; 2）在出现最多聚类的时间和Google趋势上冠状病毒相关搜索查询的峰值之间再次发现了14天的延迟;以及3）其它网络流属性，即度、接近度和介数，从3月2日的一周到4月6日的一周（集群数量最多的一周）。
2020-12-06 cs.SI physics.soc-ph
Human Mobility Trends during the COVID-19 Pandemic in the United States
于今年三月，COVID-19被宣布为大流行病，并继续威胁公众健康。这场全球健康危机限制了人们的日常行动，使我们社会的每个部门都出现恶化。了解公众对病毒的反应和非药物干预措施，应该对战略性抗击COVID-19有很大帮助。我们的目标是提供有形的证据，人类流动性的趋势，通过比较每天的变化在美国大规模的公共流动性在一个聚合的水平上观察到利用移动终端的位置数据和社交距离相关的措施。我们的研究捕捉了空间和时间的异质性，以及关于大流行传播和非药物干预的社会人口学变化。所有的流动性指标适应捕捉减少公众运动后，国家紧急声明。在所有州，呆在家里的人口都有所增加，并且在居家令之后变得更加稳定，波动幅度较小。收入或人口密度组之间存在总体流动异质性。公众一直在积极应对，自愿更多地呆在家里，对州内确诊病例，而呆在家里的命令稳定了变化。该研究表明，公共交通的趋势与政府敦促呆在家里的信息相一致。我们预计我们的数据驱动分析提供了综合的观点，并作为证据，以提高公众意识，从而加强社交距离的重要性，同时协助政策制定者。
2020-05-06 physics.soc-ph q-bio.PE
Infectious disease surveillance needs for the United States: lessons from COVID-19
本文基于COVID-19的经验教训，探讨了美国传染病监测系统的升级需求，界定了支持疫情决策所需的监测数据范围、数据元素及数据类型，并提出了确保数据可用及改善健康公平的行动方案。
2023-11-22 cs.CY physics.soc-ph q-bio.PE
How different age groups responded to the COVID-19 pandemic in terms of mobility behaviors: a case study of the United States
COVID-19的迅速传播影响了全国各地不同社会人口群体的数千人。预防或减缓疫情的决定性步骤是采取行动干预措施，如政府的居家令。然而，不同的社会人口群体可能对这些命令和条例有不同的反应。在本文中，我们试图通过研究不同年龄组的不同社区如何按照3月13日的国家紧急状态宣言等命令执行社交距离，以及在实施规定后他们开始改变行为的速度，来填补目前文献中的空白。为此，我们通过使用匿名和隐私保护的移动终端数据，计算了不同年龄组人群在不同流动性指标下的行为变化，例如与大流行前几天（2020年1月和2月）相比，研究期间（2020年3月、4月和5月）待在家里的人的百分比。我们的研究表明，老年社区在行为改变方面优于年轻社区。与年轻社区相比，老年社区不仅对疫情的反应更快，而且在大流行期间表现更稳定。
2020-07-22 cs.CY physics.soc-ph
Impact of pandemic fatigue on the spread of COVID-19: a mathematical modelling study
2020年末，全球多个国家的新冠确诊病例再次激增，包括英国、加拿大、巴西、美国等，在全国乃至世界范围内掀起了一股巨大的浪潮。虽然有迹象表明，预防疲劳可能是一个关键因素，但迄今尚未提供科学证据。我们使用了一个具有层次结构的随机集合种群模型，并将该模型与美国从疫情爆发开始到2020年底的阳性病例进行了拟合。我们将非药物干预（NPI）纳入该模型，假设预防强度随着阳性病例的增加而增加，并研究了两种类型的流行性疲劳。我们发现，大多数州和整个美国的人对疫情的反应呈次线性（指数k=0.5），而只有三个州（马萨诸塞州，纽约州和新泽西州）呈线性反应（k=1）。病例疲劳（对阳性病例警惕性下降）占58%，而预防疲劳（警惕组最大分数下降）占26%。如果没有大流行疲劳（没有病例疲劳和预防疲劳），阳性病例总数平均将减少68%。我们的研究显示，疫情疲劳是美国COVID-19疫情恶化的主要原因。警惕性降低是大多数阳性病例的原因，较高的死亡率往往促使当地人对疫情作出更快的反应，并保持更长时间的警惕。
2021-04-09 physics.soc-ph q-bio.PE
Introductory models of COVID-19 in the United States
学生开发和测试COVID-19传播的简单模型。Microsoft Excel被用作建模平台，因为它对学生没有威胁，而且广泛可用。学生开发有限差分模型，并在预先格式化的电子表格的单元格中实施它们，遵循引导式探究教学法，以脚手架逐步的方式引入新的模型参数。这种方法允许学生以系统的方式研究新模型参数的含义。学生使用Excel的Solver使用最小二乘技术将生成的模型拟合到美国报告的每日病例数据。学生们使用自己的电子表格，发现COVID-19最初的指数增长可以用简化的无限增长模型和SIR模型来解释。他们还发现，社交距离的影响可以使用感染率系数的高斯转换函数来建模，夏季激增是由于过早放松社交距离，然后重新实施更严格的社交距离。然后，学生们对疫苗接种的效果进行建模，并通过证明SIRV模型成功预测了从感恩节到2021年2月14日的每日报告病例数据来验证所产生的SIRV模型。同一SIRV模型随后被扩展，并成功拟合了由进一步放宽社交距离措施导致的第四个高峰，直至2021年6月1日。最后，学生们将模型扩展到今天，并成功地解释了SARS-CoV-2的delta变体的出现。拟合模型还预测，德尔塔变体峰值将相对较短，每天的病例数据应在2021年9月初开始下降-与目前的预期相反。这个案例研究将为对科学建模感兴趣的学生提供一个很好的顶点体验。
2021-10-04 physics.ed-ph physics.soc-ph
Spatial homogeneity learning for spatially correlated functional data with application to COVID-19 Growth rate curves
我们通过分析美国的COVID-19增长率曲线，研究了空间异质性对区域COVID-19大流行时间和严重程度的影响。我们提出了一个地理上详细的功能数据分组方法配备了功能条件自回归（CAR）之前，充分捕捉流行曲线的空间相关性。空间同质性模式，然后可以检测到一个地理加权的中国餐馆的过程之前，允许本地空间连续的组和全球不连续的组。设计了一种有效的马尔可夫链蒙特卡罗（MCMC）算法，用于同时推断空间函数数据的组数和分组结构的后验分布。通过模拟研究和对美国COVID-19州级和县级数据研究的应用，证明了所提出的方法优于竞争方法的数值性能。
2020-08-20 physics.soc-ph stat.AP
Implication of Repatriating Migrant Workers on COVID-19 Spread and Transportation Requirements
由于COVID-19全国封锁，滞留在印度各地的移民工人迫切需要公共交通工具返回原籍。安排运输可能会使COVID-19感染病例数量激增。因此，本文调查了COVID-19感染的确诊和活跃病例的潜在激增，并评估了遣返移民工人所需的训练和巴士车队规模。通过预测2011年人口普查数据并与新闻媒体报道的信息进行比较，获得了预期遣返的农民工人口。提出了一种改进的易感染-暴露-感染-清除（SEIR）模型，以估计印度选定的移民外流率高的邦的确诊和活动性COVID-19患者病例的激增。开发的模型考虑了不同水平的移民工人的每日到达率，总的移民工人需要运输，和旅行依赖症状的情况下到达的起源的组合。减少移徙工人大量外流的国家的每日移徙工人抵达率（即，北方邦和比哈尔邦）可以帮助降低确诊病例和活跃病例的激增。尽管如此，这可能会造成将所有遣返的移民工人运送到家乡所需天数的差异。因此，建议每天安排大约100，000名移徙工人前往北方邦和比哈尔邦，每天安排大约50，000名移徙工人前往拉贾斯坦邦和中央邦，每天安排20，000名移徙工人前往马哈拉施特拉邦，每天安排不到20，000名移徙工人前往印度其他邦。
2020-07-30 physics.soc-ph q-bio.PE
Population mobility, well-mixed clustering and disease spread: a look at COVID-19 Spread in the United States and preventive policy insights
提出一种将区域重新划分为充分混合聚类的算法，利用美国县级蜂窝移动数据展示SARS-CoV-2的细致传播，并识别时间稳定的核心聚类，为政策制定者提供更精准的公共卫生干预决策支持。
2023-11-25 physics.soc-ph q-bio.PE
How Political is the Spread of COVID-19 in the United States? An Analysis using Transportation and Weather Data
我们通过挖掘2020年3月至2020年7月美国居民的交通模式，调查了2016年总统大选中唐纳德·特朗普（红色）和希拉里·克林顿（蓝色）赢得的州之间COVID-19传播的差异。为了确保公平的比较，我们首先使用K均值聚类方法将50个州根据其人口，面积和人口密度分为五个集群。然后，我们使用居民出行的平均百分比和每人的出行次数来描述不同州居民的日常交通模式。对于每个州，我们研究了在正式重新开放日期之前和之后的2个月内旅行模式和感染率之间的相关性。我们观察到，在封锁期间，红色和蓝色州都显示出他们的旅行模式与感染率之间的强正相关性。然而，在州重新开放后，我们发现在所有五个州集群中，红色州的旅行感染相关性高于蓝色州。我们发现，红州和蓝州的居民在州重新开放后的一段时间内表现出类似的旅行模式，这使我们得出结论，平均而言，红州的居民可能比蓝州的居民更不安全。此外，我们使用温度数据试图解释居民出行方式和安全措施的差异。
2020-09-10 cs.SI physics.soc-ph
COVID-19 and income profile: How communities in the United States responded to mobility restrictions in the pandemic's early stages
本研究基于美国大量匿名设备位置数据，分析不同收入社区在疫情早期的社交距离表现差异，发现高收入社区表现更优，并指出低收入社区面临的相关现实问题，为疫情防控政策讨论提供数据支撑。
2024-04-14 cs.SI physics.soc-ph
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
Network Based Approach Estimating COVID-19 Spread Patterns
该研究利用美国 3,105 个县的病例时间序列构建演化疫情网络，识别出四种与重大事件相关的 COVID-19 传播模式，并揭示复杂网络方法在传染病宏观研究中的潜力。
2024-01-23 physics.soc-ph
Healthcare system resilience and adaptability to pandemic disruptions in the United States
本文通过分析美国各州数百万电子病历，量化了医疗系统在COVID-19两波扰动中的适应能力与韧性，发现系统适应性强但韧性中等，且少数族裔受影响更严重，医生丰裕度是关键决定因素。
2024-09-02 cs.SI physics.soc-ph
COVID-19: The extraction of the effective reproduction number from the time series of new cases
这项工作涉及五种流行算法的性能，旨在根据新确诊病例的时间序列评估COVID-19疾病的传播动态。该试验基于通过确定性房室流行病学模型\cite{Matsinos2020a}产生的模拟数据，该模型在本文中也适用于包括恢复（或接种）受试者组丧失免疫力的可能性。假设有效再生产数量的简单时间依赖性（就本工作的结论而言，确切的细节无关紧要），在2021年1月1日之前，在近一年的时间域中，生成了五个累计感染数量排名靠前的国家的新病例的时间序列。这些国家是（按感染降序排列）：美利坚合众国、印度、巴西、俄罗斯和英国。每个模拟的时间序列的处理导致建立的输入（实际）和重建的值之间的关系，为每个国家和算法，分别;这项工作认为，所有五种算法低估了有效的再生数时，后者超过了$1$的临界值。随后，将这五种算法应用于上述五个国家新发病例的真实时间序列，时间间隔也接近一年;获得了这些国家2020年的有效生殖数的校正值。
2021-05-07 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
Mathematical Modeling of the Spread of COVID-19 in Moscow and Russian Regions
为了模拟COVID-19冠状病毒在俄罗斯地区和莫斯科的传播，使用了描述病例数量增加的离散逻辑方程。为了检查数学模型的充分性，将模拟结果与冠状病毒在中国、一些欧洲和亚洲国家以及美国的传播进行了比较。在区间（01.03 - 08.04）内确定了俄罗斯、莫斯科和其他大区域的物流方程的参数。呈列不同国家及地区COVID-19感染人口增长率的比较分析。考虑了COVID-19冠状病毒在莫斯科和俄罗斯地区传播的各种情况。对于每一种情况，获得了每日新病例的曲线和病例总数增加的图表，并研究了每日感染传播的动态。确定了高峰时间、流行期、高峰感染人数及其增长情况。
2020-04-21 physics.soc-ph q-bio.PE
Data-driven Contact Network Models of COVID-19 Reveal Trade-offs between Costs and Infections for Optimal Local Containment Policies
尽管美国已实施数项非药物措施数月以减缓冠状病毒病（COVID-19）大流行，但随着限制措施被解除以重振经济，该疾病在多个县仍是一种危险。在经济复苏和感染控制之间做出权衡是许多重灾县面临的重大挑战。了解传播过程和量化地方政策的成本对于应对这一挑战至关重要。在这里，我们研究了匿名的，地理定位的移动数据和人口普查和人口统计数据的人口动态接触模式，以创建数据驱动的，基于代理的接触网络。然后，我们在美国的10个大都市县模拟了随时间变化的传染模型的流行病传播，并评估了流动性减少，口罩使用和重新开放政策的组合。我们发现，我们的模型捕捉到的时空和异质性的情况下，在不同的国家动态人口行为的基础上的轨迹。我们的研究结果表明，一个决策工具，同时考虑经济成本和感染的政策结果，可以在决策的地方遏制战略的经济放缓和病毒传播的最佳平衡的信息。
2021-04-03 cs.SI nlin.AO physics.soc-ph
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
Toward the "New Normal": A Surge in Speeding, New Volume Patterns, and Recent Trends in Taxis/For-Hire Vehicles
大流行六个月后，纽约市（NYC）第四阶段重新开放一个月后，限制措施正在解除，企业和学校正在重新开放，但全球感染人数仍在上升。本白皮书更新了在纽约市爆发COVID-19疫情后观察到的旅行趋势，并强调了一些关于“新常态”的发现。"
2020-09-23 cs.SI physics.soc-ph
Clustering patterns connecting COVID-19 dynamics and Human mobility using optimal transport
社交距离及待在家中是已知可有效遏止COVID-19等大流行病在特定人群中传播的少数措施之一。这些措施之间的依赖关系及其对疾病发病率的影响可能因人口而异。我们描述了一个新的计算框架，用于测量和比较美国150多个发病率相对较高的城市中人员流动与新冠肺炎病例之间的时间关系。我们使用了一个新的应用程序的最优运输计算之间的距离的规范化模式诱导的双变量时间序列为每对城市。因此，我们确定了10个具有相似时间依赖性的城市集群，并计算了Wasserstein重心来描述每个集群的整体动态模式。最后，我们使用特定城市的社会经济协变量来分析每个聚类的组成。
2020-07-21 physics.soc-ph stat.AP
