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
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
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
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
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
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
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
Space-time dependence of corona virus (COVID-19) outbreak
我们使用先前研究的欧几里得网络上的传染病传播易感-感染-移除（SIR）模型的结果分析了全球冠状病毒（COVID-19）爆发的数据。我们还直接研究了距离震中的距离和病例数的相关性。可以看出近似存在平方反比定律。这些研究分别针对中国和世界其他地区进行。
2020-03-06 physics.soc-ph
Modeling the Dynamics of the COVID-19 Population in Australia: A Probabilistic Analysis
新型冠状病毒COVID-19于2020年1月25日左右抵达澳大利亚海岸。本文提出了一种新的方法，利用有限的数据，以高度的准确性和及时性对澳大利亚的COVID-19大流行进行动态建模和预测;这是一种宝贵的资源，可用于指导政府每天和/或每周对社会限制的决策。本研究中使用的“部分可观察随机过程“不仅预测了误差极低的未来实际值，还预测了未观察到的COVID-19病例在人群中的百分比。该模型还可协助决策者评估其决策过程中几种可能的备选方案的有效性。
2020-05-26 physics.soc-ph q-bio.PE stat.AP
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
The short-term seasonal analyses between atmospheric environment and COVID-19 in epidemic areas of Cities in Australia, South Korea, and Italy
COVID-19疫情对健康的影响受到广泛关注。疾病风险评估、预测和预警已成为一个重要的研究领域。以前的研究表明，空气质量和疾病之间存在联系。利用澳大利亚、韩国和意大利3个国家的大气环境数据、已证实的病例数据和基于拟泊松回归的分布滞后非线性模型（DLNM），研究了大气环境对基本生殖数（R $_0$）的影响。结果表明：气温和湿度对短期R $_0$具有滞后性和持续性，季节因子对R $_0$具有明显的装饰作用。PM $_{10}$是影响超额发病率的主要污染物。此外，作为扰动因子的O $_3$、PM $_{2.5}$和SO $_2$具有明显的累积效应。这些结果为环境与COVID-19之间的相关性提供了有益的知识，可指导疾病数据的前瞻性分析。
2020-05-23 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
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
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
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
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
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 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
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 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
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
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
The Reconstruction and Prediction Algorithm of the Fractional TDD for the Local Outbreak of COVID-19
从2019年12月下旬开始，新型冠状病毒开始在中国大陆传播。为了预测冠状病毒的传播趋势，提出了几种时滞动态系统（TDD）。本文建立了一个新的分数时滞动力系统（FTDD）来描述COVID-19局部爆发。引入分数阶导数来描述被证实和治愈的人口增长的次扩散过程。基于政府提供的公共卫生数据，提出了一种稳定的系数重建算法。重构后的系数被用来预测冠状病毒的趋势。数值计算结果与公开数据吻合较好。
2020-02-24 physics.soc-ph
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
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
Analysis of COVID19 Outbreak in India using SEIR model
由于印度人口和气象数据分布的多样性，预测COVID 19病毒在印度的传播模式非常困难。全球各地的研究人员试图将这些数据的相互依赖性与COVID 19病例在印度的传播模式联系起来。但很难预测确切的模式，尤其是活跃病例数量的峰值。在本文中，我们试图使用广义SEIR模型预测印度COVID 19的活动，康复，死亡和总病例数。在我们的预测中，活跃病例曲线中峰值的出现与真实数据中的峰值非常接近（仅相差一周）。尽管预测病例数与实际病例数不同（由于从2020年6月起逐步解除行动限制），但实际和预测时间（活跃病例曲线峰值）的密切相似性使该模型相对适合分析印度的COVID 19疫情。
2020-10-26 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
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
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
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
Compartmental model with loss of immunity: analysis and parameters estimation for Covid-19
新型冠状病毒疫情的爆发导致世界陷入前所未有的健康和经济危机。为了应对这一紧急情况，世界各地的研究人员正在深入研究COVID-19大流行的动态。在这项工作中，提出了一个SIRSi房室模型，这是一个已知的经典SIR模型的修改。拟议的SIRSi模型考虑了人群内免疫接种的差异，以及未报告或无症状病例的可能性。该模型针对巴西圣保罗州的三个主要城市，即圣保罗、桑托斯和坎皮纳斯进行了调整，提供了疫情持续时间和高峰期的估计数。
2020-08-06 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
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
An agent-based model for interrelation between COVID-19 outbreak and economic activities
截至二零二零年七月，由冠状病毒COVID-19引起的急性呼吸道综合征正在全球蔓延，并造成严重的经济损失。虽然尽量减少人与人之间的接触对控制疫情是有效的，但它会造成严重的经济损失。迫切需要通过考虑病毒传播与经济活动之间的相互关系来解决这一困境的战略，以减轻健康和经济损失。在这里，我们提出了一个基于代理的COVID-19爆发抽象模型，其中考虑了经济活动。该模型的计算机模拟概括了与封锁措施相关的健康和经济损失之间的权衡。基于模拟结果，我们讨论了传染和经济的宏观动力学如何从个人的行为中出现。我们相信，我们的模式可以作为一个平台，讨论解决上述困境。
2020-07-22 math.DS physics.soc-ph
Social stress drives the multi-wave dynamics of COVID-19 outbreaks
流行病的动态取决于人们在爆发期间的行为变化。在疫情发生之初，人们对病毒并不了解，然后，疫情爆发并报警后，他们开始遵守限制措施，疫情的传播可能会下降。随着时间的推移，有些人会对这些限制感到厌倦/沮丧，并停止遵循它们（疲惫），特别是如果新病例的数量下降。休息一段时间后，他们可以再次遵循限制。但在这一停顿期间，第二波浪潮可能会到来，并变得比第一波更强大。基于SIR模型的研究不能预测观察到的第一波流行病的快速退出。应考虑社会动态。第二次浪潮的出现也取决于社会因素。SIR模型的许多推广都考虑了免疫力随时间的减弱、病毒的进化、疫苗接种和其他医学和生物学细节。然而，这些更复杂的模型并不能解释具有不同内在社会文化特征的国家之间暴发概况的明显差异。在我们的工作中，提出了一个COVID-19大流行的模型系统，将社会压力的动态与经典流行病模型相结合。社会压力是用社会物理学的工具来描述的。将动态SIR型模型与一般适应综合征的三个阶段（警报-抵抗-耗竭）相结合，就有可能高精度地描述13个国家的现有统计数据。找到了模型与数据最佳拟合所对应的动力学常数集，它们表征了社会动员防治流行病的努力并在一段时间内保持这种集中的能力，并可进一步帮助制定针对特定社会的战略。
2021-10-19 physics.soc-ph q-bio.PE
Comparative analysis of the diffusion of Covid-19 infection in different countries
新型冠状病毒肺炎（COVID-19，即2019冠状病毒病）在中国以外地区的突然蔓延，促使世界卫生组织（WHO）于3月11日承认这场持续的疫情是一场大流行病。在这一阶段，至关重要的是要了解目前在感染传播方面落后的国家应向感染传播较早的国家学习什么。这项工作的选择是更喜欢及时性而不是全面性。通过采取纯粹的经验方法，我们将限于根据不同国家的不同功能行为，确定不同国家的不同阶段，并进行比较分析。对登记病例曲线的比较分析突出了显著的相似之处，特别是在西方国家之间，同时也有一些微小但至关重要的差异。我们强调及时性如何在很大程度上减少个别国家疫情的规模，最终限制最终死亡人数。我们的数据表明，不幸的是，西方政府没有表现出预测其决策的能力，这是基于早些时候受到疫情打击的国家的经验。
2020-03-18 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
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
Epidemic analysis of COVID-19 in Brazil by a generalized SEIR model
我们将应用广义SEIR模型研究巴西的COVID-19疫情。特别是，我们要解释对感染水平在很长一段时间内增加的预测，与该国人口最多的州的大规模局部疫情重叠。本文采用一个基于时间的动态SEIR模型，分析了中国疫情期间感染、康复和死亡的时间轨迹。该模型具有随时间变化的参数，并考虑非线性最小二乘法拟合。从2020年4月8日开始的模拟得出的结论是，巴西的高峰时间将在2020年7月21日，累计感染病例总数约为98.2万人;此外，预计最终死亡病例总数将达到19.2万人。此外，巴西将在7月中旬左右达到每日新增感染病例和死亡病例的高峰，每天有5万例感染病例和近6000例死亡病例。
2020-05-22 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
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
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
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
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
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
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
Covid-19 Modeling towards socioeconomic and health data from New South Wales (NSW) -- Australia: An approach via Geospatial Analysis and Geographically Weighted Poisson Regression (GWPR)
本研究采用空间数据分析与地理加权泊松回归（GWPR）相结合的方法，并结合全局回归技术。该方法旨在对澳大利亚新南威尔士州（NSW）地方政府区域（LGA）内的因变量Covid-19与社会经济和先前存在的健康状况的自变量之间的关系进行建模。基于地理空间数据分析和逐步建立全球和全球水动力学模型的过程，最终选择了四（4）个独立变量来研究局部尺度上因变量和独立变量之间的关系。GWPR模型的拟合优度（R2）范围在45-73%之间，显示新冠肺炎与新南威尔士州大部分地区的总人口、癌症和60至85岁人群之间存在正相关关系。同时，观察到Covid-19与缺血性心脏病之间存在负相关关系;然而，该关系的估计系数非常低，接近于零;因此，需要进一步研究，包括从不同角度进行评估，以进行验证。总之，该模型表明，因变量和自变量之间的关系是非平稳的。因此，GWPR模型校准在局部尺度的地理建模中起着至关重要的作用。
2021-02-18 physics.soc-ph
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
Simulating COVID-19 in a University Environment
在COVID-19大流行期间，住宿学院和大学在提供面对面教学方面面临独特的挑战。管理人员目前面临的决定是，是否在大流行期间开放，以及为了保护学生、教职员工，可能需要对其正常运作进行哪些修改。然而，关于哪些措施可能最有效以及现有干预措施是否可以遏制校园疫情蔓延的信息很少。我们开发了一个全面的随机代理模型，以确定在大流行期间是否可以安全地继续面对面教学，并评估各种干预措施的必要性。模拟结果表明，大规模的随机测试，接触者追踪，并prostitining是一个成功的战略，遏制校园爆发的重要组成部分。高检测特异性对于保持隔离人群的规模可控至关重要。将最大的班级转移到网上对于控制疫情规模和隔离学生人数也至关重要。住宅暴露的增加可以显著影响疫情的规模，但控制学生的非住宅社会暴露可能更重要。最后，即使在控制疫情的情况下，隔离率也必然很高，这意味着大量的缺勤，这表明需要为隔离学生的远程教学制定计划。
2020-06-28 cs.MA cs.SI physics.soc-ph
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
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
Mapping county-level mobility pattern changes in the United States in response to COVID-19
为控制冠状病毒病（COVID-19）大流行，应对COVID-19爆发的其中一项非药物疫情控制措施是通过（物理）社交距离降低SARS-COV-2在人群中的传播率。在美国国家科学基金会（NSF）的支持下，开发了一个基于网络的互动绘图平台，及时提供有关不同国家和州的人们对社交距离准则的反应的定量信息。它整合了地理信息系统（GIS）和每日更新的人类流动统计模式，这些统计模式来自美国县级大规模匿名和汇总的智能手机位置大数据，旨在提高公众的风险意识，支持政府决策，并帮助加强社区应对COVID-19疫情。
2020-05-16 cs.SI physics.soc-ph q-bio.PE
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
