Co-circulation of infectious diseases on networks
我们考虑多种疾病在一个静态的配置模型网络中传播。我们做了一个标准的假设，即感染以疾病特异性的速度从邻居传播到邻居，感染的个体以疾病特异性的速度恢复。一种疾病的感染赋予对任何疾病感染的立即和永久免疫力。在这些假设下，我们找到了一个简单的，低维的常微分方程模型，它捕获了感染的全球动态。动力学强烈依赖于初始条件。虽然我们以传染病为出发点，但该模型也可以适用于其他传染源的传播，如相互竞争的政治信仰、谣言或新技术的采用（如果这些都受到接触的影响）。作为一个例子，我们演示了如何模拟一种可以通过行为改变来预防的传染病。
2012-10-16 q-bio.PE q-bio.QM
Modelling infectious disease transmission dynamics in conference environments: An individual-based approach
全球公共卫生状况不断受到迫在眉睫的传染病威胁的挑战。解决这一问题的核心是必须预防和管理大流行期间的疾病传播，特别是在特殊情况下。本研究讨论了会议场所内传染病的传播动力学，提出了一个计算模型，旨在模拟在一个压缩的时间范围内（一天）的传播过程，从零星病例开始。我们的模型复杂地捕捉了会议场地内单个与会者的活动，包括会议、休息时间和用餐时间。虽然会议需要近距离就座，但休息和午餐时间允许与会者与不同的人互动。此外，洗手间环境为潜在的感染传播提供了额外的途径。采用基于个体的模型，我们精心复制了传染病的传播动力学，特别强调了感染者和易感者之间的密切接触相互作用。通过对模型模拟的全面分析，我们阐明了会议环境中疾病传播动力学的复杂性，并评估了控制策略遏制疾病传播的有效性。最终，我们的研究提供了一个数字框架，用于评估短期会议期间传染病传播的风险，为会议组织者提供有价值的见解，为实施有针对性的预防和控制措施提供信息。
2024-04-17 q-bio.PE
A model with exposure in the epidemiological sense. Part 1 -- Base model
School of Mathematics and Statistical Sciences, North-West University（西北大学数学与统计科学学院）；Department of Mathematics, University of Manitoba（曼尼托巴大学数学系）
探索含病原体暴露概念的传染病传播模型，纳入感染年龄结构，可隐式描述感染个体病毒载量，将感染概率描述为感染性接触者病毒载量的函数。
2026-07-17 q-bio.PE
The qualitative analysis of the impact of media delay on the control of infectious disease
在本文中，我们考虑的时间延迟媒体的疾病控制的影响。建立了一类具有时滞和媒介引起的累积意识密度的SISM传染病模型。证明了无病平衡点全局渐近稳定的充分条件。得到了该传染病平衡点的全局稳定性和Hopf分支存在的条件。数值模拟来说明分析结果。最后结合H1N1疫情数据分析了各参数对传染病控制的影响。通过缩短媒介滞后时间，提高媒介传播率和媒介工程实施率，有效控制疾病传播。
2016-09-12 q-bio.PE
AI-Based Decadal Predictive Analysis of Twenty Infectious Diseases in China with an Improved BSTS-MCMC Model
本研究采用改进的BSTS-MCMC模型结合LSTM网络，分析中国二十种传染病的十年趋势，预测高发病率疾病持续流行、低发病率疾病可能消失，并强调COVID-19的变革性影响及先进预测分析在公共卫生防范中的关键作用。
2023-10-06 q-bio.PE
Spatial dynamics of airborne infectious diseases
疾病爆发，如2003年的严重急性呼吸系统综合征和2009年的甲型H1N1流感大流行，突出了室内环境中空气传播的可能性。携带病原体的可呼吸液滴提供了感染空间传播的载体，其液滴运输由扩散和对流过程决定。提出了一个描述疾病传播空间动力学的流行病模型。环境气流的影响，作为感染控制，被纳入导致一个延迟方程，液滴密度依赖于在以前的时间的感染密度。发现小液滴（$\sim 0.4\ μ$ m）由于小的病毒载量和它们传播感染所需的相关持续时间而产生可忽略的感染力。相比之下，较大的液滴（$\sim 4\ μ$ m）可导致传染波传播通过完全易感人群或局部易感人群的二次感染爆发。发现液滴扩散是导致感染的最小空间传播的液滴运输的低效模式。推导出一个临界空气速度，在该速度以上，即使基本再生数$R_{0}$超过1，疾病传播也会受到损害。
2011-12-15 physics.soc-ph q-bio.PE
Modeling Super-spreading Events for Infectious Diseases: Case Study SARS
传染病的超级传播事件发生在某些感染者的感染超过继发病例的平均数量时。2003年爆发的严重急性呼吸系统综合征（SARS）中，已经确定了几个超级传播个体。以SARS的爆发为例，建立了传染病超传播事件的模型。使用这个模型，我们描述了两种方法来估计模型的参数，我们证明了小规模的SARS疫情在淘大花园，香港，和大规模的爆发在整个香港特别行政区。一种方法是基于经典的易感-感染-去除（SIR）疾病模型的参数计算.第二种是基于文献中的参数估计。使用SIR模型计算的参数，我们的模型预测的结果类似于SIR模型。另一方面，使用SARS文献的参数估计，我们的模型预测一个更严重的流行病。
2010-10-15 q-bio.PE
System inference for the spatio-temporal evolution of infectious diseases: Michigan in the time of COVID-19
我们扩展了经典的SIR模型的传染病传播的时间依赖性的参数，其中还包括扩散。时间依赖占不断变化的特点，测试，检疫和治疗协议，而扩散纳入流动人口。该模型已应用于美国密歇根州COVID-19疫情演变的数据。对于系统推理，我们使用最新的进展;特别是我们的变分系统识别框架（Wang等人，比较方法应用机械工程师，356，44-74，2019; arXiv：2001.04816 [cs.CE]）以及贝叶斯机器学习方法。
2020-07-02 q-bio.PE
Information-related changes in contact patterns may trigger oscillations in the endemic prevalence of infectious diseases
众所周知，接触模式的行为变化可能会显著影响流行病爆发的传播。在这里，我们专注于简单的地方病模型的经常性流行病，通过建模的社会接触率作为一个功能的现有信息和过去的疾病流行。我们表明，仅社会行为变化就可能引发持续的振荡。这表明，人类行为可能是地方病时间序列振荡的一个重要解释因素。最后，我们简要地说明了如何列入接触的季节性变化可能意味着混乱。
2013-09-12 q-bio.PE
The network level reproduction number for infectious diseases with both vertical and horizontal transmission
各种传染病都是纵向和横向传播的。这类疾病通过异质环境中的多个物种在空间上传播，通常由复杂的元种群模型描述。繁殖数是预测疾病是否能够入侵元种群系统的一个重要指标。本文提出了一种属性疾病的繁殖数垂直和水平传播的多个物种之间的异质网络，其中节点的位置，和链接反映了外出或进入的运动流。垂直传播和水平传播疾病的集合种群模型是由两种群两节点网络模型逐步发展而来的。我们导出了再生数的显式表达式，再生数是相对于原始下一代矩阵减小尺寸的矩阵的谱半径。再现数被示出为垂直和水平传输参数的函数，并且下限是水平传输的再现数。作为一个应用，裂谷热人兽共患病，其中牲畜，蚊子，和人类是涉及的物种的繁殖数和它的界限推导。通过数值模拟计算不同情景下的繁殖数，发现只有当节点间参数不均匀时，繁殖数才受牲畜迁移率的影响。总之，我们的研究有助于垂直和水平传播的疾病在异构网络中的再生数。这种明确的表达很容易适用于特定的传染病，提供了对疾病演变的见解。
2013-02-11 q-bio.PE
Incidence, recovery and prevalence of infectious diseases: non-parametric disease model and application to influenza in Germany
在这项工作中，我们描述了一个非参数疾病模型，链接的时间变化的传染病的发病率和恢复率的流行。该模型仅基于常见的流行病学指标发病率和恢复率。作为一个应用程序，该模型用于计算2001年至2013年期间德国假设出生队列的流感流行率。
2014-01-17 q-bio.PE q-bio.QM
The role of disease cycles in the endemicity of infectious diseases
具有宿主循环的病媒传播疾病很难理解，因为新的感染来自病媒与人类和不同宿主的接触。在这种情况下，不包括水库的系统的基本再生数$\mathcal{R}^h_0$可能小于1，但地方病平衡被观察到。事实上，当水库重新考虑，基本再生数$\mathcal{R}_0^r$，只有载体和水库，解释了地方病的状态。此外，水库循环与一个小的基本再生数可能有助于达到地方病状态的人类循环。因此，在控制疾病传播时，仅仅关注特定的水库循环或仅关注病媒是不够的。在这项工作中，我们创建了一个简单的流行病学模型与网络的水库，其中$\mathcal{R}_0^r$是一个分叉参数的系统，解释疾病的地方性在没有一个强大的水库循环。这个简单的模型可能有助于解释南美锥虫病、利什曼病和登革热等疾病的传播动力学。
2017-02-08 q-bio.PE
Ancestral process for infectious disease outbreaks with superspreading
针对小规模传染病爆发，本研究精确推导了感染者具有相同传染源的概率，结合 Poisson 和 Negative-Binomial 后代分布，提出了允许多谱系共同聚合的 omega-coalescent 新模型。
2025-01-29 q-bio.PE
The Spread of Infectious Disease with Household-Structure on the Complex Networks
本文研究了一般复杂网络上家庭结构SIS传染病的传播。家庭结构为我们提供了区分内部感染率和外部感染率的方法。与均匀网络上的家庭结构模型不同，例如规则和随机网络，这里我们考虑具有任意度分布p（k）的异构网络。首先，我们介绍传染病模型。然后利用平均场占用下的速率方程和计算机模拟对模型进行了分析。发现了一些只存在于具有家庭结构的发散网络中的独特现象，同时也得到了一些类似的结论，即网络中一些简单的几何量对传染病的传染性有重要的影响。在我们的模型中，即使每个家庭的局部治愈率大于内部感染率，疾病仍然可以在无标度网络上传播。这意味着没有疾病在每个家庭中传播，但对于整个网络来说，疾病正在传播。既然我们的社会网络看起来就是这样的结构，也许这一结论提醒我们，在疾病传播过程中，我们应该更多地关注网络结构而不是局部治疗条件。
2004-02-25 q-bio.PE
Accurate stochastic simulation algorithm for multiscale models of infectious diseases
针对传染病多尺度模型非马尔可夫化带来的计算挑战，本文开发了一种新型精确随机模拟算法，应用于宿主内确定性模型与种群水平随机动力学耦合的系统，在合理分辨率下保持精确且高效，可推广至其他多尺度系统。
2025-04-15 q-bio.PE
Get the News Out Loudly and Quickly: Modeling the Influence of the Media on Limiting Infectious Disease Outbreaks
在严重传染病爆发期间，许多人密切关注媒体对疫情的报道，并采取措施，包括自我隔离，以保护自己免受感染和可能的死亡。自我隔离可以采取多种形式，包括限制本地和长途旅行，使用口罩，以及选择接种疫苗。我们使用数学模型来表明，公共卫生机构与媒体合作，可以通过提供及时准确的新感染和死亡人数来显着降低疫情的严重程度。我们的模型还表明，尽管尽早提供此类信息是最好的，但即使在爆发过程中开始提供，也可以显着降低爆发的严重程度。我们用西弗吉尼亚州亨廷顿镇（人口约5万）的埃博拉出血热模拟爆发来说明我们的结果。
2011-03-21 q-bio.PE
Imperfect Testing of Individuals for Infectious Diseases: Mathematical Model and Analysis
对有症状的个体进行疾病检测可以提供治疗资源，如果检测结果呈阳性，这会加快他们的治疗速度，也可能减少个体与其他人的接触。然而，不完美的测试可能会错误地认为易感个体被感染（假阳性）。在这种情况下，测试以潜在的错误分类个体为代价来减少流行病。我们提出了一个数学模型，描述了传染病的动力学及其测试。易感个体以$θ$的速率转变为“易感但被视为感染”。受感染的个体以$α$的比率进入“受感染并检测为阳性”的状态。这两个比率都是测试的灵敏度和特异性的函数。模型的分析允许我们导出$R_0$的表达式并找到达到$R_0<1$的条件，即，当无病平衡稳定时。我们发现，在某些条件下，有可能得到$R_0<1$，当最初，即，如果不进行测试，我们将得到$R_0>1$。我们还提出了数值结果，以涵盖有趣的情况下，如使用不同的测试，并比较这些结果。
2015-06-24 q-bio.PE
Simulating the impact of perception bias on social contact surveys for infectious disease modelling
本文通过新墨西哥州合成接触网络模拟接触调查，发现对他人年龄和种族的感知偏差会降低接触模式准确性，并在传染病模型中系统性地低估老年人和少数族裔的疾病负担。
2025-11-05 q-bio.PE
Time Evolution of Non-Lethal Infectious Diseases: A Semi-Continuous Approach
提出了一个描述非致死性传染病在固定人口中传播的动力学模型。该模型由一个非线性的延迟微分方程描述的感染性个体的数量的增量的时间演化，并依赖于有限数量的参数。预测与流感数据在质量上吻合良好。
2005-06-25 q-bio.PE q-bio.QM
Age structured SIR model for the spread of infectious diseases through indirect contacts
在这篇文章中，我们讨论了一个年龄结构的SIR模型，其中疾病不仅通过直接的人与人之间的接触传播，例如由于表面污染引起的感染，而且还可以通过间接接触传播。很明显，年龄在SARS病毒感染（包括COVID-19感染）中也起着至关重要的作用。我们制定我们的模型作为一个抽象的半线性柯西问题在适当的Banach空间，以显示解决方案的存在性，也显示存在的稳定状态。在这项工作中，假设人口是在一个人口统计的平稳状态，并表明，没有无病平衡点，只要有一个由于在环境中的间接接触传染。
2020-07-23 math.DS physics.soc-ph q-bio.PE
Using runs of homozygosity to detect genomic regions associated with susceptibility to infectious and metabolic diseases in dairy cows under intensive farming conditions
纯合性片段（ROH）是纯合基因组的连续片段，其可能反映来自共同祖先的传递，并且可用于追踪感兴趣的单倍型的遗传。本文从50 K SNPs中提取ROH，并用于检测468头荷斯坦-弗里斯兰奶牛群体中与疾病易感性相关的基因组区域。诊断的疾病分为传染病、代谢综合征、乳腺炎、生殖疾病和运动障碍。在BTA 12中发现了与感染性疾病、乳腺炎和运动障碍相关的ROH。在BTA 15上检测到与代谢综合征、传染病和生殖疾病相关的长纯合性区域，揭示了免疫、代谢和功能障碍之间的复杂关系。ROH与感染性疾病、生殖系统疾病、乳腺炎和代谢综合征有关，分布在3、5、7、13和18号染色体上。先前的研究报告了所有这些区域的产奶性状的QTL，从而证实了已知的产奶选择和奶牛健康之间的负相关关系。
2016-01-26 q-bio.GN q-bio.PE
Counting the uncounted : estimating the unaccounted COVID-19 infections in India
本研究针对印度COVID-19大量感染未被统计的问题，在SEIR模型中新增未检测仓室，结合PINN估算20个重灾邦及全国两波疫情的未检测感染规模等指标，并用基于特征训练的ANN实现可靠疫情预测。
2024-03-01 physics.soc-ph q-bio.PE
Simulation of deterministic compartmental models for infectious diseases dynamics
传染病是由病原微生物引起的，可以通过不同的途径传播。数学模型和计算机模拟已被广泛用于研究传染病的传播和蔓延。换句话说，数学模型模拟可用于分析传染病的动态，旨在了解影响以及如何控制传播。一般来说，这些模型是基于区间的，每个区间包含具有相同特征的个体，例如易感者、暴露者、感染者和康复者。在本文中，我们进一步阐明了一些经典的流行病模型，报告可能的结果，从数值模拟。此外，我们提供了一个模拟库中的例程。
2021-06-03 physics.bio-ph q-bio.PE
Introduction to statistical inference for infectious diseases
本文首先介绍了传染病传播的一般随机流行病模型。然后，我们给出了用于推断模型参数的方法，例如基本再现数$R_0$和疫苗接种覆盖率$v_c$，假设来自爆发的不同类型的数据，例如最终爆发的细节和时间数据或来自正在进行的爆发的观察。讨论了个体非均匀性和非均匀混合。我们还提供了一个概述的统计方法来执行参数估计的随机流行病模型。在最后一节中，我们描述了传染病监测中的早期爆发检测问题和用于此目的的统计模型。
2014-11-13 q-bio.PE stat.ME
Spatio-temporal predictive modeling framework for infectious disease spread
提出并实现了一种基于高维偏微分方程的传染病传播预测模型框架。在高维空间中定义了一个代表感染种群的标量函数，并用种群平衡方程（PBE）描述了它在各个方向上的演化。新的感染是根据易感人群与未隔离感染人群之间的相互作用、遵守隔离规范、卫生水平和任何其他社会干预措施而引入的。此外，恢复，死亡，免疫力和所有上述参数在高维空间建模。为了概括上述框架的能力和特征，使用六维（时间、二维空间、感染严重程度、感染持续时间和人群年龄）PBE对Covid-19传播进行了预后估计。此外，不同的政策干预措施和人口行为的情景分析，投掷更多的见解跨疾病年龄，强度和人口年龄的感染的时空传播。这些见解可用于科学知情的政策规划。
2020-07-03 math.DS physics.soc-ph q-bio.PE
Indirect transmission and the effect of seasonal pathogen inactivation on infectious disease periodicity
每年发生的许多传染病仍然是公共卫生系统的一个持续负担。在温带地区观察到的呼吸道疾病发病率的季节性模式归因于环境条件对病原体存活的影响。本文提出了一个传染病传播的模型，该模型描述了一种能够在宿主生物体外部的环境水库中存活的致病状态。病原体寿命的传染病状态的持续时间的比率被认为是确定疾病动态的关键参数。季节性强制病原体灭活率的引入确定了病原体存活高峰和疾病发病高峰之间的时间延迟。延迟取决于特定的疾病参数，对于流感，随着繁殖数量的增加而减少。发现所观察到的季节性振荡具有与季节性强制灭活率相同的周期，并且与感染获得性免疫的持续时间无关。
2013-01-14 physics.soc-ph q-bio.PE
Effect of time-dependent infectiousness on epidemic dynamics
与流行病模型中普遍假设个体之间的感染率是恒定的相反，在现实中，个体的病毒载量决定了他们的传染性。我们比较了平均和个人的繁殖数和流行病的动态模型，将时间依赖的传染性和一个标准的SIR模型完全混合和类别混合的人口。我们发现，再生数只取决于总的感染暴露量和混合矩阵的最大特征值，这两个效应是相互独立的。当我们比较我们的时间依赖的平均场模型与SIR模型的等效率，流行病的高峰提前和修改的感染率函数的时间动态的流行病有很强的影响。我们还观察到类似于行波的行为，因为个体通过传染状态过渡。
2021-12-05 physics.soc-ph q-bio.PE
Optimizing infectious disease mitigation under dynamic conditions
在动态条件下，研究发现最优防控策略需严格或完全不采取，季节性变化影响防控强度，且延迟防控会显著增加成本。
2025-12-12 math.OC q-bio.PE
Randomization for the susceptibility effect of an infectious disease intervention
传染病干预措施（如疫苗）的随机试验通常集中在相互联系或可能相互作用的个体群体上。当感兴趣的病原体在研究受试者之间传播时，可能会发生干扰：个体感染结果可能取决于其他人接受的治疗。流行病学家将主要的因果效应定义为“易感性效应”，即在保持接触传染性不变的情况下，接受治疗与不接受治疗的感染风险的对比。一个相关的量-“直接效应”-被定义为接受治疗与不接受治疗的感染风险之间的无条件对比。本文的目的是表明，在广泛推荐的随机设计下，当结果具有传染性时，在随机试验中，直接效应可能无法恢复干预措施的真实易感性效应的迹象。该分析方法使用传染病传播的结构特征来定义易感性效应。一个新的概率耦合参数揭示了不同治疗分配下潜在感染结果之间的随机显性关系。结果表明，当结果具有传染性时，估计随机化下的直接效应可能会对干预措施（如疫苗）的效果提供误导性的推断。
2019-12-09 math.ST q-bio.PE stat.AP
Superspreaders and High Variance Infectious Diseases
COVID-19等大流行病的一个众所周知的特征是感染传播中的高度传播异质性：并非所有受感染的个体都以相同的速度传播疾病，一些个体（超级传播者）对大多数感染负有责任。为了量化这种现象，需要分析感染分布的方差和高阶矩的影响。在随机分支过程的框架下工作，我们推导出一个近似的解析公式，在感染分布的高方差制度的爆发的概率，数值验证和分析其制度的有效性在各种例子。我们发现，即使基本再生数$R_0$大于1，在高方差状态下也可能不发生疫情，并讨论了我们的结果对COVID-19和其他大流行病的影响。
2020-10-12 cond-mat.stat-mech physics.soc-ph q-bio.PE
Edge-Based Compartmental Modeling for Infectious Disease Spread Part III: Disease and Population Structure
我们考虑第一部分介绍的传染病传播的基于边的房室模型。这些模型使我们能够考虑标准SIR疾病在随机人群中的传播。在本文中，我们展示了如何处理疾病或人口与第一部分的简单假设的偏差。我们允许人口结构由于人口统计学细节或多种类型的风险行为的影响，疾病有更复杂的自然史。我们在静态网络上下文中引入这些修改，尽管将它们纳入动态网络很简单。我们还考虑血清分选，这需要使用动态网络模型。我们用来导出这些推广的基本方法是广泛适用的，因此可以直接引入许多这里没有考虑的其他推广。
2011-06-30 physics.bio-ph q-bio.PE
Dynamics of infectious diseases in predator-prey populations: a stochastic model, sustainability, and invariant measure
该研究提出捕食者-猎物种群传染病的随机模型，证明全局非负解存在与Borel不变测度，建立系统衰退及可持续性判据，结合数值结果为相关传染病动力学研究提供新见解。
2023-06-14 math.DS q-bio.PE
Optimal vaccination program for two infectious diseases with cross immunity
经常有多种具有交叉免疫的疾病竞争疫苗接种资源。在这里，我们研究的最优接种计划在两层易感-感染-删除（SIR）模型，其中两种疾病的交叉免疫在同一人群中传播，两种疾病的疫苗是可用的。我们确定了最佳疫苗接种计划的三种情况，以最低的成本防止这两种疾病的爆发。我们解析地推导出一个标准，以指定最优方案的基础上，不同的疫苗的成本。
2020-11-29 physics.soc-ph q-bio.PE
Effects of measures on phase transitions in two cooperative susceptible-infectious-recovered dynamics
在最近的研究中，已经表明，在共同感染传播中的合作相互作用可以导致在降低的阈值下的不连续过渡。在这里，我们调查的影响，免疫接种率成比例的程度上的合作共同感染的相变的感染。我们使用的平均场近似来说明如何删除一部分的易感隔室，如接种疫苗，具有足够高的速率可以改变不连续的过渡在两个耦合的易感性传染性恢复的动态连续的，同时增加阈值的过渡。首先，我们引入一个固定的接种率到两种疾病的对称传播，并研究数值结果。第二，我们设定与感染区室的大小成比例的测量率，并仔细检查动态。我们用数值和解析方法求解方程，并在很宽的参数范围内探测跃迁。我们还确定从解析解的过渡点。第三，我们采用非均匀平均场的方法，将非均匀性和非对称性纳入动力学中，并观察对应于均匀对称情形的结果是否成立。
2022-04-29 cond-mat.stat-mech q-bio.PE
Profiling of a network behind an infectious disease outbreak
Social Design Group（社会设计集团）
随机性和空间异质性是近年来研究传染病传播的热点问题。所提出的方法解决了一个反问题，发现有效的决定性的拓扑结构的异构网络，并揭示了传输参数的控制随机蔓延的网络从一个传染病爆发的数据集在早期的增长阶段。用随机微分方程描述了流行病房室模型和元人口网络模型的组合中的人口。概率密度函数来自方程和用于拓扑结构和参数的最大似然估计。用计算合成的数据集和世界卫生组织SARS爆发数据集对该方法进行了测试。
2010-06-14 cs.AI q-bio.PE
A survey on modelling of infectious disease spread and control on social contact networks
尽管根据世界卫生组织（WHO）的报告，每年约有420万人因传染病而死亡，但传染病是对人类社会的重大威胁，在COVID-19发生之前，人类社会被忽视了。由于最近的COVID-19疫情，于二零二零年有超过200万人死亡，96. 2百万人受到这种毁灭性疾病的影响。最近的研究表明，通过模拟传染病在社会接触网络上的传播，应用个人互动和移动数据可以帮助管理大流行病。传染病的传播可以用扩散过程的理论和方法来解释，扩散过程是网络系统上的一种动态现象。在扩散过程的建模中，假设具有传染性的物品通过节点间的相互作用在网络系统中扩散。这类似于传染性病毒的传播，例如COVID-19在人群中通过个人社交互动传播。扩散过程的演化行为强烈地受到下垫面系统的特性和扩散过程本身的机制的影响。因此，传染病的传播可以用人与人之间的相互作用和疾病本身的特征来解释。本文介绍了传染病传播模型中扩散过程的相关理论和方法。
2021-02-03 cs.SI physics.soc-ph q-bio.PE
Machine Learning the Phenomenology of COVID-19 From Early Infection Dynamics
Rensselaer Ploytechnic Institute（伦斯勒理工学院）
我们提出了一个强大的数据驱动的机器学习分析COVID-19大流行的早期感染动态，特别是随着时间的推移感染计数。目标是提取可操作的公共卫生见解。这些见解包括传染力，轻微感染变得严重的速度，估计非对称感染和预测新的感染随着时间的推移。我们关注的是从2020年1月20日首次确诊感染开始的美国数据。我们的方法揭示了显著的无症状（隐藏）感染，滞后约10天，并且我们定量地证实了感染力很强，从轻度到严重感染的转变约为0.14%。我们的方法是有效的，强大的和一般的，是不可知的特定病毒和适用于不同的人群或队列。
2020-04-03 cs.LG q-bio.PE stat.ML
Impact of Indirect Contacts in Emerging Infectious Disease on Social Networks
个体之间的相互作用模式在传染病传播中起着至关重要的作用。了解这些模式，并将其影响整合到传染病的扩散动力学模型中，对于流行病学研究具有重要意义。目前基于网络的扩散模型假设疾病通过感染者和易感者同时共存的相互作用传播。然而，有几种传染病可以在易感个体在受感染个体离开后访问某个地点时传播。最近，我们引入了一个扩散模型，称为同地异时（SPDT）传输，以捕捉间接传输时发生的感染个体离开之前，一个易感个体的到来，随着直接传输。在本文中，我们展示了这些间接传播联系如何显着增强传染病的出现模拟空气传播疾病传播的合成社会接触网络。我们把在传染期有间接联系但没有直接联系的个体称为隐性传播者。我们的模拟表明，间接链接发挥类似的作用，直接链接和一个隐藏的传播者可以引起大爆发的SPDT模型，导致在现有的模型中没有感染的基础上直接链接。我们的工作为传染病建模开辟了新的方向。
2018-03-30 cs.SI physics.soc-ph q-bio.PE
A Model of the Ebola Epidemics in West Africa Incorporating Age of Infection
埃博拉流行病的模型是根据疾病年龄构建的感染个体。通过最初的潜伏期（暴露）阶段，然后是具有可变传播传染性的感染阶段，按病龄追踪感染的传播。受感染个体的移除取决于疾病年龄，移除率有三种类型：（1）因住院（隔离）而移除，（2）因死亡与住院分开而移除，以及（3）因康复与住院分开而移除。该模型适用于塞拉利昂和几内亚的埃博拉疫情。模型模拟表明，连续几个阶段的病例增加和更早的住院治疗导致了流行病的缓解。
2015-04-01 math.DS q-bio.PE
Quantifying the spread of communicable diseases with immigration of infectious individuals
针对经典 $\mathcal R_0$ 失效时伴有感染者流入的传染病传播问题，构建了一组新的流行病学阈值，在 COVID-19 仓室模型中验证了其预测潜力，并量化了感染者迁入的严重程度及识别了可逆转疫情的关键参数。
2023-08-03 math.DS q-bio.PE
SEIR-Campus: Modeling Infectious Diseases on University Campuses
我们引入了一个Python包，用于使用基于代理的SEIR风格流行病学模型建模和研究传染病的传播，重点是大学校园。本文件解释了该软件包中使用的流行病学模型，并举例说明了该软件包的使用方法。
2020-11-11 cs.MA cs.SI physics.soc-ph
Modeling the Dynamics of Infectious Diseases in Different Scale-Free Networks with the Same Degree Distribution
某些传染病的传播动力学与网络中个体之间的接触结构有关。我们使用了五种算法来生成具有不同拓扑结构但具有相同无标度分布的接触网络。我们模拟了急性和慢性传染病在这些网络上的传播，使用SI（易感-感染）和SIS（易感-感染-易感）流行病模型。在模拟中，我们的目标是观察网络的拓扑结构对模拟疾病的动态和流行的影响。我们发现，传染病在不同网络上传播的动力学具有相同的度分布可能会有很大的不同。
2013-08-26 cs.SI physics.soc-ph q-bio.PE
What could re-infection tell us about R0? a modeling case-study of syphilis transmission
许多传染病可能导致再次感染。我们研究了重复感染率与基本生殖数（R 0）之间的关系。首先，我们解决了一个通用的，确定性的房室模型的再感染，推导出一个解析解的关系。然后，我们数值求解了梅毒传播的疾病特异性模型，明确跟踪再感染。我们推导出了一个通用表达式，反映了再感染比例与R 0之间的非线性和单调递增关系，并且通过进入/退出率和恢复（即治疗）减弱。梅毒模型的数值模拟与解析关系一致。再感染比例可用于了解各地区距离疫情控制的距离，并应作为传染病监测的常规指标。
2019-03-14 math.DS physics.soc-ph q-bio.PE
Incorporating changeable attitudes toward vaccination into an SIR infectious disease model
本研究构建了融合流行病学状态与可变疫苗接种态度的SIR机制模型，分析得出无病与地方病平衡点的存在及稳定性判据，证实疾病流行率引发的态度变化会 destabilize 地方病平衡点并产生极限环，为理解疾病传播规律提供新视角。
2024-08-14 math.DS q-bio.PE
Global Spread of Infectious Diseases
我们为传染病的全球传播开发简单的模型，强调通过航空旅行的人类流动和公共卫生基础设施的变化从地区到地区。我们推导出两个国家的感染总数和高峰数与它们之间的旅行率及其各自的流行病学参数之间的关系公式。
2003-06-25 cond-mat hep-ph physics.bio-ph
Spread of Infectious Diseases with a Latent Period
传染病通过人际网络传播。易感-感染-清除（SIR）模型是一种描述复杂网络上个体间传染动力学的流行病模型。在集合种群SIR模型中，每个节点代表一个由多个个体组成的种群（群体）。在本文中，我们提出了一个修正的集合种群SIR模型，其中考虑了一个潜伏期。我们称之为SIIR模型。我们将感染期分为两个阶段：一个是感染阶段，这与之前的模型相同，另一个是重病阶段，在这个阶段，个体被感染，不能转移到其他人群中。在我们修改后的集合种群SIR模型中的两个感染阶段产生不连续的最终大小分布。处于感染阶段的个体像处于重病阶段的个体一样传播疾病，并且永远不会直接恢复，这使得有效恢复率小于给定的恢复率。
2015-04-09 physics.soc-ph q-bio.PE
On the scaling patterns of infectious disease incidence in cities
城市地区人口较多，联系更加紧密，为病原体传播等传染过程提供了有利的环境。经验证据表明，随着城市人口规模的扩大，某些性传播疾病的发病率有系统地上升。然而，这些系统性感染模式的主要驱动因素仍然没有得到很好的理解，世界各地猖獗的城市化率使得我们必须在这方面提高认识。使用美国大都市地区三种性病的确诊病例数据，我们调查了城市地区传染病发病率的比例模式。这些模式最突出的特点是，平均而言，传染性较低的传染病的发病率-或者是由于固有的传染性较低，或者是由于不太适合传播的环境-随着人口规模的增加而急剧上升，随着时间的推移而较难预测，并且在类似规模的城市之间变化较大。这些功能的解释，首先，使用一个简单的数学模型的传染，然后通过一个新的城市规模理论的镜头。这些理论框架帮助我们揭示了决定传染病传播性的因素与其在城市间的扩展模式属性之间的联系。
2018-09-17 physics.soc-ph q-bio.PE
Mind the scales: Harnessing spatial big data for infectious disease surveillance and inference
空间大数据具有大数据源的“速度”、“容量”和“多样性”以及有关记录的附加地理信息。数字数据源，如医疗索赔、移动电话通话数据记录和带有地理标签的推文，已经进入传染病流行病学领域，成为补充传统传染病监测的新数据源。在这项工作中，我们提供了迄今为止如何将空间大数据用于流行病学分析的例子，并描述了这些来源改善公共卫生协调和疾病缓解战略的机会。此外，我们考虑了在传染病监测和推断中使用空间大数据的技术，实践和伦理挑战。最后，我们讨论了流行病学中越来越多地使用空间大数据对健康风险沟通，跨规模公共卫生协调和公共卫生政策建议的影响。
2016-08-26 physics.soc-ph q-bio.PE stat.AP
Modeling the spread of infectious disease in urban areas with travel contagion
在这项研究中，我们开发的数学模型，以了解传染病的传播动力学和流动动力学之间的耦合，通过城市交通系统。我们首先将城市人口的流动动态描述为离开家、往返活动地点和从事活动的过程。然后，我们嵌入的易受感染的暴露-感染-恢复（SEIR）过程中的流动性动态和开发的空间SEIR模型与旅行传染（trans-SEIR），明确占在旅行和日常活动中的传染。我们研究了该模型的理论性质，并展示了活动传染和旅行传染如何影响二次感染的平均数量。在数值实验中，我们探讨了城市交通系统如何改变传染病的基本动力学，改变继发感染的数量，促进疾病在城市中的同步，并影响疾病爆发的高峰。Trans-SEIR模型被进一步应用于了解纽约市COVID-19爆发期间的疾病动态，在那里我们展示了活动和旅行传染如何分布，以及如何在有限的资源下实施有效的旅行控制。Trans-SEIR模型和我们的研究结果可能对提高我们对城市交通与疾病动力学之间耦合的理解，疾病系统的检疫和控制措施的发展，以及促进疾病弹性城市交通网络的理念做出重要贡献。
2020-05-10 physics.soc-ph q-bio.PE
Individual-Level Modelling of Infectious Disease Data: EpiILM
在这篇文章中，我们介绍了R包EpiILM，它为Deardon等人（2010）提出的传染病传播的离散时间个体水平模型提供了仿真和推理工具。推理是在贝叶斯框架下进行的，并通过大都会-黑斯廷斯马尔可夫链蒙特卡罗（MCMC）。为了快速实现，关键函数用Fortran语言编写。空间和接触网络模型都在软件包中实现，并且可以设置在易感染（SI）或易感染-删除（SIR）分区框架中。通过涉及模拟和真实数据的例子证明了该软件包的使用。
2020-03-10 q-bio.PE stat.AP
Study on Dynamical Behavior of Coinfection Infectious Disease Model
本文研究共感染传染病模型，分析三类边界平衡点和内部平衡点的存在性与稳定性，并利用分支理论揭示鞍结点分支及余维3的B-T分支。
2025-03-12 math.DS physics.soc-ph q-bio.PE
Criticality in stochastic SIR model for infectious diseases
讨论了传染病随机SIR模型的临界性。我们采用路径积分形式主义的传播的感染易感，传染，和删除的个人，并进行微扰和非微扰分析，以评估的临界值的基本再生数${\cal R}$。在微扰理论中，我们计算了初始时刻附近感染个体数的均值和方差，发现为了充分抑制感染的随机传播，应采用临界值${\cal R}_{\text{c}}=1/3$ - $2/3$。在非微扰方法中，我们通过积分出随机波动来获得有效势，并获得易感个体、传染个体和移除个体的数量随时间演化的有效Euler-Lagrange方程。从长期的渐近性态中，我们发现传染病的充分收敛必须采用临界值${\cal R}_{\text{c}}=2/3$。我们还发现，地方病状态可以动态生成的随机波动，这是在传统的SIR模型。这些分析表明，在SIR模型中考虑随机波动时，基本再生数的临界值应小于1，而通常已知的临界值为${\cal R}_{\text{c}}=1$。
2022-02-11 cond-mat.stat-mech physics.bio-ph q-bio.PE
An infectious diseases hazard map for India based on mobility and transportation networks
我们提出了一个风险措施，并构建了印度的传染病危害地图。给定一个爆发地点，使用取决于城市间流动性而不是地理距离的有效距离为每个城市分配一个危险指数。我们证明了它的实用性，使用SIR模型增强了前446个城市之间的航空，铁路和公路数据。模拟结果表明，距离爆发地点的有效距离可靠地预测了其他城市的感染到达时间。危险指数预测与观察到的SARS-CoV-2传播情况相当吻合。危险地图在其他疾病暴发中也很有用。
2021-08-04 physics.soc-ph q-bio.PE
Dynamics of multi-stage infections on networks
本文研究了传染期为非指数分布的传染病的动力学问题。这是通过考虑网络上的多阶段感染模型来实现的。使用两两近似与标准的封闭，一些重要的疾病动力学特性的推导分析，包括最终规模的流行病和流行病爆发的阈值，它示出这些数量如何依赖于疾病的特征，以及疾病阶段的数量。随机模拟网络上的动态进行比较成对模型的结果，几个现实的例子，传染病，以说明所发挥的作用，在疾病动态的阶段数。这些结果表明，疾病阶段数越多，流行病爆发的速度越快，流行病的高峰期越高，最终流行病的规模也越大。在我们考虑的情况下，成对和模拟方法之间的协议是优秀的。
2015-11-19 nlin.AO physics.soc-ph q-bio.PE
