A general framework for optimising cost-effectiveness of pandemic response under partial intervention measures
COVID-19大流行带来了巨大的公共卫生和社会经济挑战。疫苗接种和非药物干预措施的健康影响往往与重大的社会和经济成本形成对比。我们描述了一个总体框架，旨在获得适应性成本效益的干预措施，足以应对最近和新出现的大流行威胁。我们还量化了净健康效益，并提出了一种强化学习方法来优化自适应NPI。该方法利用基于代理人的模型模拟澳大利亚的大流行应对措施，并考虑到异质人群的依从性随时间和个人而波动。我们的分析表明，一个显着的净健康效益可能会实现自适应NPI形成的部分社会距离的措施，再加上适度的社会愿意支付健康收益（避免健康损失）。我们证明，社会可接受的健康影响和所产生的经济成本之间的平衡是可以实现的，从长远来看，尽管可能的早期挫折。
2022-11-20 cs.MA econ.GN physics.soc-ph
Contrasting and comparing the efficacy of non-pharmaceutical interventions on air-borne and vector-borne diseases
本文提出融合流动数据与脆弱性矩阵的框架，以哥伦比亚卡利市为例揭示基于流动性的非药物干预在控制空气传播疾病时可能加剧媒介传播疾病风险，并通过合成模型设计重塑流动网络的新干预措施以实现两类疾病的协同控制。
2024-11-25 physics.soc-ph q-bio.PE
Living in a pandemic: adaptation of individual mobility and social activity in the US
旨在减少COVID-19大流行扩散的非药物干预措施（NPI）极大地影响了我们的日常生活行为。在这项工作中，我们研究了个人如何随着时间的推移适应他们的日常运动和人与人之间的接触模式，以应对COVID-19大流行和NPI。我们利用美国四个州数十万匿名个人的纵向GPS移动数据，并根据经验显示了人们生活的巨大破坏。我们发现，当地的干预措施不仅影响了不同场所的访问次数，还影响了人们的体验。个人在场地上花费的时间更少，更喜欢更简单和更可预测的例程，减少人与人之间的接触活动。此外，我们表明，严格的干预措施本身并不解释的数量和持续时间的访问场所：个人模式的访问似乎是受当地的严重程度的流行病和风险适应因素，这增加了人们的流动性，无论干预措施的严格性。
2021-08-17 cs.CY cs.SI physics.soc-ph
Inference, prediction and optimization of non-pharmaceutical interventions using compartment models: the PyRoss library
PyRoss是一个开源的Python库，为年龄和接触结构的流行病学分区模型中的NPI的推断，预测和优化提供了一个集成平台。本报告概述了PyRoss库的原理和功能，并提供了各种插图和示例，重点关注混合良好的年龄结构人群。PyRoss库支持随机（作为主方程）或确定性（作为ODE）制定的任意结构化模型，并允许从一个过渡到另一个。通过支持额外的随意分区，PyRoss可以模拟自感染以来的时间模型，并允许对住院或隔离等医疗阶段进行建模和预测。PyRoss库支持使用贝叶斯参数推断拟合流行病学数据（如可用），以便竞争模型可以根据其证据进行权衡。PyRoss允许完全贝叶斯预测的影响，理想化的NPI卷积流行病学数据，模型选择，参数和内在的随机性所产生的不确定性。算法，以优化时间相关的NPI方案对用户定义的成本函数。PyRoss目前针对混合人群的年龄结构分区框架将在未来的报告中扩展到包括按位置、职业、旅行网络的使用以及与评估疾病传播和NPI影响相关的其他属性结构的分区。我们认为，这种隔室模型，通过允许任意粒度的社会数据与贝叶斯参数估计相结合，为鲜为人知的疾病变量，可以使更强大和强大的预测比其他方法详细的流行病建模。我们邀请其他人使用PyRoss图书馆进行研究，以应对今天的COVID-19危机，并为未来的流行病做好计划。
2020-05-19 physics.soc-ph q-bio.PE q-bio.QM
Statistical Machine Learning Meets High-Dimensional Spatiotemporal Challenges -- A Case Study of COVID-19 Modeling
本研究利用地理空间大数据和统计机器学习模型MBSTS-TL，分析2020年美国COVID-19数据，揭示非药物干预措施的时空异质性影响，发现决定因素从流动性演变为流动性、居家令与公众认知的复合。
2023-11-29 physics.data-an physics.soc-ph stat.AP
First 100 days of pandemic; an interplay of pharmaceutical, behavioral and digital interventions -- A study using agent based modeling
Massachusetts Institute of Technology（麻省理工学院）；University of California San Diego（加州大学圣迭戈分校）
本研究利用基于智能体模型模拟疫情前100天的干预组合，发现行为与数字干预可减轻药物负担，且检测追踪比疫苗接种更具成本效益。
2024-02-06 cs.LG cs.MA cs.SI
Modelling and predicting the effect of social distancing and travel restrictions on COVID-19 spreading
到目前为止，应对COVID-19大流行蔓延的唯一有效手段是非药物干预措施（NPI），这需要减少社会活动和流动限制的政策。量化其影响是困难的，但这是减少其社会和经济后果的关键。在这里，我们介绍了一个基于时间网络的元人口模型，该模型基于意大利的COVID-19疫情数据进行了校准，并易于评估这两种类型的NPI的结果。我们的方法结合了元人口模型的粒度空间建模的优势，能够通过活动驱动的网络真实地描述社会联系。我们提供了一个有价值的框架来评估不同的NPI的可行性，不同的时间和严重程度。结果表明，流动性限制的影响在很大程度上取决于在疫情爆发的早期阶段及时实施NPI的可能性，而减少活动的政策应优先考虑。
2020-12-16 math.DS physics.soc-ph q-bio.PE
A Closed-Loop Framework for Inference, Prediction and Control of SIR Epidemics on Networks
受持续的COVID-19大流行的启发，我们提出了一个闭环框架，该框架结合了测试数据的推理，学习动态参数和最优资源分配，以控制网络上的易感染-恢复（SIR）流行病的传播。我们的框架结合了测试数据中存在的几个关键因素，例如高风险个体更有可能接受测试。然后，我们提出了两个易于处理的优化问题，以评估控制流行病的增长率和非药物干预（NPIs）的成本之间的权衡。我们通过对COVID-19真实公开测试数据的广泛模拟和分析，说明了拟议闭环框架的重要性。我们的研究结果说明了早期检测的重要性，以及如果NPI过早退出，第二波感染的出现。
2021-04-26 cs.SI math.OC physics.soc-ph
City-Scale Agent-Based Simulators for the Study of Non-Pharmaceutical Interventions in the Context of the COVID-19 Epidemic
我们强调了城市规模的基于代理的模拟器在研究各种非药物干预措施以管理不断发展的大流行中的有用性。我们的研究以COVID-19大流行为背景，并通过在孟加拉国和孟买两个大都市的几个探索性案例研究来展示模拟器的功能。在我们迈向数字健康的过程中，这些工具在任何城市管理部门的工具包中都是常见的。
2020-08-11 cs.OH physics.soc-ph q-bio.PE
The Network Limits of Infectious Disease Control via Occupation-Based Targeting
政策制定者通常采用非药物干预措施来控制流行病的规模和严重程度。在非药物干预措施中，旨在减少人与人之间的病原体传播的社会距离政策最近变得突出。尤其是，全球各地为应对COVID-19疫情而广泛实施的居家政策已证明对减缓疫情增长显著有效。然而，这种生硬的政策工具虽然有效，但会产生许多意想不到的后果，包括可能大幅降低经济生产力。在这里，我们开发的方法来调查的潜力，同时控制流行病的传播，同时也尽量减少经济干扰。我们这样做是通过将包含在城市环境中的职业和网络信息结合起来，这些信息通常被排除在典型的流行病控制政策设计之外。我们的方法的结果表明，在经济生产力和流行病控制方面的巨大收益可能是通过纳入和考虑职业接触网络的简单测量特征而获得的。然而，我们发现证据表明，更复杂，更隐私的侵犯，这个网络的措施并没有大幅提高性能。
2021-03-20 cs.SI physics.soc-ph
Effects of Non-Compulsory and Mandatory COVID-19 Interventions on Travel Distance and Time Away from Home: The Case of Norway in 2021
背景资料：由于COVID-19非药物干预措施（NPI）的社会、经济和健康成本，评估其效果非常重要。人类流动是人类接触和遵守NPI的替代。在北欧国家，非营利机构大多是被告知的，有时是强制性的。目前还不清楚强制性非营利机构是否会进一步减少流动性。目的：我们调查了挪威主要城市和农村地区的非强制性和后续强制性措施对人类流动的影响。我们确定了对移动性影响最大的NPI类别。方法：我们使用挪威最大的运营商的移动电话移动数据。我们采用前后对比和综合差异方法分析了非强制性和强制性措施。通过回归分析，我们研究了不同的NPI对流动性的影响。结果：在全国范围内和人口较少的地区，后续强制性措施进一步减少了旅行时间，但没有减少旅行距离。然而，在城市地区，后续任务也缩短了距离，其效果超过了最初的非强制性措施。百米规则，健身房关闭和重新开放，对家庭客人的限制，以及口罩建议最影响旅行距离。时间旅行受到健身房关闭和餐馆和商店重新开放的影响最大。结论：总体而言，非强制性措施似乎减少了离家的距离，而强制措施则进一步减少了城市地区的这一指标。在所有区域和干预措施中，任务规定比非强制性措施减少的旅行时间更多。更远的距离和有限的客人数量与流动性下降。
2022-06-06 physics.soc-ph
Modeling indoor-level non-pharmaceutical interventions during the COVID-19 pandemic: a pedestrian dynamics-based microscopic simulation approach
传染病传播的数学建模已被广泛采用来估计传染病的威胁（即，COVID-19大流行）以及评估疫情控制干预措施。室内场所被认为是重要的传染病传播风险源，但现有广泛使用的传染病传播模型通常局限于室内场所，因为模型忽略了人与人之间的动态物理距离变化，没有区分必要和非必要出行的经验特征。本文介绍了一个基于贝叶斯网络的传染病传播模型，该模型能够模拟人们在社会活动中疾病的室内传播风险。利用马里兰大学COVID-19影响分析平台的前后移动数据，人们发现，一旦出行频率被限制在较低水平，人们往往会在杂货店花费更多时间。换句话说，增加停留时间可以平衡减少的交通频率，满足人们的需求。基于基于实证证据的非药物干预模型，对不同操作层面的非药物干预措施进行了评价。数值模拟显示，限制人们的出行频率和室内场所的开放时间可能并不能普遍有效地降低每个访问该场所的行人的平均感染风险。入境限制可能是一个广泛有效的替代方案，而决策者需要平衡风险接触的减少和可能阻碍人们满足旅行需求的地方外排队长度的增加。
2020-06-18 cs.MA physics.soc-ph
Germany's current COVID-19 crisis is mainly driven by the unvaccinated
疫苗是抗击COVID-19大流行最有力的制药工具。虽然大部分德国人口（约65%）已全面接种疫苗，但发病率于2021年10月开始呈指数级增长，约41%的12岁或以上记录的新病例为有症状的突破性感染，这可能也是导致这种动态的原因。目前，（i）这一贡献的重要性以及（ii）有针对性的非药物干预措施（NPI）是否可以阻止正在进行的危机的扩大仍然难以捉摸。在这里，我们估计约67%-76%的新感染是由未接种疫苗的个体引起的，这意味着只有24%-33%是由接种疫苗引起的。此外，我们估计38%-51%的新感染是由未接种疫苗的个体感染其他未接种疫苗的个体引起的。总体而言，未接种疫苗的个体预计将参与10例新感染中的8-9例。我们进一步表明，通过例如靶向NPI降低未接种疫苗的传播性，导致有效繁殖数$\mathcal{R}$的下降比降低接种疫苗个体的传播性更急剧，可能导致暂时的流行病控制。此外，减少接种疫苗和未接种疫苗个体之间的接触以与增加疫苗摄取类似的方式用于减少$\mathcal R$。总之，我们的研究结果有助于公众讨论流行病应对政策的变化，并强调了疫苗接种运动和减少接触等综合措施的重要性，以实现流行病控制和防止公共卫生系统过载。
2021-11-24 physics.soc-ph q-bio.PE
Modeling the effects of social distancing on the large-scale spreading of diseases
为了遏制新出现的可在人与人之间传播的疾病的传播，通常实施旨在减少人与人之间相互作用的非药物干预措施。后一种措施的一个例子是保持社交距离，这可以是政策驱动的，也可以是由于害怕感染而在人群中自发产生的。然而，如果在人群达到群体免疫力之前取消NPI，病原体的进一步重新引入将导致继发感染。在这里，我们研究了不同的社会距离计划对疾病大规模传播的影响。具体而言，我们概括了集合种群模型，包括在亚种群水平的社会距离机制和模型的短期和长期战略，喂养当地或全球的流行病信息。我们发现，不同的模型成分可能会导致非常不同的结果在不同的亚群。我们的研究结果表明，有没有一个唯一的答案，如果实施和管理本地或全球的竞争措施是否更有效的问题，模型的结果取决于如何充分考虑人类互动的复杂性。
2021-05-20 physics.soc-ph q-bio.PE
Modeling COVID-19 dynamics in Illinois under non-pharmaceutical interventions
我们展示了美国伊利诺伊州COVID-19疫情的建模，捕捉了居家令的实施情况及其最终发布的情景。我们使用一个非马尔可夫年龄的感染模型，能够处理长时间和可变的时间延迟，而不改变其模型拓扑结构。模型参数的贝叶斯估计采用马尔可夫链蒙特卡罗（MCMC）方法。这一框架使我们能够以统一的方式处理所有现有的输入信息，包括以前公布的流行病参数和现有的当地数据。为了准确模拟死亡人数以及对医疗系统的需求，我们将我们的预测校准为COVID-19患者的总死亡人数和住院死亡人数以及医院和ICU床位占用率。我们不仅将这个模型应用于整个国家，而且还将其子区域用于解释人口规模和密度的巨大差异。在没有关于非药物干预（NPI）的先验信息的情况下，该模型独立地再现了与Google和Unacast报告的移动性数据密切匹配的缓解趋势。该模型的前瞻性预测提供了对峰值位置和严重程度的可靠估计，并且还能够预测释放“呆在家里”订单的区域依赖性结果。由此产生的对这一流行病的高度限制性叙述能够提供对其不可见的进展的估计，并为可持续监测和控制这一流行病的设想提供信息。
2020-06-15 physics.med-ph physics.soc-ph q-bio.PE
Human Activity and Mobility Data Reveal Disparities in Exposure Risk Reduction Indicators among Socially Vulnerable Populations during COVID-19
非药物干预（NPI）是缓解COVID-19大流行在美国传播和影响的一种方法。非营利组织促进保护行动，以减少接触风险，并可以减少社区内的流动模式。越来越多的研究文献表明，社会弱势群体受到COVID-19高感染率和高死亡率的不成比例影响，尽管对这种健康差异的潜在机制了解有限。因此，该研究在五个城市位置的粒度范围内检查了两个不同且互补的数据集。通过统计和空间分析，该研究广泛调查了由于NPI而减少社会弱势群体的暴露风险。移动数据集跟踪邮政编码之间的人口移动;它用于起点-目的地网络分析。人口活动数据集基于从人口普查街区组（CBG）到兴趣点（POI）的访问次数，如杂货店，餐馆，教育中心和医疗设施;它用于人口-设施交互的网络分析。流动性数据集显示，在实施国家保护倡议后，社会弱势人口以在邮政编码区之间流动的形式增加了流动性。同样，人群活动分析显示，基于更多的CBG流入POI的访问，社会弱势人群的暴露风险增加，这增加了POI的接触风险，以及更多的从POI到家庭CBG的流出访问，这增加了CBG内的传播风险。这些发现可以帮助应急规划人员和公共卫生官员了解不同群体如何能够实施保护行动，并为未来流行病提供更公平和数据驱动的NPI政策。
2021-07-15 physics.soc-ph q-bio.PE
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
A multi-layer network model to assess school opening policies during the COVID-19 vaccination campaign
我们提出了一个COVID-19传播的多层网络模型，该模型考虑了家庭内部、同学之间以及人群中偶然接触的相互作用。我们利用所提出的模型校准流行病学和人口统计数据，调查目前的问题，在疫苗接种运动期间实施非药物干预措施（NPIs）。具体而言，我们考虑了最脆弱人群已经接种疫苗的情况，我们重点分析了学校作为传染驱动因素的作用，以及实施针对儿童及其家庭的有针对性的干预政策。我们通过一系列的蒙特卡罗模拟进行分析。我们的研究结果表明，在实施NPI但进行面对面教育的阶段，儿童在COVID-19的传播中发挥了关键作用。有趣的是，我们发现儿童检测可能是拉平流行曲线的重要工具，特别是当与检测到受感染学生的班级实施临时在线教育相结合时。最后，我们测试了一种疫苗接种策略，优先考虑大家庭的成员，我们证明了其良好的性能。我们相信，我们的建模框架和我们的研究结果可以帮助公共卫生当局规划他们当前和未来的干预措施，以及增加对未来流行病爆发的准备。
2021-03-02 cs.MA physics.soc-ph
Urban Exodus? Understanding Human Mobility in Britain During the COVID-19 Pandemic Using Facebook Data
现有的实证研究集中在评估非药物干预措施对人类流动的有效性，以遏制COVID-19的传播。关于COVID-19大流行如何重塑各国内部人口流动的空间模式，人们知之甚少。在西方社会大流行的早期阶段，出现了城市人口从大城市流向农村地区的轶事证据。然而，这些说法没有经过经验评估。人口普查等传统数据来源提供粗略的时间频率，用于分析短时间间隔内的人口流动。利用Facebook用户的2100万次观察数据集，我们的目标是分析从2020年3月到2021年8月的18个月期间英国城乡连续体人口流动空间模式变化的程度和演变。我们的调查结果显示，在高度严格的措施期间，人口流动总体持续下降，人口最密集的地区报告的降幅最大。在这些时期，我们还发现了从人口高度密集地区到人口密度较低地区的流动性高于平均水平的证据，这为大城市的大规模人口流动提供了一些支持。然而，我们发现这些趋势是暂时的。在非药物干预措施放松后，整体流动性水平趋于恢复到冠状病毒爆发前的水平。在这些干预措施之后，我们还发现向低密度地区的流动减少，向高密度聚集地的流动增加。总体而言，这些发现表明，虽然COVID-19产生的冲击波导致英国人口流动模式发生暂时变化，但由此产生的震动并没有显著重塑全国人口流动模式的普遍结构。
2022-06-01 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
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
Measuring unequal distribution of pandemic severity across census years, variants of concern and interventions
基于澳大利亚大规模智能体模拟，研究跨人口普查年份、变异株及干预措施的大流行严重程度，引入大流行Lorenz曲线量化局部地区不平等分布，揭示人口异质性与城市化对疫情的非线性影响，为公共卫生政策与资源优先分配提供依据。
2023-06-26 physics.soc-ph q-bio.PE
Uncovering socioeconomic gaps in mobility reduction during the COVID-19 pandemic using location data
我们使用来自哥伦比亚、墨西哥和印度尼西亚的智能手机位置数据，研究旨在缓解COVID-19大流行蔓延的非药物政策干预措施如何影响人类流动。在所有这三个国家，我们发现，在实施流动限制措施后，人员流动大幅减少。重要的是，我们还发现了财富群体之间流动性降低的巨大而持久的差异：平均而言，财富最高10%的用户减少的流动性是最低10%用户的两倍。对于寻求有效分配资源以应对工作的决策者来说，这些研究结果强调，可以利用智能手机位置数据来调整政策，以满足特定社会经济群体，特别是最弱势群体的需求。
2020-07-27 cs.CY physics.soc-ph
Effects of mobility restrictions during COVID19 in Italy
为减少COVID-19全球大流行的传播和影响，各国政府已多次采取非药物干预措施。特别是封锁政策，即，普遍的流动限制已被用来抗击第一波大流行病。我们分析了反映意大利在全国封锁之前、期间和之后的流动性水平的数据，以评估一些直接和间接影响。通过应用基于渗透和网络科学方法的方法，我们发现，典型的网络特征，虽然非常揭示，并没有告诉整个故事。特别是，意大利移动网络在封锁期间受到的破坏远远超过节点和边缘级别的指标。此外，意大利的许多主要省份都以惊人的相似方式受到封锁的影响，尽管它们的地理和经济不同。根据我们的研究结果，我们提供了一种方法来估计不可用的高分辨率的经济层面，如实时省级GDP，基于易于测量的流动性信息。
2021-08-04 physics.soc-ph
Spatial scales of COVID-19 transmission in Mexico
在新出现的传染病爆发期间，国际连通的城市往往会经历大规模和早期的爆发，而农村地区则会在一段时间后出现。这种疾病传播的层次结构主要受到人类流动的多尺度结构的影响。然而，在COVID-19疫情期间，公共卫生应对措施在设计非药物干预措施（NPI）时通常没有考虑到人类流动的明确空间结构。国家绩效指标主要在国家或区域范围内实施。在这里，我们使用每周匿名和汇总的人类流动数据以及墨西哥市级COVID-19病例、死亡和住院的空间高分辨率数据，调查应对大流行的行为变化如何改变了第一波（2020年3月至6月）传播和干预的空间尺度。我们发现，墨西哥的疫情动态最初是由来自墨西哥州和墨西哥城的SARS-CoV-2出口驱动的，那里发生了早期疫情。2020年3月下旬实施干预措施后，流动网络发生了变化，流动网络社区变得更加脱节，而这些社区的疫情变得越来越同步。我们的研究结果为如何使用网络科学和流行病学建模提供了可操作的动态见解，以告知干预措施在减缓COVID-19和一般传染病传播方面最具影响力的空间尺度。
2023-01-30 physics.soc-ph stat.AP
Contact Graph Epidemic Modelling of COVID-19 for Transmission and Intervention Strategies
2019冠状病毒病（COVID-19）大流行已迅速成为近年来未见的全球公共卫生危机。众所周知，人类接触网络的结构在传染病的传播中起着重要作用。在这项工作中，我们研究了COVID-19 CGEM的结构感知模型。如果我们假设接触网络是一个Erdos-Renyi（ER）图，即每个人都以相同的概率与其他人接触，那么这个模型就变得类似于流行病学中经典的基于分区的模型。相比之下，CGEM更具表现力，并允许插入实际的接触网络，或更现实的代理。此外，CGEM能够更精确地建模执行和释放不同的非药物干预（NPI）策略。通过一组广泛的实验，我们证明了假设不同的基础结构时，流行曲线之间的显着差异。更具体地说，我们证明了基于隔室的模型高估了感染的传播系数为3，并且在对依从性因子的一些现实假设下，低估了一些NPI的有效性，错误地描述了其他NPI（例如预测稍后的高峰），并低估了重新开放后第二个高峰的规模。
2020-10-06 cs.SI physics.soc-ph
Why a Mayor cannot Change the Course of a Pandemic -- An agent-based Study on the Covid Spread on Local Level in Germany
该研究利用基于智能体的模拟考察德国莱茵兰-普法尔茨州第二波疫情中地方发病率差异，发现其可完全由人口统计和统计效应解释，而非地方干预因素。
2023-12-18 physics.soc-ph q-bio.PE
Age-specific transmission dynamics of SARS-CoV-2 during the first two years of the pandemic
在最初的两年里，SARS-CoV-2大流行表现为受关注变体、非药物干预和人群免疫状况之间复杂相互作用的多重波。了解SARS-CoV-2的年龄特异性流行病学在整个大流行期间如何演变，对于为政策决策提供信息至关重要。我们开发了一种基于推理的建模方法，以荷兰为例，在大流行的前两年，在四种变体（野生型，Alpha，Delta，Omicron BA.1）的七波中，重建儿童，青少年和成人的真实感染和住院负担。我们发现，报告的病例是一个相当大的低估和真正的感染负担，特别是因为病例报告不同的年龄普遍较差的预测。儿童和青少年对总感染和住院负担的贡献随着连续变量的增加而增加，并且在Omicron BA.1期间最大。在Delta时期之前，几乎所有的感染都是初次感染。在Delta和Omicron BA.1期间，儿童中原发性感染很常见，但在经历再感染或突破性感染的成人中相对罕见。我们的方法可用于通过其他国家的连续波来了解特定年龄的流行病学，这些国家没有发现真正的SARS-CoV-2动态的随机社区调查，但有基本的监测和统计数据。
2022-12-27 physics.soc-ph q-bio.PE q-bio.QM
Beyond just "flattening the curve": Optimal control of epidemics with purely non-pharmaceutical interventions
在无法获得有效的医疗和疫苗接种的情况下，非药物干预措施，如社交距离、家庭隔离和广泛关闭公共生活，是防止流行病传播的唯一可用战略。基于扩展的SEIR（易感染-暴露-感染-恢复）模型和连续时间最优控制理论，我们计算了最优的非药物干预策略的情况下，疫苗是永远不会发现，完全遏制（根除流行病）是不可能的。在这种情况下，最优控制必须满足相互竞争的要求：第一，最大限度地减少与疾病有关的死亡，第二，在措施结束时建立足够程度的自然免疫力，以排除第二波。此外，干预的社会经济成本应保持在最低限度。数值计算的最优控制策略是一个单一的干预方案，超越了激励性的干预和简单的“平坦化曲线”。“然而，对计算控制策略的仔细分析表明，所获得的解决方案实际上是接近系统稳定边界的走钢丝，其中社会经济成本和新爆发的风险必须不断相互平衡。模型系统经校准以重现COVID-19疫情在德国的初始指数增长阶段。
2020-07-14 math.DS math.OC physics.soc-ph
The advantage of self-protecting interventions in mitigating epidemic circulation at the community level
正如全球COVID-19大流行所戏剧性地表明的那样，可以部署多种类型的保护性干预措施（包括药物和非药物）来防止传染病的传播。在这里，我们详细研究了干预措施在人口水平上的影响，这些干预措施提供了参与单一互动的人之间的不对称保护。主要保护佩戴者或佩戴者的接触者的不同过滤类型的面罩是这些干预措施的突出示例。通过对网络上简单流行病模型的分析计算和广泛模拟，我们表明，更有效地保护收养者（例如口罩佩戴者）的干预措施比主要保护收养者接触者的干预措施更有效，可以降低疾病的流行率和同时感染的人数（“平坦曲线”）。这一观察是支持一个更现实的流行病模型的经验网络代表在波特兰市的接触模式的研究。我们的研究结果指出，推广佩戴者保护口罩和其他自我保护干预措施，尽管被认为是自私和低效的，但实际上可以成为有效遏制大流行病传播的更好策略。
2022-10-13 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
Critical Thresholds in Non-Pharmaceutical Interventions for Epidemic Control
Jinan University（暨南大学）；Beijing Normal University at Zhuhai（北京师范大学珠海校区）
研究非药物干预措施中接触者追踪速度与社交距离的协同作用，引入概率框架确定临界阈值，发现仅接触者追踪能控制部分传染病，与社交距离结合可扩大控制范围，为优化防控策略提供见解。
2026-07-23 physics.soc-ph
Post-pandemic social contacts in Italy: implications for social distancing measures on in-person school and work attendance
通过在线调查和广义线性混合模型分析意大利后疫情时代社会接触，发现线下上学上班显著增加接触，结合远程学习与居家办公可降低呼吸道病原体传播率高达23.7%，为干预措施成本效益评估提供依据。
2024-12-24 cs.SI nlin.AO physics.med-ph
Centralized and decentralized isolation strategies and their impact on the COVID-19 pandemic dynamics
由于各种社交网络促成的人类互动，传染病正在蔓延。因此，当一种新的病原体如SARS-CoV-2引起爆发时，非药物隔离策略（例如，社会距离）是唯一可能的反应，以破坏其传播。为此，我们引入了新的流行病模型（SICARS），并比较了集中式（C），分散式（D）和组合式（C+D）社交距离策略，并分析了它们在异构复杂网络上控制COVID-19动态的效率。我们的分析显示，集中的社交距离是必要的，以尽量减少流行病的传播。分散战略单独使用时是不够的，但与集中战略相结合时会产生最佳效果。事实上，（C+D）是最有效的隔离策略，可以缓解网络超级传播器，并将最高节点度降低到初始值的10%以下。我们的研究结果还表明，更强的社会距离，例如，切断75%的社会联系，可以将C隔离的爆发减少75%，D隔离减少33%，（C+D）隔离策略减少87%。最后，我们研究了主动与被动隔离策略的影响，以及它们的延迟执行。我们发现，对疫情的被动反应效率较低，延迟采取隔离措施超过一个月（自一个地区爆发疫情起）可能会产生令人担忧的影响;因此，我们的研究有助于从空间和时间上了解COVID-19疫情。我们相信，我们的调查具有高度的社会相关性，因为它们提供了了解不同程度的社交距离如何大幅降低感染高峰率的见解;这可以使COVID-19大流行在较长一段时间内更容易理解和控制。
2020-04-10 cs.MA cs.SI physics.soc-ph
COVID-19's Unequal Toll: An assessment of small business impact disparities with respect to ethnorace in metropolitan areas in the US using mobility data
本研究利用SafeGraph聚合手机定位数据，分析美国大都市区小型餐饮企业疫情前后客流变化，发现不同种族聚居区受冲击程度不均，亚裔社区的小型餐厅客流降幅最大，凸显疫情下的种族经济不平等。
2024-05-17 cs.CY physics.soc-ph
Effect of lockdown interventions to control the COVID-19 epidemic in India
由新型冠状病毒SARS-CoV 2引起的大流行导致了危及生命的健康并发症，并对医疗保健系统造成了极大的压力。虽然预防性和明确的治疗性医疗干预措施尚未到位，但管理机构实施的物理隔离、检疫和严厉的社会措施等非药物干预措施可有效阻止感染在人群中的传播。在印度等人口稠密的国家，由于社会和行政管理的复杂性，封锁干预措施部分有效。使用详细的人口统计数据，我们提出了一个基于代理的模型来模仿人口的行为及其流动性特征，即使在干预下。我们展示了接触追踪政策的有效性，以及我们的模型如何有效地与测试效率的实证研究结果相关。我们还提出了各种封锁干预策略来缓解-使用感染的数量，有效繁殖率以及使用强化学习。我们的分析可以帮助评估这些干预措施的社会经济后果，并为政策制定者提供有用的想法和见解，以便更好地做出决策。
2020-09-07 cs.MA physics.soc-ph q-bio.PE
Apparent structural changes in contact patterns during COVID-19 were driven by survey design and long-term demographic trends
本研究通过聚类分析COVID-19前后的33个接触矩阵，发现接触模式的表观结构变化主要由调查设计差异和长期人口趋势而非非药物干预措施驱动，警示在流行病缓解策略的反事实分析中勿混用不同研究的调查数据。
2024-06-03 physics.soc-ph q-bio.PE
The unequal effects of the health-economy tradeoff during the COVID-19 pandemic
在COVID-19疫情期间，健康结果与经济影响之间的潜在权衡一直是政策制定过程中的主要挑战。为解决这一问题而设计的流行病经济模型要么过于笼统，无法考虑社会经济群体之间的异质结果，要么即使足够精细，也没有很好的经验数据基础。为了填补这一空白，我们引入了一个数据驱动的、粒度的、基于代理的模型，该模型模拟了具有地理现实主义的跨行业、职业和收入水平的流行病和经济结果。疫情与经济模块耦合的关键机制是由于担心感染而导致的消费需求减少。我们将模型校准到纽约大都会地区的第一波COVID-19，表明它重现了关键的流行病和经济统计数据，然后检查了反事实情景。我们发现：（a）对感染的高度恐惧和严格的限制同样损害经济，但减少了感染;（b）低收入工人首当其冲地受到经济和流行病损害的影响;（c）关闭制造业和建筑业等不面向客户的行业只能略微减少死亡人数，同时大大增加失业率;以及（d）推迟启动保护措施对经济和艾滋病疫情在所有情况下的结果都没有什么帮助。我们预计，我们的模型将有助于设计有效和公平的非药物干预措施，以最大限度地减少新的大流行病的破坏。
2022-12-07 econ.GN physics.soc-ph q-fin.EC
Investigating the dynamics of COVID-19 pandemic in India under lockdown
在这篇论文中，我们调查了2019年12月在中国武汉出现后印度COVID-19的持续动态。我们讨论印度于2020年3月25日实施全国封锁以防止COVID-19传播的影响。考虑到全国封锁的影响以及2020年5月3日解除封锁后活跃病例可能出现的通货膨胀，使用易感-暴露-危险-隔离（SEIR）模型预测印度的活跃COVID-19病例。我们的模型预测，随着持续的封锁，活跃感染病例的高峰将出现在2020年5月中旬。我们还预测，在各种假设情况下，活动性感染病例的峰值将增加7 $\%$至21 $\%$，反映政府在封城后实施的控制策略相对放松。对印度来说，提出非药物控制策略是一项重要决定，例如全国封锁40天，以延长COVID-19的高阶段，并避免其公共卫生系统的严重负担。由于持续的COVID-19疫情仍然是一个全球性的威胁，所有国家都面临着挑战，要拿出有效的公共卫生和行政策略来对抗COVID-19并维持其经济。
2020-04-28 physics.soc-ph q-bio.PE
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
Complexity of the COVID-19 pandemic in Maringa
本研究调查了巴西南部城市马里恩加 COVID-19 大流行的动态，发现非药物干预措施对流动性和疫情指标有显著影响，但城市措施主要是被动的，且超额死亡率表明医疗系统过载导致了其他原因死亡率增加，疫苗接种显著降低了死亡人数。
2023-07-20 physics.soc-ph q-bio.PE
The Social Divide of Social Distancing: Shelter-in-Place Behavior in Santiago during the Covid-19 Pandemic
自愿就地庇护指令和封锁是全球各国政府用于遏制新冠肺炎疫情的主要非药物干预措施。在本文中，我们研究的影响，这种干预措施在首都的发展中国家，智利圣地亚哥，表现出很大的社会经济不平等。我们研究的一个显著特点是，我们使用粒度地理定位的移动电话数据来构建移动性度量，这些度量捕获（1）就地避难行为，以及（2）城市内前往具有潜在不同风险特征的目的地的旅行。使用面板数据线性回归模型，我们首先表明，社会距离措施和封锁对流动性的影响是高度异质性的，并取决于社会经济水平。更具体地说，我们的估计表明，虽然高社会经济水平的地区可以根据所使用的具体流动性指标显示出约50%至90%的流动性减少，但这些减少仅为20%至50%。高收入社区的大量减少在很大程度上是由自愿就地避难行为推动的。其次，同样使用面板数据方法，我们表明，我们的流动性措施是感染的重要预测因素：大约，流动性增加10%与感染率增加5%相关。我们的研究结果表明，流动性是解释城市内高收入和低收入地区之间感染率差异的一个重要因素。此外，它们证实了减少低收入社区流动性的挑战，那里的人们从日常工作中赚取收入。为切实有效，在社会经济水平低的城市实行就地安置限制可能需要辅之以其他支助措施，使其居民能够更好地遵守规定。
2021-06-10 physics.soc-ph
Modelling exposure between populations using networks of mobility during Covid-19
本研究利用芬兰首都地区手机移动数据构建邮政编码区域间的人类活动暴露网络，并通过拟合重力与辐射模型揭示疫情前后网络结构变化，发现疫情后网络更趋近邻加权。
2023-04-17 cs.SI physics.soc-ph
Lockdown interventions in SIR model: Is the reproduction number the right control variable?
最近的COVID-19疫情凸显了在疫情初期采取非药物干预措施的必要性。其中，封锁政策被证明是不可避免的，但从经济角度来看成本极高。为了更好地理解封锁干预措施的经济和流行病成本之间的权衡，我们在这里集中在一个简单的SIR流行病模型和研究封锁作为解决最优控制问题。我们首先通过数值计算表明，随着时间范围的增长，最优锁定政策表现出从抑制到缓解的相变，即，如果时间范围较短，则最优策略是实施严格的封锁以避免感染的扩散，而如果时间范围较长，则最优控制将系统引导到群体免疫以减少经济损失。然后，我们考虑两种替代政策，其动机是政府应对COVID-19大流行，其中选择封锁水平以稳定繁殖数量（即，“使曲线变平”）或感染的分数（即，包含住院次数）。我们分析计算这两种反馈策略的性能，并将它们与最优控制进行比较。有趣的是，我们表明，在无限地平线的限制，稳定的感染数量是最好的控制繁殖数量，实际上产生接近最优性能。
2021-12-13 math.OC physics.soc-ph
Multiscale Dynamic Human Mobility Flow Dataset in the U.S. during the COVID-19 Epidemic
了解不同地理尺度下人类流动的动态变化和空间互动模式，对于评估COVID-19大流行期间非药物干预措施（如居家令）的影响至关重要。在这个数据描述符中，我们介绍了一个定期更新的美国多尺度动态人类流动数据集，数据从2020年3月1日开始。通过分析SafeGraph提供的数百万匿名移动电话用户对各个地方的访问，计算、汇总并推断了三个地理尺度上的每日和每周动态起点到目的地（O-D）人口流量：人口普查区、县和州。我们的移动流数据集与公开可用的数据源之间存在高度相关性，这表明了所产生数据的可靠性。这样一个高时空分辨率的不同地理尺度的人类流动数据集可以帮助监测流行病传播动态，为公共卫生政策提供信息，并加深我们对前所未有的公共卫生危机下人类行为变化的理解。这种最新的O-D流量开放数据可以支持许多其他社会传感和交通应用。
2020-11-02 cs.SI physics.soc-ph
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
Adaptive Network Modeling of Social Distancing Interventions
2019冠状病毒病大流行已被证明是近期记忆中最具破坏性的突发公共卫生事件之一。在非药物干预措施中，社交距离和封锁措施是世界各国政府为抗击疾病而采用的一些最常见的工具。虽然COVID-19的数学模型无处不在，但很少有人以一般的方式利用网络理论来解释社交距离的机制。在本文中，我们建立在现有的网络模型的异构，集群网络的随机链接激活/删除动态提出现实的社会距离机制，使用分段恒定的激活/删除率。我们发现，我们的模型能够丰富的定性行为，并提供有意义的见解与相对较少的干预参数。特别是，我们发现，社会距离干预措施的严重程度和何时开始比干预措施充分发挥作用所需的时间更有影响。
2021-02-13 math.DS physics.soc-ph q-bio.PE
Analysis of COVID-19 first wave in the US based on demographic, mobility, and environmental variables
该研究通过横断面生态回归分析美国 2020 年上半年 COVID-19 死亡率，发现社会人口统计变量整体解释力最强，但流动性因素在局部地区可能具有重要预测作用。
2023-02-22 physics.soc-ph
A dataset to assess mobility changes in Chile following local quarantines
为对抗COVID-19大流行，大多数国家已实施非药物干预措施，如戴口罩、物理距离、封锁和旅行限制。由于其经济和后勤影响，跟踪疫苗接种期间的流动性变化对于评估疫苗的有效性和预测病毒传播至关重要。智利是世界上受影响最严重的国家之一，与其他许多国家不同，它在更局部的层面上实施了封锁，关闭了小的行政区，而不是整个国家或大区域。鉴于这些局部化的干扰的不明显的影响，跟踪流动性在智利变得更加重要。为了评估智利本地化铁路对人类流动的影响，我们分析了Telefónica Chile提供的移动电话数据集，该数据集包括2020年2月26日至9月20日期间的310亿条eXtended Detail记录和540万用户。从这些记录中，我们得到三个流行病学相关的指标描述的流动性和社区之间。可用的数据集可用于抗击COVID-19流行病，特别是针对局部化的疫苗不太了解的影响。
2020-11-24 physics.soc-ph
Impact of urban structure on infectious disease spreading
目前正在进行的SARS-CoV-2大流行已经使世界成为人质一年多了。流动性是病毒传播的关键，限制流动性是对抗病毒扩张的主要非药物干预措施。以前的作品已经表明了城市的结构组织和居民的运动模式之间的联系。这使城市中心成为流行病监测和干预的重点。在这里，我们表明，组织的城市流量有巨大的影响，疾病的传播和不同的缓解策略的顺从性。通过对美国和其他国家不同城市的匿名和聚集的城市内部流动的研究，并结合实证分析和分析方法，我们证明了城市对传染病传播的反应可以根据这些流动的总体组织大致分为两大类型。在等级森严的城市，流动主要集中在流动热点之间，特别容易受到流行病快速传播的影响。然而，在这类城市中，限制流动性对于减轻病毒的传播非常有效。相反，在有许多活动中心的城市中，流行病的传播要慢得多，但对流动限制的反应要弱得多，效果也差得多。在较脆弱的城市投入资源进行早期监测和及时采取特别干预措施，可能有助于遏制和减少未来大流行病的影响。
2022-03-10 physics.soc-ph q-bio.PE
COVID-ABS: An Agent-Based Model of COVID-19 Epidemic to Simulate Health and Economic Effects of Social Distancing Interventions
Instituto Federal do Norte de Minas Gerais (IFNMG)（北米纳斯吉拉斯联邦学院）；Federal University of Minas Gerais（米纳斯吉拉斯联邦大学）；Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）；Universidade Federal de Ouro Preto（奥罗普雷托联邦大学）
由SARS-CoV-2冠状病毒引起的COVID-19大流行直接影响了全球的公共卫生和经济。为了克服这一问题，各国采取了不同的政策和非药物干预措施来控制病毒的传播。本文提出了COVID-ABS，一个新的SEIR（易感-暴露-隔离-隔离）的代理为基础的模型，旨在模拟流行病的动态使用代理模仿人，企业和政府的社会。分析了七种不同的社交距离干预方案，这些方案具有不同的流行病学和经济影响：（1）什么都不做，（2）封锁，（3）有条件封锁，（4）垂直隔离，（5）部分隔离，（6）使用口罩，（7）使用口罩并坚持50%的社交隔离。在不可能实施封锁的情况下，封锁造成的死亡人数最少，对经济的影响最大，因此，在社会合作方面，结合使用口罩和部分隔离的情况可能更现实。COVID-ABS模型是用Python程序设计语言实现的，源代码公开。通过改变输入参数，该模型可以很容易地扩展到其他社会，并允许创建大量其他场景。因此，这是一个有用的工具，以协助政治家和卫生当局规划他们的行动，以应对COVID-19疫情。
2020-07-08 cs.AI physics.soc-ph
