West Nile virus outbreak in Italy modelled with the quantum Game of Life
Università degli Studi di Napoli Federico II（那不勒斯费德里科二世大学）；INFN Napoli（意大利国家核物理研究所那不勒斯分部）；Università degli Studi di Palermo（巴勒莫大学）；Lobachevsky University of Nizhny Novgorod（下诺夫哥罗德罗巴切夫斯基大学）
使用量子生命游戏细胞自动机模型模拟2025年夏季意大利西尼罗病毒传播，通过优化蚊子出生和移除率，准确拟合局部和区域平均累计感染曲线，并评估环境变化的影响。
2026-06-19 nlin.CG physics.bio-ph q-bio.PE
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
Logistic approximations used to describe new outbreaks in the 2020 COVID-19 pandemic
本研究使用Logistic模型拟合中国、伊朗等六国COVID-19每日死亡数据，预测各国死亡人数区间，发现韩国死亡增长率最低、西班牙等较高，还通过简易模型观察到部分国家内新疫情暴发。
2020-03-24 physics.bio-ph q-bio.PE
The 2023 Dengue Outbreak in Lombardy, Italy: A One-Health Perspective
本文从One-Health视角报告了2023年意大利伦巴第大区一起DENV-1本土登革热疫情，结合血清学筛查、昆虫学调查和建模分析，估计R0为1.31、代际时间18.3天，并强调多部门协同监测对控制虫媒病毒传播的重要性。
2024-08-08 q-bio.PE
SEIHRDV: a multi-age multi-group epidemiological model and its validation on the COVID-19 epidemics in Italy
提出多年龄、多场景的 SEIHRDV 流行病学模型，并利用意大利疫情数据验证，以支持干预、疫苗接种与 Green Pass 情景分析及预测。
2025-01-07 cs.NA math.NA q-bio.PE
COVID-Pro in Italy: a dashboard for a province-based analysis
本文介绍了一个仪表板，该仪表板是为分析意大利新冠肺炎疫情而开发的，考虑了意大利卫生部提供的关于阳性病例的每日NUTS-3数据以及意大利地方当局官方新闻发布会上发布的死亡病例。提供了描述性时间序列图，以及描述各省累积病例和比率的空间分布图。仪表板中还提供了一个关于NUTS-3区域拟议的时间依赖性调整SIRD模型的章节。
2020-06-01 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
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
Preliminary analysis of COVID-19 spread in Italy with an adaptive SEIRD model
在本文中，我们提出了一个易感-感染-暴露-死亡-死亡（SEIRD）差分模型，用于分析和预测意大利部分地区的COVID-19传播，使用意大利Protezione Civile从2020年2月24日开始的数据。在这项研究中，调查的适应模型。由于意大利政府在不同时间实施了几项限制措施，从2020年3月8日开始，我们建议通过引入时间相关的传输速率来修改SEIRD。在数值结果中，我们报告了最先受到COVID-19疫情影响的三个意大利地区（伦巴第、威尼托和艾米利亚-罗马涅）的最大感染传播。一旦获得更多的数据，这一方法将陆续推广到意大利其他地区。
2020-03-22 q-bio.PE
Hyperbolic compartmental models for epidemic spread on networks with uncertain data: application to the emergence of Covid-19 in Italy
空间网络在流行病传播中的重要性是传染病动力学建模的一个重要方面。此外，任何现实的数据驱动模型都必须考虑到官方来源报告的数值中存在的很大不确定性，例如传染性个体的数量。在本文中，我们通过网络上的双曲房室模型来解决上述问题，其中节点识别感兴趣的位置，如城市或地区，弧代表主要移动路径的集合。该模型描述的空间移动和相互作用的人口分区，从流行病学的角度来看，在扩展的隔间结构的基础上，分为通勤者，移动在郊区的规模，和非通勤者，在城市规模的行动。通过扩散重标度，该模型使我们能够恢复经典的扩散方程相关的通勤动力学。数值解的多尺度双曲型系统的不确定性，然后处理使用随机配置方法结合有限体积IMEX方法。该模型能够正确描述流行病在现实城市网络中传播的空间异质性，并通过对意大利COVID-19爆发及其在伦巴第大区传播的研究得到证实。
2021-05-29 cs.NA math.NA physics.soc-ph
A Temporal Playbook for Multiple Wave Dengue Pandemic from Latin America and Asia to Italy
本文利用流行病学重整化群框架有效描述登革热多波大流行的时间演变，在拉美和亚洲多国验证，发现感染人数与温度强相关，并预测全球变暖增加病例，最后应用于意大利法诺疫情。
2024-11-06 q-bio.PE stat.AP
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
Hospitalization dynamics during the first COVID-19 pandemic wave: SIR modelling compared to Belgium, France, Italy, Switzerland and New York City data
利用经典的易感-感染-治愈流行病学模型，推导出了新冠肺炎患者占用床位数的解析公式。分析曲线与比利时、法国、纽约市和瑞士的数据拟合，相关系数超过98.8%，这表明对于这样的宏观数据，更精细的模型是不必要的。拟合用于提取流行病上升阶段的倍增时间、平均恢复时间以及需要医疗干预者的平均住院时间的估计数。在不同的暴发中可以观察到很大的差异。
2021-02-19 physics.soc-ph q-bio.PE
Analysis and forecast of COVID-19 spreading in China, Italy and France
在本报告中，我们分析了2019年中国、意大利和法国在时间窗$22/01-09/03/2020$中爆发的冠状病毒病的时间动态。对简单的时滞图的第一次分析指出了流行病传播的一些普遍性，这表明简单的平均场模型可以有意义地用于收集流行病传播的定量图像，特别是确认感染个体的峰值的高度和时间。在一个简单的易感-（确认）感染-康复-死亡模型中对相同数据的分析表明，描述康复率的动力学参数似乎是相同的，无论在哪个国家，而感染率和死亡率似乎更易变。该模型将意大利的峰值放在$^{\rm th}$ 2020年3月20日左右，最大确诊感染人数约为16000人。
2020-03-12 cond-mat.stat-mech nlin.AO q-bio.PE
Solvable delay model for epidemic spreading: the case of Covid-19 in Italy
我们研究了一个简单的现实模型，用于描述传染病在人群中的扩散。的动态是由一个单一的功能延迟微分方程，其中，在一个大的人口的情况下，可以精确地解决，即使在存在的时间依赖性的感染率。这种延迟模型比流行病学中常用的所谓SIR模型具有更高的准确度，SIR模型是用常微分方程来表示的。我们应用此模型描述新型传染病Covid-19在意大利的爆发，并考虑到政府为减缓病毒传播而实施的遏制措施以及人口的社会成本。
2020-09-10 cond-mat.stat-mech physics.soc-ph q-bio.PE
Arctic Oscillation: possible trigger of COVID-19 outbreak
当前的COVID-19大流行正在全球范围内产生不利影响。疫情于2020年1月底至2月初开始强劲发展，首先在中国，随后迅速蔓延至其他国家，新的疫情中心主要集中在北纬30至50度范围内（例如，韩国、日本、伊朗、意大利、西班牙）。与此同时，在全球范围内观察到北纬40度左右普遍存在一种不寻常的持续反气旋情况，这与北极涛动的异常强烈的正相位相一致。这种非典型的情况可能导致有利的气象条件，使病毒在上述纬度带上更快地传播。这种可能的联系需要进一步关注，以了解与COVID-19爆发相关的气象和气候因素，并预测未来可能的大流行病的时空分布。
2020-05-06 physics.ao-ph q-bio.PE
A SIDARTHE Model of COVID-19 Epidemic in Italy
2019年12月下旬，中国湖北省武汉市发现了一种新型冠状病毒（SARS-CoV-2），导致严重的、可能致命的呼吸系统综合征（COVID-19），并在世界多个国家引起疫情，很快成为大流行。意大利现已成为亚洲以外疫情最严重的国家：2020年3月16日，意大利民防部门记录了27980例确诊病例，2158人死亡，其中SARS-CoV-2检测呈阳性。在新出现的传染病爆发的情况下，预测流行病的趋势，以便规划有效的控制战略并确定其影响，是至关重要的。本文提出了一个新的流行病模型，根据感染者是否被诊断和症状的严重程度来区分感染者。确诊和未确诊之间的区别很重要，因为未确诊的人比确诊的人更有可能传播感染，因为后者通常是孤立的，可以解释对病死率和流行病现象严重性的误解。能够预测将出现危及生命症状的患者数量非常重要，因为这种疾病经常需要住院治疗（甚至需要入住重症监护室），并挑战医疗保健系统的能力。我们展示了如何在新的框架中重新定义基本繁殖数，从而抓住了遏制流行病的潜力。模拟结果与意大利COVID-19疫情的真实数据进行了比较，以显示模型的有效性，并根据所采取的对策比较不同的可能预测情景。
2020-03-22 cs.SY eess.SY math.DS
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
The hidden side of COVID-19 spread in Italy
背景该文件涉及SARS-CoV 2（COVID-19）大流行，自2020年2月底开始沿意大利半岛蔓延，首先袭击北部地区的小社区，然后扩展到意大利中部和南部，包括两个主要岛屿。Objective.建立一个预测模型，设法提醒决策机构，特别是医疗保健系统，以阻止任何其他大流行爆发的出现，或随后的大流行浪潮的到来。方法.给出了一个新的描述大流行的数学模型。该模型包含了未确诊的感染者，并具有多区域扩展，以应对疫情在时间和空间上的异质性。结果我们得到了一个强大的和可靠的工具，预测的总和活跃的情况下，它也可以用来模拟不同的情况。结论.我们能够解决多项问题，例如评估意大利自二零二零年三月十一日起实施的封城措施，以及如何采用快速筛查测试活动以控制疫情。
2020-06-11 physics.soc-ph q-bio.PE
Phenomenological description of spread of Covid-19 in Italy: people mobility as main factor controlling propagation of infection cases
自2019年底开始，冠状病毒（COVID-19）的传播已在意大利确定了多项旨在防止卫生系统饱和的干预措施。我们已经研究了这些措施的影响，提出了一个平均场模型，描述了一个简单的扩散过程的基础上，所有可观察到的变量的感染传播（对感染仍呈阳性的人数、住院和死亡病例、治愈的人数和感染的总人数）取决于平均参数，即扩散系数，感染截面，和人口密度。虽然这个模型比文献中的其他模型复杂，但它使我们能够直接将流行病统计信息（住院病例，死亡人数，感染人数等）的趋势联系起来。到一个定义明确的可观察的物理量：任何个人每天遇到的平均人数。该模型非常符合流行病数据，并使我们能够将住院病例和疫情死亡人数的时间演变与人员流动性的变化严格联系起来，从而在意大利实施渐进式限制，直到现在（2020年11月15日）。
2020-11-17 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
Modelling lockdown measures in epidemic outbreaks using selective socio-economic containment with uncertainty
在推出旨在阻止SARS-CoV 2疫情蔓延的严厉遏制措施后，许多政府在面临封锁造成的严重经济危机时采取了基于定期放松此类措施的策略。评估这种开放对疾病重新蔓延的风险的影响是一个极其困难的问题，因为在感染者的实际人数、实际繁殖人数和疾病的感染死亡率方面存在许多未知数。在这项工作中，从一个隔间模型与社会结构和随机输入，我们推导出模型与多个反馈控制，这取决于社会活动，允许评估的影响，选择性放松的遏制措施，在存在不确定的数据。在家庭、工作场所、学校和其他地点的具体接触模式已被考虑。从不同的情况下，在一些主要国家，包括德国，法国，意大利，西班牙，英国和美国的第一波流行病的结果，介绍和讨论。
2021-06-09 math.OC q-bio.PE
Assessing the spatio-temporal spread of COVID-19 via compartmental models with diffusion in Italy, USA, and Brazil
2020年爆发的COVID-19疫情引发了人们对传染病数学建模的兴趣。这类模型通常被定义为房室模型，在这种模型中，所研究的人口根据质量特征被划分为房室，对跨房室转移的性质和速率有不同的假设。虽然最常见的是常微分方程（ODE）模型，其中的隔间只依赖于时间，最近的工作也集中在偏微分方程（PDE）模型，纳入空间的变化的流行病。在易感、感染、暴露、死亡和死亡（SEIRD）框架内对PDE模型的研究在再现COVID-19传染动力学方面取得了可喜的成果。在本文中，我们评估的鲁棒性，这种建模框架，考虑不同的几何形状在更长的时间比其他类似的研究。我们首先验证我们的代码复制先前显示的结果，意大利伦巴第大区。然后，我们将重点放在美国佐治亚州和巴西里约热内卢州，这是世界上受影响最严重的地区之一。我们的研究结果显示，在时间和空间上，所有主要地区和三个不同大陆的所有地区的真实流行病学数据都具有良好的一致性，这表明建模方法既有效又稳健。
2021-02-14 physics.soc-ph q-bio.PE
On the problem of comparing Covid-19 fatality rates
了解新型冠状病毒的致命性及其在不同国家的差异，对于支持各国政府选择适当的战略至关重要。采用正确的指标来监测疫情过程中感染的致命性是一个至关重要的问题。这一工作突出表明，即使我们的注意力仅限于确诊病例的子集，时间依赖性病死率在多大程度上是估计疫情过程中病死率的误导性指标。我们的分析证明，欧洲几个主要国家的最终病死率肯定会大大超过10%。意大利和其他主要欧洲国家之间死亡率的差异在很大程度上被讨论，这主要归因于（德国除外）意大利流行病的晚期阶段。
2020-04-06 physics.soc-ph q-bio.PE
COVID-19 pandemic: a mobility-dependent SEIR model with undetected cases in Italy, Europe and US
预防措施：描述第一波COVID-19疫情，重点关注未被发现的病例，并评估不同的封城后情况。产品设计：该研究采用SEIR分区模型，考虑到未被发现的病例的区域特定比例，流动限制的影响，以及所采取的个人防护措施，例如戴口罩和经常洗手。设置和参与者：该模型的实验验证与所有的意大利地区，一些欧洲国家和美国的数据。主要观察指标：通过平均绝对百分误差（MAPE）和Lewis准则衡量模型结果的准确性，拟合参数与文献值吻合较好。研究结果：对不同国家的流行曲线以及未发现和无症状病例的数量进行了估计，这些病例很可能是近期的主要感染源。该模型应用于湖北案例研究，湖北是最早放宽流动限制的地方。结果显示了不同的可能情况。流动性和采取个人保护措施对感染的动态有很大影响，决定了是一个巨大和迅速的第二次流行病高峰，还是一个更延迟和更易管理的高峰。结论：数学模型可以为医疗保健决策者提供有用的见解，以确定未来爆发时的最佳策略。
2021-06-02 physics.soc-ph q-bio.PE
Robustly estimating the COVID19 epidemic curve in northern Italy using all-cause mortality
背景：意大利北部是受新冠疫情影响最严重的地区之一。现在人们普遍认为，在第一名患者被发现之前，病毒已经悄悄地传播了至少两周。在这一沉默阶段，以及在接下来的几周里，当医院系统负担过重时，数据收集的方式不够准确，无法估计流行曲线。为了评估病毒传播的动态和遏制措施的有效性，我们尝试使用全因死亡率数据重建流行曲线。研究方法：我们从国家统计局收集了按年龄分层的全因死亡率数据，以及其他政府机构发布的与COVID相关的死亡数据。使用SEIR模型与估计的暴露死亡时间分布，我们拟合的繁殖数量在不同阶段的传播在区域水平。结果：我们估计在病例1被确定之前的繁殖数为2.6+/-0.1。伦巴第大区的学校关闭使该指数降至1.3。软封锁措施导致R<0.8，当引入硬封锁时没有观察到进一步的降低（例如Emilia-Romagna软封锁0.67 +/-0.07，硬封锁0.69+/-0.071）。在严格封锁期间，>75岁年龄段的生殖数量始终高于其他人群（例如，米兰省为0.98 vs 0.71），这表明退休设施中爆发了疫情。从3月7日开始，贝加莫省和布雷西亚省的生殖数量明显低于采取同样严格封锁措施的其他地区（附近省份：0.73，布雷西亚：0.52，贝加莫0.43），这支持了这些省份的大部分人口在3月初已经感染的假设。
2020-08-09 physics.soc-ph q-bio.PE
Quantitative assessment of the role of undocumented infection in the 2019 novel coronavirus (COVID-19) pandemic
控制COVID-19传播的一个紧迫问题是了解无记录感染的作用。我们开发了一个COVID-19的五态模型，考虑到新型冠状病毒的独特特征，关键参数由政府报告和数学优化确定。使用中国、韩国、意大利和伊朗的数据进行的测试表明，该模型能够准确预测每日累计确诊病例数，完全适合实时预测。不同国家之间的检测和诊断标准/政策差异很大，导致估计的参数值（如疫情持续时间）存在很大差异，但这种不确定性对模型预测的拐点发生时间几乎没有影响，表明其可靠性和鲁棒性。对意大利的模型预测表明，政府行动不足导致很大一部分无证感染在该国异常高的死亡率中起着重要作用。根据目前英国的数据，我们的模型预测，如果政府不实施严格的旅行和社交距离限制，该国将出现灾难性的流行病情况。一个关键的发现是，如果无证感染的百分比超过一个阈值，即使在疫情被认为已经结束之后，也可能存在不可忽略的隐藏人口，这意味着如果目前实施的严格政府行动放松，未来爆发疫情的可能性很大。这可能使COVID-19演变成一种长期流行病或社区疾病成为一种真正的可能性，这表明有必要进行普遍的检测和监测，以识别隐藏的个人。
2020-03-26 q-bio.PE
Are official confirmed cases and fatalities counts good enough to study the COVID-19 pandemic dynamics? A critical assessment through the case of Italy
随着COVID-19疫情的发展，两个最常报告的统计数据似乎是原始的确诊病例和病例死亡人数。以意大利为重点，我们将探讨如何正确看待这两个值，以反映病毒传播的动态。特别是，我们发现，仅仅考虑确诊病例数将非常具有误导性。每日检测数量增加，而每日确诊病例占总检测数的比例有一个变化点。它（取决于地区）通常会随着强烈的波动而增加，直到（大约，取决于地区）3月15日至22日，然后线性下降。结合每日进行的检测的增加趋势，原始确诊病例计数不能代表情况，并与采样工作混淆。当对阳性检测的记录分数进行时间回归时，我们观察到这一点，并与记录的原始确认计数进行比较。因此，不应仅根据确诊病例数（不按检测次数重新调整）来校准该病毒动态的模型参数，还应考虑死亡人数和住院人数，因为这些变量不容易被检测工作扭曲。此外，报告国家一级的统计数字并不能充分说明该疾病的动态，而这种动态发生在区域一级。这些发现基于ISTAT发布的截至2020年4月15日的总死亡人数和截至2020年5月10日的病例数的官方数据。在这项工作中，我们不适合的模型，但我们宁愿调查是否有可能在所有这一任务。这项工作还介绍了一种新的工具，以R统计环境包的形式收集和协调来自不同来源的官方统计数据，并介绍了COVID-19数据中心。
2020-05-18 q-bio.PE stat.AP
Intermittent yet coordinated regional strategies can alleviate the COVID-19 epidemic: a network model of the Italian case
2019年底在中国武汉出现的COVID-19疫情对意大利的打击尤为严重，导致意大利实施了严格的全国封锁规定（第一阶段）。目前，意大利国内外正在就重启一个国家以退出国家封锁（第二阶段）的最佳策略进行激烈的辩论。以前的研究集中在国家一级可能重新启动的情景建模，忽略了意大利和世界其他国家一样，被划分为行政区域，这些行政区域可以独立监督自己在意大利国家卫生服务中的份额。在这项研究中，我们表明，区域主义和地区之间的异质性，是必不可少的了解流行病的传播，更重要的是，设计有效的封锁后的战略，以控制疾病。为了实现这一目标，我们将意大利建模为一个区域网络，并根据从最初爆发起近两个月的真实数据对每个区域的模型进行参数化。使用该模型，我们确认了意大利政府迄今为止为减缓疾病传播而实施的国家封锁战略在区域层面的有效性，并显示了其在区域层面的有效性。我们还建议，在第二阶段，尽管协调，但有区别的区域干预措施可以有效地重新启动国家，避免未来再次出现疫情，同时避免区域卫生系统饱和，减轻对成本的影响。我们的研究和方法可以很容易地扩展到其他粒度级别（同一地区的省或县或其他联邦国家的州等）。支持政策制定者和决策者。
2020-05-15 physics.soc-ph q-bio.PE
Taking the pulse of COVID-19: A spatiotemporal perspective
2020年初，新型冠状病毒疫情（COVID-19）突然爆发，席卷全球，导致中国、西班牙、印度、英国、意大利、法国、德国和美国大部分州。随着美国确诊病例最多，病毒传播迅速加速，纽约市在三月底成为了疫情的中心。为了应对这一国家和全球紧急情况，NSF时空创新中心召集了一个由国际研究人员组成的工作组，并制定了快速应对这一危机的战略，以支持研究，拯救生命，保护全球公民的健康。这份透视文件介绍了我们对全球卫生紧急情况的集体看法，以及我们在收集、分析和分享有关全球政策和政府应对措施、疫情地理空间指标和不断变化的预测的相关数据方面所做的努力;与全球科学家一起发展研究能力和缓解措施，促进对疫情动态的合作研究，并反思人类社会的动态应对。
2020-05-08 physics.soc-ph q-bio.PE
Genetic algorithm with cross validation-based epidemic model and application to early diffusion of COVID-19 in Algeria
提出了一种利用遗传算法和交叉验证方法优化的动态传染病模型，以克服过拟合问题。应用交叉验证过程，以便将可用数据分成用于拟合算法参数的训练子集和用于验证的较小子集。这一过程在意大利、西班牙、德国和韩国进行了测试，然后应用于阿尔及利亚。有趣的是，我们的研究揭示了训练样本的大小和遗传算法所需的代数之间的反比关系。此外，在这项工作中提出的增强的房室模型被证明是一个可靠的工具，以估计关键的流行病参数和易感人群的不可测量的无症状感染的部分，以建立现实的临近预报和预测的流行病的演变。该模型用于研究2020年2月25日至5月24日期间阿尔及利亚的COVID-19疫情动态。在疫情发生3个月后的5月24日，估计基本繁殖数和有效繁殖数分别为3.78（95% CI 3.033-4.53）和0.651（95% CI 0.539-0.761）。还计算了疾病发生率、CFR和IFR。为这项研究的目的开发的数值程序是公开的复制和进一步使用。
2021-07-11 q-bio.PE q-bio.QM
Control Strategies for COVID-19 Epidemic with Vaccination, Shield Immunity and Quarantine: A Metric Temporal Logic Approach
自COVID-19疫情爆发以来，针对冠状病毒SARS-CoV-2提出并测试了各种公共卫生控制策略。我们研究了三个特定的COVID-19流行病控制模型：接种疫苗控制的易感、暴露、传染、恢复（SEIR）模型;屏蔽免疫控制的SEIR模型;以及检疫控制的易感、未检疫感染、检疫感染、确认感染（SUQC）模型。我们表达的控制要求在度量时序逻辑（MTL）公式（一种形式化的规范语言），它可以指定预期的控制结果，如“感染的死亡人数不应该超过一千人，每天在未来三个月内”或“人口免疫的疾病应该最终超过20万在未来100至120天”。然后，我们开发的方法与MTL规范合成控制策略。据我们所知，这是第一篇基于具有正式规范的COVID-19流行病模型系统综合控制策略的论文。我们提供了三个不同案例研究的模拟结果：COVID-19疫情的疫苗接种控制，模型参数根据意大利伦巴第的数据估计; COVID-19疫情的屏蔽免疫控制，模型参数根据意大利伦巴第的数据估计; COVID-19疫情的检疫控制，模型参数根据中国武汉的数据估计。结果表明，所提出的综合方法可以生成控制输入，使得每个类别中的时变个体数量（例如，感染性、免疫性）符合MTL规范。研究结果亦显示，早期干预对减缓COVID-19的传播至关重要，而更严格的MTL规范需要更多的控制工作。
2020-08-13 cs.SY eess.SY math.OC
Time, Space and Social Interactions: Exit Mechanisms for the Covid-19 Epidemics
我们开发了一个极简房室模型，以研究新冠肺炎疫情期间意大利流动限制的影响。我们发现，早期封锁会使疫情在时间上发生变化，而超过封锁强度的临界值，疫情往往会在解除限制后重新开始。因此，必须采取具体的缓解战略。我们的特点是不同的广泛战略的相对重要性，占异质性的两个基本来源，即地理和人口。首先，我们认为意大利各地区作为独立的行政实体，在其中发生的年龄阶层之间的社会互动。由于区域间流动矩阵稀疏，一旦开始，流行病往往在各地区独立发展，因此有理由采取针对个别区域或区域集群的解决办法。其次，我们表明，年龄阶层之间的社会联系发挥着根本性的作用，并考虑到人口的年龄结构的措施可以提供一个显着的贡献，以减轻反弹效应。我们的模型是通用的，虽然它没有分析具体的缓解策略，但它突出了一些关键参数对流行病非药物缓解机制的相关性。
2021-02-04 physics.soc-ph q-bio.PE
A time-modulated Hawkes process to model the spread of COVID-19 and the impact of countermeasures
基于最近爆发的新型冠状病毒（COVID-19），我们提出了一个基于时间调制Hawkes过程的流行病时间增长和缓解的随机模型。该模型足够丰富，可以纳入新型冠状病毒的具体特征，捕捉未被发现的、无症状的和超扩散的个体的影响，特别是考虑到随时间变化的应对措施和检测工作。然而，它足够简单，可以对流行病的时间演变进行可扩展和有效的计算，并探索假设情景。与传统的房室模型相比，我们的方法允许更忠实地描述病毒的特定特征，例如阶段中花费的时间的分布，这在控制的时间尺度（例如，移动性限制）与单次感染的寿命相当。我们将该模型应用于意大利的第一波和第二波COVID-19，揭示了与政府引入的流动限制有关的几个影响，以及国家卫生服务进行的接触者追踪和大规模检测的有效性。
2021-01-02 math.PR physics.soc-ph q-bio.PE
Morphology and numerical characteristics of epidemic curves for SARS-Cov-II using Moyal distribution
本文证明了Moyal分布是研究SARS-Cov-II（Covid-19）流行病学相关曲线及其传播的一个很好的工具。Moyal参数提供了描述疾病暴发在不同受影响国家的形式和影响及其全球影响的所有信息。我们检查了Moyal分布可以准确地拟合每个国家的{ \it{new confirmed cases of infected people} }（NCC）的每日报告，在那些地方，传染病正在达到他们的最后阶段，同时描述传染病的开始，最强烈的阶段和下降。为了实现这项工作的目的，使用一组完整且经过精心编辑的数据来拟合曲线非常重要。数据来自欧洲国家，如法国、西班牙、意大利、比利时、瑞典、英国、丹麦和其他国家，如美国和中国。此外，Moyal分布拟合的参数之间的相关性和一般的公共卫生措施，在每个国家，进行了讨论。这些政策和Moyal分布的特征之间的关系，在其参数和临界点，显示;从中可以看出，了解流行病曲线的时间演变、临界点、叠加特性以及上升和结束的速度，可以帮助找到一种方法来估计每个国家实施的社会距离措施的效率，并预测大流行的不同阶段。
2020-06-08 physics.med-ph physics.soc-ph q-bio.PE
Qualitative analysis of a mathematical model for Xylella fastidiosa epidemics
在意大利南部，自2013年以来，由于细菌Xylella fastidiosa，橄榄快速衰退综合征（OQDS）爆发。在之前的几篇论文中，作者提出了一种数学方法来确定可能的控制策略，以消除或至少减少此类事件的经济影响。参与OQDS的主要参与者是昆虫载体，Philaenus spumarius，其宿主植物（橄榄树和杂草）和细菌，X。苛养。一个基本的数学模型已表示在一个系统的常微分方程;初步分析已经提供了有趣的结果，可能的控制策略在一个综合的害虫管理框架内，不需要删除的生产资源所代表的橄榄树。后来，通过分析可能的空间异质性对控制X的影响，证实了同样的假设。苛养流行病。这些令人鼓舞的事实刺激了更详细和严格的数学分析相同的系统，如本文所述。一个清晰的画面可能的稳定状态（平衡）和他们的稳定性属性已被概述，在各种不同的参数的情况下，为原来的空间均匀的生态系统。这里获得的结果以数学上严格的方式证实了在以前的论文中已经阐明的内容，即去除适量的杂草生物量（X.从橄榄园和周边地区的橄榄油是最可接受的策略，以控制蔓延的OQDS。此外，正如预期的那样，采用抗性更强的橄榄树品种已被证明是一个很好的战略，虽然成本效益较低，在控制病原体。
2021-06-15 math.DS q-bio.PE
The determinants of COVID-19 case fatality rate (CFR) in the Italian regions and provinces: an analysis of environmental, demographic, and healthcare factors
意大利政府一直是应对COVID-19紧急情况最积极的政府之一，通过采取快速和日益严格的措施来遏制疫情。尽管如此，意大利还是遭受了巨大的人力和社会代价，尤其是在伦巴第大区。本文的目的是双重的：i）首先，使用多变量OLS回归方法调查意大利20个地区和107个省之间病死率（CFR）差异的原因; ii）其次，使用Ward分层凝聚聚类方法建立具有相似COVID-19死亡风险的省份分类。我考虑了卫生系统指标、环境污染、气候条件、人口统计变量和代表卫生系统饱和度的三个临时指标。结果显示，整体医疗效率、医师密度、平均温度有助于降低病死率。相反，70岁及以上人口、汽车和公司密度、空气污染物（NO2、O3、PM10和PM2. 5）水平、相对平均湿度、COVID-19患病率以及卫生系统饱和度的所有三个指标与CFR呈正相关。人口密度、社会垂直整合和海拔没有统计学意义。特别是，死亡的风险随着年龄的增长而增加，因为90岁及以上的风险比80至89岁的风险高出三倍，比70至79岁的风险高出四倍。此外，聚类分析表明，死亡风险最高的地区集中在该国北部，而风险最低的地区与南部省份有关。最后，由于患病率和卫生系统饱和度指数在解释CFR变异性方面发挥了最重要的作用，后者的很大一部分可能是由意大利卫生系统的巨大压力造成的。
2020-08-01 physics.soc-ph q-bio.PE
