A fractional model for the COVID-19 pandemic: Application to Italian data
我们为意大利的COVID-19大流行提供了一个概率SIRD模型，其中我们允许感染率，恢复率和死亡率是随机的。特别地，潜在的随机因子由分数布朗运动驱动。我们的模型是简单的，只需要几个参数进行校准。
2020-07-31 physics.soc-ph q-bio.PE
Stochastic approach to study control strategies of Covid-19 pandemic in India
印度是目前受新型冠状病毒疫情影响最严重的国家之一。我们研究了印度Covid-19患者的公开数据，并在SEQIR模型的随机框架内分析了隔离和社交距离的可能影响，以说明大流行的控制策略。我们的模拟结果清楚显示，适当的隔离及社交距离应在疫情开始时尽早维持，并应持续至疫情结束，以有效控制疫情。这就要求今后在这方面建立一种更有社会纪律的生活方式。在系统动力学中非常明显的人口随机性在调控和控制流行病方面具有关键作用。
2020-06-11 physics.soc-ph q-bio.PE
Impact studies of nationwide measures COVID-19 anti-pandemic: compartmental model and machine learning
在本文中，我们研究了全国范围内抗疫措施的影响。我们推动两个流程来分析COVID-19数据，并考虑措施。我们将全国范围内的测量水平与模型的接触率相关的参数值相关联。然后，一个参数的解决方案，相对于这些参数的措施，显示了不同的可能性的演变的流行病。两个机器学习工具被用来预测大流行病的演变。最后，我们展示了确定性和两个机器学习工具之间的比较。
2020-08-09 physics.soc-ph q-bio.PE stat.ML
Temporal evolution of the Covid19 pandemic reproduction number: Estimations from proximal optimization to Monte Carlo sampling
监测Covid 19大流行的演变是卫生政策设计的关键一步。然而，由于公共卫生当局提供的数据质量有限（尤其是缺失数据、异常值和伪季节性），在大流行期间评估大流行强度仍然是一项具有挑战性的任务，这需要在估计之前进行繁琐和临时的预处理（去噪）。最近，估计的繁殖数，衡量流行病的强度，制定了一个反问题，结合数据模型的保真度和时空规律性的约束，解决了非光滑凸邻近最小化。尽管前景看好，但该公式在Covid 19数据和置信度评估的有限质量下缺乏稳健性。目前的工作旨在解决这两个局限性：首先，它讨论了解决方案，以产生一个强大的评估大流行的强度占低质量的数据直接在反问题的制定。其次，利用反问题公式的贝叶斯解释，它设计了一个蒙特卡洛抽样策略，针对非光滑对数凹后验分布，以产生相关的可信区间估计Covid 19再现数。临床相关性应用于约200个国家卫生当局公开的每日新发感染计数，拟议程序允许对Covid 19大流行强度的时间演变进行可靠评估，并每天自动更新。
2022-02-11 physics.soc-ph q-bio.PE stat.AP
Dynamics of the COVID-19 pandemic in India
了解COVID-19大流行的动态对改善控制和社交距离策略至关重要。为此，我们采用了易感染-暴露-感染-康复模型，并根据印度喀拉拉邦、德里、马哈拉施特拉邦和西孟加拉邦以及整个印度的接触者追踪和住院数据进行了改进。我们已经进行了敏感性分析，以确定最关键的输入参数，我们已经校准了模型，以尽可能最好地描述数据。短期预测显示，所有四个省和整个印度的COVID-19病例呈增加和令人担忧的趋势，而长期预测也揭示了振荡动态的可能性。因此，我们的研究留下了COVID-19可能成为季节性事件的选择。我们还模拟和讨论了媒体对COVID-19疫情动态的影响。
2021-01-12 physics.soc-ph q-bio.PE
Gender disparity in the authorship of biomedical research publications during the COVID-19 pandemic
初步证据表明，女性，包括女性研究人员，在儿童保育、老年人护理和其他类型的家务和情感劳动分配不平等方面，受到COVID-19大流行的不成比例的影响。突然的封锁和日常生活的突然变化对她们的生产力产生了不成比例的后果，这反映在生物医学研究的研究产出突然下降，从而影响了科学出版物的女性作者人数。我们使用生物医学预印本服务器和选定的Springer-Nature期刊的文献计量数据，调查了在COVID-19大流行期间发表科学论文的男性和女性研究人员的比例。我们的研究结果表明，在全球大流行期间，女性作者在生物医学领域的出版物数量有所减少。这种影响在与COVID-19相关的论文中尤为明显，表明女性发表的与COVID-19研究相关的论文越来越少。在研究人员人数最多的十个国家，性别差距的突然扩大一直存在。这些结果应用于告知科学界COVID-19研究中令人担忧的趋势以及该流行病对女性学者的不成比例的影响。
2021-03-25 cs.DL physics.soc-ph
Characterizing collective physical distancing in the U.S. during the first nine months of the COVID-19 pandemic
2019冠状病毒病大流行提供了一个前所未有的自然实验，为外源性（政府强制）和内源性（对感染风险的自发反应）起源的集体行为变化的出现提供了见解。在这里，我们通过分析一组超过550万个匿名、选择加入的美国设备的去识别、隐私保护位置数据，来描述集体物理距离--减少流动性、最小化接触、缩短接触时间--以应对疫苗前时代的COVID-19大流行。我们定义了五个用户移动性和邻近性指标，以研究新冠肺炎疫情前九个月内，新出现的集体行为如何偏离疫情前的典型模式。我们分析了由于政府强制执行的缓解政策而产生的巨大变化，以及社会在2020年秋季更自发地适应新的（物理距离）常态。这里定义的指标可以量化城乡之间的行为变化，并强调流动性和邻近性指标与表征大流行病社会和公共卫生影响（如失业和死亡）的指标之间的统计关联。这项研究提供了一个研究大规模社交距离现象的框架，可能用于分析和监测国家和国际层面大流行缓解计划的影响。
2022-12-17 physics.data-an physics.soc-ph stat.AP
Forecasting confirmed cases of the COVID-19 pandemic with a migration-based epidemiological model
自2020年首几个月开始侵入公众日常生活以来，史无前例的2019冠状病毒病（COVID-19）大流行仍是全球范围内对人类生命的威胁。预测确诊病例的规模对于国家和社区制定适当的防控政策以有效遏制COVID-19的传播至关重要。与2003年SARS疫情和2009年全球H1N1流感大流行不同，COVID-19在其传染性和恢复性方面具有独特的流行病学特征。这促使我们制定一个新的传染病动态模型，用于预测人类流动网络中的COVID-19大流行，命名为SaucIR模型，因为新的房室模型扩展了基准SIR模型，将感染状态下的人群分为无症状、病理感染但未确诊和确诊。此外，我们采用人口流动的动态模型在模型中，以便空间效应可以有效地纳入。我们预测了2020年2月底至5月初期间，中国大陆部分省份和其他经历严重感染的国家的累计确诊病例的传播。将大流行的地理传播纳入其中的新颖性导致了与已公布的确诊病例报告惊人的良好一致性。数值分析验证了我们提出的SaucIR模型的高度可预测性相比，现有的相似性。所提出的预测SaucIR模型在Python中实现。Dash还开发了一个基于网络的应用程序（正在建设中）。
2020-12-01 physics.soc-ph stat.AP
Using mobility data in the design of optimal lockdown strategies for the COVID-19 pandemic
提出了一个新冠肺炎疫情传播的数学模型，该模型将年龄结构的易感-暴露-死亡动态与考虑人口流动性的真实手机数据相结合。通过近似贝叶斯计算进行动态模型调整。基于非线性模型预测控制确定最佳封锁和退出策略，并限制公共卫生和社会经济因素。通过广泛的计算验证的方法，它表明，它是可以计算出强大的退出战略与现实的减少流动性值，以告知公共政策的制定，我们使用来自英国和法国的数据集验证的方法的适用性。实现所描述的实验的代码可在https://github.com/OptimalLockdown获得。
2020-10-18 physics.soc-ph q-bio.PE stat.AP
The SHIR Model: Realistic Fits to COVID-19 Case Numbers
我们考虑一个全球（独立于地点）流行病增长模型，该模型概括了SIR模型，以适应COVID-19流行病的重要特征，特别是实施流行病减少措施。这种“SHIR”模型被应用于COVID-19数据，并显示出作为一种简单、易于处理的形式主义的希望，其参数很少，可用于对大流行病例数进行建模。作为一个例子，我们表明，来自15个中欧和西欧国家的每日新冠肺炎病例的平均时间依赖性与模型的分析，无参数预测非常一致
2020-07-28 physics.soc-ph q-bio.PE
Tourist route optimization in the context of Covid-19 pandemic
本文提出了一种新的旅游线路规划方法。重组目的地内旅游线路的必要性是对新冠肺炎危机的立即反应。在旅游目的地内实施该方法可以成为在Covid-19和后Covid-19时期将目的地转变为更安全目的地的重要优势。随着疫情成为大流行，现有缩短游客停留时间的趋势加快。此外，对未来流行病的警惕使目的地内某些时刻过度拥挤的景点问题成为焦点。本文提出的方法提出了一种回溯算法，更准确地说，旅行商问题的适应。所提出的方法旨在促进目的地内的导航，并在促进Covid-19实施的社交距离措施的同时，重振目的地内的某些较少访问的观光景点。
2021-05-05 cs.SI physics.soc-ph
Second wave COVID-19 pandemics in Europe: A Temporal Playbook
第二波大流行病对社会构成迫在眉睫的威胁，可能造成巨大的生命损失和毁灭性的经济影响。我们采用流行病重新正常化组方法，结合COVID-19的第一波数据，有效地模拟疾病在不同欧洲国家的传播和传播动态。该框架使我们不仅可以模拟欧洲边境控制的影响，还可以模拟社会距离对每个国家的影响。我们进行统计分析，平均在欧洲和世界其他地区的人类互动的不同水平。我们的结果以动画形式简洁地概括，报告欧洲COVID-19大流行第一波和第二波的时间演变。政府、金融市场、行业和公民个人可以利用我们的第二波大流行的时间剧本，有效地安排时间，准备和实施地方和全球措施。
2020-07-26 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
Should bike sharing continue operating during the COVID-19 pandemic? Empirical findings from Nanjing, China
2019冠状病毒病（COVID-19）引发全球大流行，而交通服务在冠状病毒传播中扮演关键角色。虽然不像公共汽车或地铁车那样拥挤在有限的空间里，但共享单车用户将暴露在自行车表面并承担传播风险。在COVID-19疫情期间，如何满足用户需求并避免病毒传播已成为共享单车的重要问题。本研究以南京市共享单车出行数据为基础，从站点、用户、单车三个角度分析疫情爆发前后的出行需求和运营管理。运用半对数差中差模型、可视化方法和统计指标，探讨疫情期间共享单车的运输服务和风险防范。结果表明，疫情控制策略大幅降低了用户需求，通勤出行减少更为明显。在卫生和宗教场所附近的一些车站变得更加重要。男性和老年人更依赖自行车共享系统。此外，行程减少减少了用户接触，增加了闲置自行车。并提出了一种新的用户距离概念，以避免传输风险和激活闲置自行车。这项研究评估了在COVID-19大流行期间共享微流动性的作用，并激发了城市内病毒传播的阻断。
2020-12-05 physics.soc-ph
Modeling and Simulation of COVID-19 Pandemic for Cincinnati Tri-State Area
本文使用SIR模型对辛辛那提三州地区的COVID-19疫情进行了模拟。我们已经建立了一个辛辛那提的代表性人口，包括前往商店，学校，工作场所和前往朋友家的运动。利用这个模型，我们模拟了隔离、复工和恐慌性购买的影响。我们表明，当人们返回工作岗位时，将出现第二波感染，当宣布隔离措施后商店出现恐慌性购买时，感染人数将显著增加。
2020-06-15 cs.CY cs.SI physics.soc-ph
Temporal and spatial evolution of the distribution related to the number of COVID-19 pandemic
该工作基于全球200多个国家于二零二零年四月至二零二二年六月期间的累计及每日确诊COVID-19病例及死亡人数，系统地进行数据分析。该研究旨在揭示COVID-19大流行中观察到的国家级分布的时间和空间演变，并获得了以下一些有趣的结果。(1)累计确诊病例数和死亡人数的分布在COVID-19的早期阶段服从幂律，在随后的过程中服从拉伸指数函数。(2)每日确诊病例数和死亡人数在COVID-19早期和晚期服从幂律分布，在中期服从拉伸指数函数分布。幂律和拉伸指数行为之间的交叉区域似乎取决于“感染”事件和“死亡”事件的演变。这种观察暗示了一种与COVID-19传播动力学过程相关的重要对称性。(3)各指标的归一化数的分布在2年内表现出时间尺度行为，并可用拉伸指数函数来描述。在这种国家一级的分布中观察到的幂律和拉伸指数行为表明，在人类相互联系的社会中，病毒传播过程的内在动力。因此，它对于理解和数学建模COVID-19大流行非常重要。
2022-08-23 physics.data-an physics.soc-ph q-bio.PE
The Effects of the COVID-19 Pandemic on Transportation Systems in New York City and Seattle, USA
本文继续强调纽约市（NYC）的流动性和社交性趋势，并补充了来自华盛顿州西雅图的类似数据，西雅图是美国受COVID-19影响最严重的两个城市。西雅图可能比纽约市更早从大流行和随后的封锁中复苏，并可能提供一些关于旅行模式如何变化的见解。最后，讨论了中国城市解除封锁两个月后的一些初步调查结果，以进一步了解复苏的未来。
2020-10-02 physics.soc-ph
Impact of the COVID-19 Pandemic on Fundamental Physics Research
COVID-19的爆发和大流行几乎在各个方面都极大地改变了世界。它对高能物理界的影响也是显而易见的。在这个分析中，我们表明，社会距离大大改变了物理界的工作方式。在高能物理领域，在线交流和视频会议正在成为日常安排。然而，这种工作方式的改变可能需要一些时间来适应。从arXiv、INSPIRE数据库和JHEP、PRD官方网站收集的科学结果可以看出这种影响。
2020-07-22 cs.DL physics.soc-ph
Mobility Based SIR Model For Pandemics -- With Case Study Of COVID-19
在过去的十年中，人类面临着许多不同的流行病，如SARS，H1N1和目前的新型冠状病毒（COVID-19）。一方面，科学家们正在关注疫苗接种，另一方面，有必要提出模型，帮助我们了解这些流行病的传播，因为它可以帮助政府和其他相关机构做好准备，特别是对像COVID-19这样传播速度更快的流行病。一些流行病转变为大流行病的主要原因是世界不同区域之间的连通性，这使得更容易影响更广泛的地理区域，往往是世界范围。此外，世界不同区域的人口分布和社会凝聚力也不一致。因此，一旦疫情进入一个地区，那么当地的人口分布就起着重要的作用。受这些思想的启发，我们提出了一个基于流动性的SIR模型的流行病，特别是考虑到大流行的情况。据我们所知，这是第一个考虑到全球不同地理位置的人口分布和连通性的模型。除了提出我们的模型的数学证明，我们已经进行了广泛的模拟使用合成数据，以证明我们的模型的通用性。为展示我们的模型的更广泛范围，我们使用我们的模型预测爱沙尼亚的COVID-19病例。
2020-04-26 cs.SI physics.soc-ph
Analysis of Spatial-temporal Behavior Pattern of the Share Bike Usage during COVID-19 Pandemic in Beijing
于COVID-19疫情期间，全球正经历严重的公共卫生及经济危机。了解大流行期间的人类流动有助于设计干预战略和复原措施。自行车共享系统（BSS）在大城市中广泛使用，可以表征城市居民在时间和空间上的活动，但在流行病学研究中很少报道。本文提出了一个基于BSS数据的人类流动分析框架，该框架考察了共享单车用户的时空特征，检测了不同流行阶段的关键时间节点，并展示了由于COVID-19威胁和行政限制的发生而导致的人类流动的演变。我们使用共享单车使用量与兴趣点（POI）的共址分析结果评估疫情的净影响。我们的研究结果显示，疫情令整体单车使用量减少64. 8%，其后共享单车使用量出现平均增长（15. 9%），显示生产及居住活动已部分恢复，但远未恢复正常。这些发现可作为流行病学研究的参考，并在当前COVID-19爆发和其他城市规模的流行病事件的背景下为政策制定提供信息。
2021-02-11 cs.SI physics.soc-ph
Mathematical Models for Describing and Predicting the COVID-19 Pandemic Crisis
本文研究了描述新型冠状病毒大流行危机的两个确定性模型SIR模型和SEIR模型的扩展。对这些模型进行了研究，并与实际数据进行了比较，以支持每种描述的有效性，并提取有关大流行病的重要信息，如基本再生数R0，这可能提供有关每个模型预测的大流行病增长率的有用信息。接下来，我们将继续进行预测，并将SEIR模型和SIRD模型衍生的更复杂的模型进行比较，以找到最适合描述和预测大流行危机的模型。旨在回答这个问题，如果简单的SIRD模型是能够作出可靠的预测，并提供适当的信息相比，更复杂的模型。
2020-06-03 physics.soc-ph q-bio.PE
Understanding the Impact of the COVID-19 Pandemic on Transportation-related Behaviors with Human Mobility Data
中国内地受限制的COVID-19疫情最近被视为抗击这种高传染性病毒的成功范例。无论是传播时间短（约三个月），还是中国内地确诊病例呈指数级增长，都证明中国当局采取了有效的防疫措施，如病例隔离、旅行限制、关闭娱乐场所、禁止公众集会等。这些措施当然可以有效控制COVID-19疫情的蔓延。同时，它们可能会极大地改变人类流动模式，例如公众的日常交通相关行为。为了更好地了解COVID-19对交通相关行为的影响，并提供更有针对性的抗疫措施，我们使用从中国广泛使用的网络地图服务百度地图收集的大量人类流动数据，以了解疫情期间当地人民的详细反应。具体而言，我们从1）交通工具、2）到访场馆类型、3）场馆入住时间、4）对“起点-终点”距离的偏好、5）“起点-交通-终点”模式等角度，对疫情期间的交通相关行为进行数据驱动分析。对于每个主题，我们也给出了我们的具体见解和政策制定建议。鉴于COVID-19大流行仍在全球200多个国家和地区蔓延，感染了数百万人，本文提供的见解和建议可能有助于抗击COVID-19。
2022-02-16 cs.CY physics.soc-ph
Global analysis of the COVID-19 pandemic using simple epidemiological models
在这项工作中使用了几个分析模型来描述冠状病毒（COVID-19）引起的死亡病例的演变。死亡或“D”模型是SIR（易感染-感染-恢复）模型的简化版本，该模型假设随着时间的推移没有恢复，并允许解析求解传播动力学方程。D模型可以扩展到描述不同的感染焦点，这可以解释最初的大流行（D1），封锁（D2）和其他影响（Dn）。2019冠状病毒病疫情在多个国家（中国、西班牙、意大利、法国、英国、伊朗、美国及德国）的演变显示出与D模型趋势一致的类似行为，其特征是死亡病例迅速增加，随后缓慢下降，这受到封锁效应的早期和效率的影响。这些结果与使用扩展SIR模型的更精确计算结果一致，该模型具有参数化解决方案和更复杂的Monte Carlo网格模拟，预测了类似的趋势，并表明了具有通用参数的流行病的共同演变。
2020-05-14 physics.soc-ph q-bio.PE
Trends in the E-commerce and in the Traditional Retail Sectors During the Covid-19 Pandemic: an Evolutionary Game Approach
建立了一个演化博弈模型，研究了电子商务市场中消费者和生产者之间的相互作用。提供的送货服务类型和消费者的品味对于游戏收益和玩家的策略都特别重要。博弈回报矩阵随后经调整以分析COVID-19疫情期间传统零售及电商行业发展的不同交易模式。与前者相比，电子商务部门对物流和仓库的投资使快速交付和渴望消费者成为常态的趋势得以出现。
2021-05-14 physics.soc-ph q-fin.GN
Lessons learned from Milan electric power distribution networks data analysis during COVID-19 pandemic
从健康、社会及经济的角度来看，COVID-19大流行是一个破坏性事件。除此之外，人们生活方式的变化，特别是在2020年的封锁期间，也影响了能源网络。COVID-19疫情导致电力需求大幅下降。为处理健康危机而采取的封锁措施已造成过去数年最相关的能源影响。本文介绍了意大利北部城市米兰配电网的经验。该分析首先总结了2020年实施的限制，重点关注有功和无功潮流以及故障。为此，与2019年的数据进行了比较，突出了与2020年的主要差异。分析结果是预测中断期间城市配电网络行为的宝贵工具，有助于配电系统运营商制定可行的短期和长期弹性计划。
2022-05-25 physics.soc-ph
Forecasting COVID-19 Pandemic in Mozambique and Estimating Possible Scenarios
COVID-19目前是本世纪最大的流行病危机，全球登记病例超过1600万例。非洲国家现在已开始登记越来越多的病例，但针对具体非洲国家开发的模式并不多。在我们的研究中，我们使用一个简单的SEIR模型来评估和预测未来的情况下，在莫桑比克的大流行危机。我们比较了不同政策对感染曲线的影响，并估计了当前感染再生数Rt和增长率g等流行病学参数。我们已经发现了一个较低的Rt值，范围从1.11至1.48和一个积极的增长率，g = 0.22至0.27之间。我们的模拟还表明，封锁显示出将感染高峰高度平均降低28%的潜力，范围从20%到36%不等。
2020-07-28 physics.soc-ph q-bio.PE
A study on the possible merits of using symptomatic cases to trace the development of the COVID-19 pandemic
在最近的一项工作中，我们引入了一种计算有效繁殖数$R_t$的新方法，并将其应用于描述意大利COVID-19疫情的发展。该研究基于意大利平民保护署报告的每日阳性拭子数量。最近，意大利卫生研究所提供了与症状性病例相关的数据，其中报告日期是症状开始的日期，而不是报告阳性拭子的日期。在本文中，我们将讨论这种数据的优点和缺点，定量比较的质量计算的流行病指标与两个样本。
2021-03-06 physics.soc-ph
Belief and Persuasion in Scientific Discourse on Social Media: A Study of the COVID-19 Pandemic
本研究通过半监督方法挖掘Twitter话语中的信念与说服，揭示COVID-19期间矛盾建议导致信任缺失，并探索最佳说服策略以有效传播科学信息。
2024-03-14 cs.SI physics.soc-ph
Auditing citation polarization during the early COVID-19 pandemic
本研究通过审计Web of Science中COVID-19相关出版物，揭示疫情导致期刊影响因子膨胀并加剧期刊极化，警示IF等定量指标反映的是社会关注而非论文重要性。
2024-05-24 cs.DL physics.soc-ph
Phenomenological dynamics of COVID-19 pandemic: meta-analysis for adjustment parameters
我们提出了一个处理11个不同国家的政府卫生机构提供的COVID-19数据的现象学程序。而不是使用（精确或近似）的解决方案的SIR（或其他）模型（S），以适应数据，通过调整这些模型中包含的时间无关的参数，我们引入动力学参数的时间依赖性可能是现象学获得充分外推的一个选定的子集，每天提供的数据。这种现象学方法非常有效，可以及时适当调整我们所考虑的国家的感染（和清除）人数。此外，它可以处理一些国家可能经历的亚流行病事件。通过这种方式，我们可以在不使用任何基于微分方程的先验模型的情况下获得大流行病的演变。
2020-06-25 physics.soc-ph q-bio.PE
Policy lessons from the Italian pandemic of Covid-19
本文分析意大利五波疫情管理，指出CTS构成缺乏数学专家、政治干预、疫苗初期忽视年龄及大量未接种人群等关键问题，并总结政策教训。
2023-05-14 physics.soc-ph q-bio.PE
On the interplay between mobility and hospitalization capacity during the COVID-19 pandemic: The SEIRHUD model
减少COVID-19疫情影响的措施需要后勤、政治和社会能力的组合。各国采取了不同的办法来提高住院能力或适当实行封锁。为了更好地了解这些措施的影响，我们开发了一个分区模型，一方面可以校准不同地区内和不同地区之间人员流动的减少，另一方面它包含了住院动态，区分了感染者可以接受的治疗种类。通过界定住院能力，我们能够详细研究流动性和住院能力之间的相互作用。
2020-06-11 physics.soc-ph q-bio.PE
Quickest Detection of COVID-19 Pandemic Onset
本文开发了一个易于实现的版本页的快速检测测试，旨在工作在某些复合假设的情况下随时间变化的数据统计。决策统计量可以以递归形式进行转换，特别适合于在线分析。通过对公开的COVID-19数据进行回溯测试，我们发现了可靠的感染爆发早期预警，事实上，该工具可能对决策者在未来可能需要采取的限制性措施的时间方面有用。
2021-04-20 eess.SP physics.soc-ph q-bio.PE
