Impact of human-human contagions in the spread of vector-borne diseases
本文的目的是提出一个推广的Ross-Macdonald模型的传播媒介传播的疾病，其中也考虑人与人之间的传染。我们首先提出了这个广义模型，制定了平均场论，检查其有效性比较数值模拟。为了使我们的模型的前提更现实，我们适应的情况下，人类接触的复杂网络描述的平均场方程。在这种情况下，我们也能够推导出流行阈值的解析表达式。在平均场和基于网络的模型中，我们估计了对应于无病和流行病状态之间的边界的流行病阈值的值。这一阈值的表达使我们能够讨论人与人之间的传染对病媒传染疾病传播的影响。
2018-05-09 physics.soc-ph q-bio.PE
One pathogen does not an epidemic make: A review of interacting contagions, diseases, beliefs, and stories
本文综述了生物与社会传染中的交互机制及其模型框架，指出传染并非孤立发生，强调需在统一科学视角下打破学科壁垒，推动跨学科研究。
2025-11-05 physics.soc-ph q-bio.PE
Predicting the speed of epidemics spreading on networks
全球运输和通信网络现在使信息、思想和传染病能够以远远超过历史上可能的速度传播。为了有效地监测、设计或干预这种类似传染病的过程，需要预测特定网络中特定传染病的速度，并区分在爆发期间迟早更有可能被感染的节点。在这里，我们使用消息传递方法来研究这些量，以获得简单有效的预测，这些预测在各种真实网络上的流行病模拟中得到了验证，并具有良好的一致性。除了对不同节点的个性化预测外，我们还发现，随着传染病的发展，整体突然从低密度过渡到几乎完全的网络饱和。我们的理论是在树状网络上的简单传染中发展和解释的，但我们也能够展示该方法如何很好地扩展到复杂的传染和高度聚集的网络。
2020-02-12 cond-mat.stat-mech physics.soc-ph q-bio.PE
Contagion-Preserving Network Sparsifiers: Exploring Epidemic Edge Importance Utilizing Effective Resistance
网络流行病学已经成为理解高度顶点、地理和人口社区以及社会结构中的其他不均匀性对疾病传播的影响的重要工具。然而，从现代数据集衍生的许多网络是相当密集的，例如移动网络，其中每个位置都有到大量潜在目的地的链接。减少在这些网络上模拟流行病的计算量的一种方法是稀疏化，我们根据边缘的重要性选择一个代表性的边缘子集。最近提出了一种基于边缘有效电阻的算法。我们探讨如何有效的阻力与边缘传播疾病的SI模型中的概率。我们发现，在某些情况下，这两个概念的边缘的重要性是很好的相关性，使有效的电阻计算效率代理的边缘的重要性，以流行病的传播。在其他情况下，相关性较弱，我们讨论的情况下，有效的阻力是不是一个很好的代理流行病的重要性。
2021-01-28 cs.SI physics.soc-ph q-bio.PE
Nonlinear bias toward complex contagion in uncertain transmission settings
针对异质群体传播风险常被忽略的问题，提出加权超图上的流行病模型，发现忽略异质性会导致简单传染被非线性偏向并误判为复杂传染，为推断传播机制提供警示。
2023-12-30 physics.soc-ph q-bio.PE
Epidemic spreading on modular networks: The fear to declare a pandemic
在过去几十年中，由于城市化和国家间流动性的增长，大流行病的频率增加了。由于在一个国家传播的疾病可能成为具有潜在的全球人道主义和经济影响的大流行病，因此开发模型来估计全球大流行病的可能性非常重要。在本文中，我们提出了一个模型的疾病传播的结构模块复杂网络（有社区），并研究如何桥节点$n$的数量连接社区的影响疾病传播。我们发现，我们的模型可以在全球范围内描述为一个社区之间的传染性传播过程，全球传染性和恢复时间分布取决于每个社区的内部结构和$n$。我们发现，随着$n$的增加，在临界点附近，疾病到达大多数社区，但每个社区只有一小部分恢复的节点。此外，我们还得到在极限$n \to \infty$内，大流行的概率在临界点处突然增加。这种情况可能会使是否启动大流行警报的决定更加困难。最后，我们表明，链接渗流理论可以在全球范围内使用，以估计一个流行病的概率，因为社区之间的全球传染性有一个弱的依赖于全球恢复时间。
2020-03-23 physics.soc-ph q-bio.PE
Early warning indicators of spatial epidemics from gauge mediated contagion: a statistical mechanics approach applied to COVID19 in Germany
Physics Engineering Department, Universidad de Guanajuato（瓜纳华托大学物理工程系）；Physics Department, Universidad de Guanajuato（瓜纳华托大学物理系）
本文提出一个受量子电动力学启发的流行病模型，通过 gauge 介导的相互作用解释非局部流行病动态，并利用 1-loop 扰动计算推导出超扩散特性。
2026-08-18 physics.bio-ph physics.data-an physics.med-ph
From bee species aggregation to models of disease avoidance: The Ben-Hur effect
电影《宾虚》突出了与麻风病相关的传染动力学，这是一种由症状的出现和对传染的恐惧驱动的强迫聚集模式。2014年爆发的埃博拉疫情再次证实了在有症状和无症状或未感染的个人之间重新分配的动态，以避免传染。在这篇手稿中，我们探讨了通过密度依赖性避免（扩散不稳定性）的感染集群的建立。我们说明这种可能性在两个方面：使用现象学驱动的模型，其中疾病的发病率被假定为一个递减函数的症状人群的大小和一个模型，占故意运动的个人在响应梯度的症状感染的个人。本文中的结果是初步的，但表明了行为的作用，在这里以粗糙的简单化方式建模，可能对疾病动力学，特别是对流行病学类别的空间再分布。
2015-11-04 q-bio.PE
Coupled effects of local movement and global interaction on contagion
通过将隔离空间域和基于个体的联系引入SIS（易感-感染-易感）模型，研究了随机游走和群体内相互作用对传染的耦合效应.与仅存在局部移动或基于个体的联系的情况相比，两者并存导致传染病传播范围更广。对缩小隔离空间和减少流动性在控制传染病流行中的作用进行了检验，发现这两种措施有利于控制传染病的传播。在考虑局部运动和全局相互作用的异质时间尺度的情况下，发现感染个体数量的变化与时间尺度$τ$之间存在对数-对数关系，理论分析表明该模型中的进化动力学与相遇概率和相遇时间有关.发现了传染阈值与捷径比率之间的函数关系，以及相遇时间与时标$τ$之间的函数关系。
2015-05-04 physics.soc-ph q-bio.PE
COVID-19: Analytics Of Contagion On Inhomogeneous Random Social Networks
出于对新型冠状病毒疫情建模的新型稳健方法的需求，本文将$N$个体群体视为非齐次随机社会网络（IRSN）。网络的节点代表不同类型的个体，边缘代表重要的社会关系。流行病被描绘成一个每天都在变化的传染过程，在$0$日由引入人群的种子感染引发。假设个人的社会行为和健康状况是随机的，概率分布随其类型而变化。首先，制定和分析的基本SI（“易感染”）网络传染病模型，重点是累计人数已被感染。主要结果是一个有效的分析公式在大$N$限制系统的状态$t$日的初始条件。这个公式只涉及一维积分。接下来，更现实的SIR和SEIR网络模型，包括“删除”（R）和“暴露”（E）类，制定。这些模型也导致分析公式，概括SI网络模型的结果。该框架可以很容易地适用于分析不同类型的公共卫生干预措施，包括疫苗接种，社交距离和检疫。该公式可以通过有效地结合快速傅立叶变换的算法来数值实现。最后，一些开放的问题和途径的调查建议，如框架的关系，常微分方程SIR模型和代理传染病模型，更常用的在现实世界中的流行病建模。
2020-09-22 cs.SI physics.soc-ph q-bio.PE
Epidemic oscillations: Interaction between delays and seasonality
传统的流行病模型认为，个别过程发生在恒定的速率。也就是说，受感染的个体在感染后每单位时间内从感染中恢复的概率是恒定的。这个假设几乎对所有的传染病都是不成立的，因为在这些传染病中，感染时间通常遵循一个或多或少围绕一个平均值分布的概率分布。我们展示了一个SIRS模型的一般处理，其中感染和免疫阶段都允许这样的描述。系统的一般行为显示了在许多真实场景中可能相关的地方病和振荡情况之间的过渡。与振荡的其他主要来源，季节性的相互作用，也进行了讨论。
2013-03-15 q-bio.PE
Virus spread versus contact tracing: two competing contagion processes
于二零二零年上半年，多个国家因阻止COVID-19发病率曲线增长而遭受封锁后，他们面临恢复社会及经济活动的挑战。SARS-CoV-2的快速空气传播性和疫苗的缺乏要求采取积极的遏制措施，以避免传播链的传播。迄今为止，最好的策略，通常被称为测试-跟踪-治疗（TTT），包括对人群进行诊断测试，跟踪感染者的接触者，并通过隔离所有这些病例进行治疗。能够更好地描述上述机制联合作用的动力学过程是一种传染过程，它与病原体的传播竞争，切断了潜在的传染途径。在这里，我们提出了一个房室模型，耦合的动态感染与接触者追踪和隔离的情况下。我们开发了一个有效的情况下再现数$R_c(t)$，揭示了接触者追踪的作用，在缓解和抑制流行病的分析表达式。我们发现，有一个权衡之间的感染传播和隔离的情况下。如果隔离仅限于有症状的个体，发病率曲线可以变平，但不会弯曲。然而，如果接触者追踪也适用于无症状的个人，该战略可以弯曲曲线并抑制流行病。定量结果取决于网络拓扑结构。我们量化了接触者追踪有效性的最重要指标，即其扭转流行曲线上升趋势的能力，导致其弯曲。
2021-02-01 physics.soc-ph q-bio.PE
Simulating nationwide coupled disease and fear spread in an agent-based model
University of Maryland, College Park（马里兰大学帕克分校）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Oak Ridge National Laboratory（橡树岭国家实验室）
本文提出了一种基于代理的模型，模拟疾病和恐惧的传播，通过分析不同疾病状态和行为反应，揭示了耦合动态对流行病波的影响。
2026-03-08 q-bio.PE
Competing Epidemics on Graphs -- Global Convergence and Coexistence
近年来，众所周知的\textit{Susceptible-Infected-Susceptible}（$SIS$）流行病模型有效地捕捉了诸如病毒、传染病甚至谣言/意见等传染病在接触网络（图）上的传播动力学。当涉及到两种在重叠图上传播的传染病之间的竞争时，它们的传播被所谓的\textit{bi-virus}流行病模型所捕获。对这种动力系统的分析涉及到平衡点的识别及其收敛特性，这决定了病毒中的任何一种是消亡，还是两者共同生存。我们展示了现有的工作是如何不成功的特征模型参数空间的一个大的子集，包括所有参数的双病毒系统的竞争力是显着的，足以实现共存的流行病。在本文中，我们填补了这一空白，并获得收敛结果的整个模型参数空间，给出精确的条件（必要和充分）下，系统\textit{globally converges}的\textit{trichotomy}的可能结果：一个无病毒的状态，一个单一的病毒状态，并共存状态-第一个这样的结果。
2021-04-22 cs.SI cs.SY eess.SY
Numerical investigation of the effect of macro control measures on epidemics transport via a coupled PDE crowd flow - epidemics spreading dynamics model
本文通过耦合行人流宏观模型与SEISV传染病模型，数值研究了通风、行人速度、间距及口罩/疫苗接种等宏观控制措施对流行病在人群中传播的影响。
2024-11-25 cs.NA math.NA q-bio.PE
Accounting for contact network uncertainty in epidemic inferences
针对接触网络观测不完美、流行病事件时间缺失的问题，提出MDN-ABC方法学习有效汇总统计量，实现考虑两类不确定性的流行病参数贝叶斯推断，并在模拟数据和海豚TSD传播研究中验证应用。
2024-04-16 q-bio.PE
Reducing Recurrent Competitive Epidemics via Dynamic Resource Allocation
本文提出gLRIE策略，通过动态资源分配减少社交网络中复发性竞争性流行病的传播。
2025-12-17 cs.SI math.OC physics.soc-ph
COVID-19: A model for studying the evolution of contamination in Brazil
在本文中，我们介绍了一个流行病学模型的调查所造成的病毒流行病的传播。该模型特别适用于COVID-19，即由SARS-Cov-2病毒（又名“新型冠状病毒”）引起的疾病。SIR（Susceptible-Infectious-Adverted）模型被用来作为研究流行病演化的基础.尽管如此，我们已经修改了一些模型假设，以获得一个估计的污染免费高估的预测。这种扩展的模型，然后应用到最近在巴西的流行病的进展的情况下。在这方面，可以获得与当前数据提供的显著接近的传染病数量的演变。因此，我们评估了疾病传播的未来可能情况。关于人群易感性，我们考虑了不同的社会行为对隔离措施和预防措施的反应，以避免传染。我们的结论是，未来的情况下，流行病在很大程度上取决于社会行为采取的日期，以及对传染病控制措施。这些措施的范围很可能在未来几个月内造成数千、数百万或数千万的污染。
2020-04-08 physics.soc-ph q-bio.PE
Universal behavior in a generalized model of contagion
传染模型广泛出现在生物科学和社会科学中，其应用范围从传染病的传播到创新的传播和文化时尚的传播。在这封信中，我们介绍了一个通用的传染模型，通过明确纳入过去的接触，例如，传染性病原体，谣言，或新产品的记忆，包括现有的传染模型的主要特征，并在它们之间插值。我们获得了一个简单版本的模型的精确解，发现在一般条件下，只有三类集体动力学存在，其中两个对应于熟悉的流行病阈值和临界质量动力学，而第三个是一个独特的中间情况。我们发现，对于一个给定的记忆长度，一个特定的系统落入的类是由两个参数，其中每一个应该是可测量的经验。我们的模型提出了新的措施来评估人口的易感性，以大的传染性事件，也是一个可能的策略，以抑制或促进他们。
2004-03-29 cond-mat.dis-nn cond-mat.stat-mech q-bio.PE
Epidemic amplification by correlated superspreading
本文提出一个基于个体再生数沿传播链自相关的框架，揭示相关超级传播如何在平均传播率低于1时仍能维持流行病，并通过47棵传播树的实证分析及疫苗接种动力学，为现实阈值现象提供机制解释。
2025-09-18 q-bio.PE
Vector-borne epidemics driven by human mobility
病媒传染的流行病是不同因素结合的结果，如人与病媒之间的交叉传染、其人口分布和人类流动等。目前关于前一种成分的信息的可用性要求将其纳入目前的病媒传播疾病传播的数学模型。在这里，依靠集合种群动力学，我们提出了一个框架，其结果是在公平的协议与那些从机械模拟。这个框架使我们能够获得一个表达式的流行病阈值捕获高精度的条件导致流行病的发作。在这些见解的驱动下，我们获得了一个流行指标，根据受病媒传播疾病影响的风险对补丁进行排名。我们通过复制2015年至2016年圣地亚哥-德卡利市（哥伦比亚）报告的登革热病例的空间分布来说明这一流行病风险指标的实用性。
2019-10-11 physics.soc-ph q-bio.PE
On Control of Epidemics with Application to COVID-19
在撰写本报告时，由严重急性呼吸系统综合征冠状病毒2型（SARS-CoV-2）引起的COVID-19大流行已导致全球超过3200万例感染病例和100多万例死亡。鉴于疫情仍在威胁健康和安全，了解COVID-19的传播过程并了解如何控制它是当务之急。基于这一动机，本文考虑了一个基于SIRD的离散时间随机流行病模型，该模型具有两个不确定性：未发现或无症状感染者的不确定率和控制的不确定有效率.我们的目的是在控制理论框架下研究传染病控制政策对不确定模型的影响。首先，我们提供了封闭形式的解决方案，在修改后的SIRD为基础的模型，如感染病例，易感病例，康复病例，死亡病例的状态。然后，相应的期望状态和技术下限和上界，以及提供这些状态。随后，我们考虑了两个流行病控制问题：一个是几乎必然流行病控制问题，另一个是平均流行病控制问题。在定义了这两个问题之后，我们的主要结果是关于一类线性控制策略的一组充分条件，该线性控制策略确保流行病是“良好控制的”;即，感染病例数和死亡病例数一致上界，且感染病例数渐近收敛于零。我们使用美国历史COVID-19传染数据进行的数值研究表明，与持续的大流行情况相比，我们极具吸引力的简单模型和控制框架可以提供合理的疫情控制性能。
2020-11-02 cs.SY eess.SY math.OC
Macroscopic Signatures of Gauge-Mediated Contagion: Deriving Behavioral Shielding from Stochastic Field Theory
Physics Engineering Department, Universidad de Guanajuato（瓜纳华托大学）；Physics Department, Universidad de Guanajuato（瓜纳华托大学）
本文通过随机场理论建立统一模型，将微观流行病动态与宏观非线性人口行为联系起来，推导出行为屏蔽机制，并通过新冠数据验证模型有效性。
2026-03-31 q-bio.PE stat.AP
Testing the efficacy of epidemic testing
基于灾难性传染病的灾难-- Covid-19向我们表明，显然需要一项基于社区的全面战略，以克服控制它的复杂性和当前方法的警告。在这方面，正如在以前的流行病中所看到的那样，检测一直是遏制政策的一个组成部分。但是，人们必须根据由此产生的疾病在社区中的传播，而不是纯粹基于增加检测效率，来考虑检测方案的最优性。因此，做出决定并不容易，必须考虑社区效用，这些效用受到其优先事项、预算、风险、抵押品和能力的限制，这些因素可以编码到战略的优化中。因此，我们提出了一个简单的池化策略，很容易定制和实际的实施，不像其他复杂和计算密集型的方法。
2021-08-15 physics.soc-ph q-bio.PE stat.AP
Spread of infectious disease and social awareness as parasitic contagions on clustered networks
生物传染病（如流感）与相关信息传播（如流感疫苗接种活动）相互作用的模型有着丰富的历史。最近关于网络上相互作用的传染病传播的研究突出表明，这些相互作用的传染病可以与网络结构产生反直觉的相互作用。在这里，我们概括了这些框架之一，以解决意识和疾病传播的三个重要特征：第一，我们在高度聚集的，小团体的网络上模拟动态，以模拟工作场所和家庭的作用;第二，意识传染通过降低其传播率来影响生物传染的传播，其中意识或接种疫苗的个体不太可能被感染;第三，生物传染也影响意识传染的传播，但通过增加其传播速度，感染者更容易接受和更有可能分享与疾病有关的信息。在这些条件下，我们发现，增加网络聚类，这是已知的阻碍疾病传播，实际上可以让他们在有意识的模型中维持更大的疾病流行。这一反直觉的结果与传统观点背道而驰，传统观点认为随机网络是合理的，因为它们提供了最坏情况的预测。为了进一步研究这个结果，我们提供了一个基于两步分支过程的封闭形式标准（即，预期的三级感染的数量）来识别参数空间中聚集和共感染的净效应变化的不同区域。总之，我们的研究结果再次强调了在疾病建模中超越随机网络的必要性，并说明了即使在相互作用的传染病的复杂模型中也可能进行的分析类型。
2020-03-24 math.DS 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
Social distancing in pedestrian dynamics and its effect on disease spreading
在没有接种疫苗的情况下，非药物措施，如社交距离，可以在控制流行病方面发挥重要作用。在本文中，我们研究了社会距离对流行病的影响，它是可执行的。我们使用一个结合了人类流动和疾病传播的数学模型。对于流动性动态，我们设计了一个基于代理的模型，包括行人动态与一种新型的力量，类似于在拥挤的网站社交距离。对于传播动力学，我们认为隔间的SIE动力学加上间接传播的足迹的传染性行人的传染因素。我们发现，增加社会距离的强度有显着影响的暴露风险。通过将人群分类为社会距离遵守者和非遵守者，我们得出结论，即使是少数潜在传染性病原体的社会距离实践，也会导致人群暴露风险发生急剧变化，但会降低其他人群实施该协议的有效性。此外，我们观察到，对于间接传播更重要的传染病，社会距离的有效性会降低。本研究可为降低暴露风险的政策制定提供定量指导。
2020-10-24 physics.soc-ph q-bio.PE
Disease-induced resource constraints can trigger explosive epidemics
数学流行病学的进步使人们更好地理解了传染病传播带来的风险，并制定了遏制疾病传播的明智策略。然而，一个被忽视的挑战是，随着一种疾病变得更加流行，它可能限制有效治疗患病者所需的资本的可用性。在这里，我们使用一个简单的数学模型来深入了解流行病的动态，当病人的康复取决于健康人群产生的治疗资源的可用性时。我们发现，如果恢复成本高于临界成本，流行病就会失控，变成“爆炸性”传播。即使疾病在没有资源限制的情况下会消亡，也会发生这种情况。爆发性流行病的爆发是非常突然的，在非常一般的假设下表现出不连续的转变。我们发现解析表达式的临界成本和感染水平的爆炸性跳跃的大小的参数表征的传播过程。我们的模型和结果适用于超越流行病的传染动力学，自我诱导复苏的限制，从而放大了传播过程。
2015-08-22 physics.bio-ph physics.comp-ph physics.soc-ph
Epidemic fronts in complex networks with metapopulation structure
在复杂网络上，人们对感染动力学进行了广泛的研究，深入了解了接触模式的异质性对疾病传播的影响。有些单独的，集合种群提供了一个范例，空间扩展和“补丁”组织的系统建模。在本文中，我们扩展使用多类型的网络结合这些范例，使简单的传染模型可以包括复杂的代理相互作用和多尺度结构。首先，我们提出了一个推广的Volz-Miller平均场近似的易感-感染-感染（SIR）动力学的多类型网络。然后，我们使用这种技术来研究传染病前沿在一维网格互连网络上传播的特殊情况-代表一个简单的耦合人口中心链-作为理解宏观尺度疾病传播如何依赖于微观尺度拓扑结构的必要的第一步。使用不稳定状态的前传播的形式主义，我们推导出的线性传播的有效传输系数：渐近速度，特征波长，和扩散系数的前沿拉锋，并分析其依赖于底层的图形结构。我们还推导出系统的流行阈值，并研究了各种网络配置的前端配置文件。据我们所知，这是第一次将前沿传播概念应用于随机网络模型。
2013-04-20 physics.soc-ph q-bio.PE
Modeling time evolving COVID-19 uncertainties with density dependent asymptomatic infections and social reinforcement
University of Technology Sydney（悉尼科技大学）
COVID-19大流行在建模其复杂的流行病传播、感染和传染方面带来了重大挑战，这些流行病与已知流行病有很大不同。量化COVID-19复杂性的挑战包括有效建模其流程和数据的不确定性。不确定性在于隐性和高比例的无证感染、无症状传染、感染的社会强化以及报告数据中的各种质量问题。在COVID-19大流行的前两个月，当相关知识、病例报告和检测都有限时，这些不确定性变得更加明显。在这里，我们介绍了一种新的混合方法易感-未记录的感染-记录的感染-复发（SUDR）模型。首先，SUDR（1）描述并区分了COVID-19潜伏期常见的无记录（U）和有记录（D）感染以及无症状感染。其次，SUDR通过捕获外源过程来表征感染的概率密度。最后，SUDR通过将贝叶斯推断纳入SUDR，近似计算了COVID-19随时间的流行密度可能性。与现有的COVID-19模型不同，SUDR描述了未知传播过程中未记录的感染。为了捕捉COVID-19传染期间时间传播和社会强化的不确定性，传播率由未记录传染病例的时变密度函数建模。通过从具有合理先验的平均场后验分布中采样，SUDR处理了在公开的COVID-19病例数据中广泛出现的COVID-19观测结果的随机性、噪声和稀疏性。结果表明，上述不确定性的定量理解，与经典的SIR，时间依赖的SIR，概率SIR模型相比。
2022-04-05 cs.LG q-bio.PE stat.ML
Epidemic spreading under mutually independent intra- and inter-host pathogen evolution
流行病传播的动力学通常被简化为单个控制参数$R_0$，其值高于或低于1，决定了传染的状态。然而，如果病原体在传播过程中进化，$R_0$可能会随着时间的推移而发生变化，可能导致突变驱动的传播，其中最初的亚流行病原体发生突破性突变。为了预测这一流行阶段的边界，我们在这里引入了一个建模框架，将网络传播模式与宿主内演化动力学耦合起来。对于许多病原体，这两个过程，宿主内和宿主间，是由不同的选择力驱动的。然而，在这里我们表明，即使在这两种力量相互独立的极端情况下，突变仍然可以从根本上改变流行病的相图，其转变现在不仅由$R_0$决定，而且还由流行病和进化时间尺度之间的平衡决定。如果突变太慢，病原体流行在关键突变出现之前就会衰减。另一方面，如果突变太快，病原体的进化就会变得不稳定，并且再次无法传播。然而，在这两个极端之间，我们确定了一系列广泛的条件，在这些条件下，最初的亚大流行病原体可以突破，获得广泛的流行。
2022-11-04 physics.soc-ph q-bio.PE
Time evolution of predictability of epidemics on networks
新的病原体或已知病原体在新人群中的流行性爆发引起了极大的恐惧，因为它们很难预测。另一方面，对于疾病传播的理论模型，表征爆发的数量收敛于时间的确定性函数。我们在本文中的目标是阐明这种明显的差异。我们衡量的多样性（和，因此，可预测性）的爆发规模和灭绝时间作为时间的函数给定不同的情况下的信息量。在完全信息的假设下，知道每个人的疾病状况--可预测性随着时间呈指数下降，或者更快。对于每接触传输概率的中间值，衰减最慢。在对可用信息的假设较弱的情况下，假设我们只知道当前感染、康复或易感个体的比例，可预测性在大多数情况下也呈指数级下降。然而，在这种情况下，有一些特殊的地区，可预测性下降。换句话说，要以给定的准确度预测其最终规模，我们需要越来越多的关于疫情的信息。
2015-05-05 cs.SI physics.soc-ph q-bio.PE
Epidemic spreading with awareness and different timescales in multiplex networks
传染病传播的理论模型的主要问题之一是发展控制传染媒介传播的方法。人类行为在传播动力学中起着根本作用，可用于阻止疾病传播或减轻疾病负担，因为意识到疾病存在的个人可以采取措施减少接触传染病的机会。在本文中，我们提出了一个数学模型的疾病传播的意识在复杂网络。与以前的模型不同，信息的传播遵循广义的Maki-Thompson谣言模型。信息和疾病传播之间的时间尺度也有灵活性。我们验证了表征信息意识扩散的速度极大地影响了疾病的流行。我们还表明，不知情的个人的比例减少并不总是意味着患病率的下降，因为疾病和意识传播之间的相对时间尺度在系统的动态中起着至关重要的作用。这个结果被证明是独立的网络拓扑结构。最后计算了模型的流行阈值，并证明了它不依赖于相对时间尺度。我们的研究结果为信息如何影响疾病传播提供了一个新的视角，并可用于开发更有效的疾病控制方法。
2019-09-21 physics.soc-ph q-bio.PE
Epidemic prevalence information on social networks mediates emergent collective outcomes in voluntary vaccine schemes
疫苗接种计划的成功关键取决于它被关键部分人口采用，因为由此产生的群体免疫力可以防止未来的流行病爆发。然而，如果个人选择不接种疫苗，相信他们受到群体免疫力的保护，那么运动的有效性就会产生自己的毁灭。虽然这似乎是一个最佳的决定，根据对个人的成本和效益的合理评估，它使人口暴露于随后的爆发。我们研究了在一个传染病传播的综合模型中，自愿接种疫苗是否可以出现在一个理性主体的社会网络中，这些理性主体做出了是否接种疫苗的明智决定。每个代理可用的信息包括其本地网络邻居和/或全球人口中疾病的患病率，以及其邻居中受保护免受疾病影响的比例。至关重要的是，控制代理人决策的收益随着疾病流行而演变，导致疫苗接种行为与传染病传播的共同演变。对局部流行作出反应的病原体的集体行为可以导致最终流行规模的显著减小，特别是对于具有低基本繁殖数$R_0$的传染性较低的疾病。在接近流行阈值（$R_0\approx1$）时，使用当地流行率信息可导致最终疫苗覆盖率的二分反应。我们的研究结果表明，个人使用的信息的性质是决定涉及大规模疫苗接种的公共卫生干预计划成功的关键因素。
2017-09-22 physics.soc-ph q-bio.PE
Perception of emergent epidemic of COVID-2019 / SARS CoV-2 on the Polish Internet
我们通过对2020年1月至2020年3月12日（2020年3月4日正式引入波兰之前和之后）互联网（Twitter，Google，YouTube，维基百科和以Event Registry为代表的电子媒体）上的数字足迹进行定量分析，研究波兰社会对COVID-2019疫情的看法。为此，我们利用数据采掘，社会网络分析，自然语言处理技术。每个被检查的互联网平台都分析了目标群体的代表性和组成。我们在疾病引入之前确定了关于COVID-2019主题的三个主要关注时间集群：所有平台上与中国和意大利相关的峰值，以及与最近抗击COVID-2019的特别法律相关的社交媒体峰值。此外，在正式确认引入的当天，人们的兴趣达到了顶峰，当波兰政府宣布通过大规模的缓解计划向疾病宣战时，人们的兴趣呈指数级增长。从社会语言学的角度来看，我们发现，在引进之前，威胁，恐惧和预防的概念和问题占主导地位。在介绍之后，关于疾病和流行病的实用概念占主导地位。我们发现，Twitter反映了波兰政治领域的结构性分裂。我们能够确定执政党，主流反对派和新教团体的明确社区和错误信息的潜在来源。我们还发现，在疾病引入后，粉碎之间的边界模糊。
2020-03-30 cs.SI physics.soc-ph q-bio.PE
