Analytical solution of SEIR model describing the free spread of the COVID-19 pandemic
本文研究了SEIR（Susceptible Exposed Infectious Removed）传染病模型.其目的是为受COVID-19大流行影响的人群的峰值和渐近值及其特征时间提供简单的分析表达式。
2020-12-26 physics.soc-ph q-bio.PE
In Response to COVID-19: Configuration Model of the Epidemic Spreading
提出了一种基于无标度网络的传染病传播结构模型。我们得到的解析解描述了传染病传播的不稳定和稳定的动力学，并演示了如何这些制度可以在流行病的交换。我们将该模型应用于COVID-19病例，并展示了我们模型的预测特征。
2020-07-08 physics.soc-ph q-bio.PE q-bio.QM
Mechanistic Models of COVID-19: Insights into Disease Progression, Vaccines, and Therapeutics
COVID-19疫情严重影响全球卫生系统及经济。因此，全球正在作出重大努力，以提高疫苗效力，优化疫苗部署，并开发新的抗病毒疗法来对抗这一大流行病。SARS-CoV-2感染、疫苗、免疫调节剂和抗病毒治疗的机制病毒动力学和定量系统药理学模型在促进我们理解SARS-CoV-2发病机制和传播、先天免疫和适应性免疫之间的相互作用对感染结果的影响、治疗的有效性、COVID-19疫苗的机制和性能方面发挥了关键作用，以及新出现的SARS-CoV-2变种的影响。在这里，我们回顾了这些模型提供的一些重要见解，并讨论了未来的挑战。
2021-12-17 q-bio.PE
A Bayesian spatio-temporal study of meteorological factors affecting the spread of COVID-19
本文利用贝叶斯时空模型分析英格兰首次封锁期间气象条件对 COVID-19 传播的影响，发现湿度与传播呈负相关，并提示制定政策时应谨慎对待季节性因素。
2023-08-07 q-bio.PE
COVID-19 severity determinants inferred through ecological and epidemiological modeling
COVID-19临床严重程度的决定因素通常通过死亡人数的横向或纵向研究进行评估。然而，死亡人数取决于疾病的临床严重程度和传染性，因为感染人数越多，死亡人数也就越多。此外，死亡人数（以及病死率等相关指标）是动态量，因为它们出现在感染的延迟期，而不同的地理区域通常属于流行病曲线上的不同点。相反，我们使用流行病学建模提出了一个疾病严重程度的措施，占潜在的疾病动态。这一衡量标准对应于人口平均死亡率与恢复率的比率（m/r）。它独立于疾病传播动力学（即，基本再生数），并具有直接的机械解释。我们使用该方法来评估与疾病严重程度相关的人口统计学、医学、气象和环境因素。为此，我们采用了生态回归研究设计，并在第一次疾病爆发期间分析了美国不同的州。主成分分析，然后是基于机器学习技术的单变量和多变量分析，用于选择重要的预测因子。在不使用临床研究的先验知识的情况下，我们恢复了已知影响疾病严重程度的重要预测因素，特别是年龄，慢性疾病和种族因素。此外，我们确定长期的污染暴露和人口密度作为疾病严重程度的预测因子，并没有得到广泛的认可（尽管对于以前假设的污染）。整体而言，建议的措施可用于推断COVID-19及其他传染病的严重程度决定因素，所得结果可帮助更好地了解COVID-19风险。
2021-08-31 q-bio.PE
Using VERA to explain the impact of social distancing on the spread of COVID-19
COVID-19继续在全国和世界各地蔓延。目前管理COVID-19传播的策略包括保持社交距离。我们介绍了交互式人工智能工具VERA，它首先使用户能够指定社交距离对COVID-19传播影响的概念模型。然后，VERA从概念模型中自动生成基于代理的模拟，并在给定数据集的情况下，自动填充来自数据的模拟参数值。接下来，用户可以查看仿真结果，并且如果需要，可以修改仿真参数并运行另一个实验性试验，或者构建替代的概念模型。我们描述了如何使用VERA来开发一个SIR模型，用于COVID-19的传播及其与医疗能力的关系。
2020-03-30 cs.CY cs.HC q-bio.PE
Mathematical Modeling of Epidemic Diseases; A Case Study of the COVID-19 Coronavirus
在这项研究中，我们从数学建模的角度研究了COVID-19冠状病毒等流行病的传播模式。该研究是基于著名的易感染-感染-恢复（SIR）房室模型家族的扩展。它显示了社会措施，如距离，区域封锁，检疫和全球公共卫生警戒，影响模型参数，最终可以改变死亡率和活跃的污染病例随着时间的推移，在现实世界中。与所有数学模型一样，模型的预测能力受到可用数据的准确性以及用于对问题建模的所谓\textit{level of abstraction}的限制。为了让更多的研究人员更好地了解流行病的传播模式，还介绍了生物系统建模的简短介绍，并在线提供了模拟的Matlab源代码。
2020-12-31 q-bio.PE
A multi-group SEIRA model for the spread of COVID-19 among heterogeneous populations
COVID-19的爆发及传播对现代社会构成重大挑战。特别是各国政府为防止病毒传播而采取的不同限制性行动，改变了人类交往和设想交往的方式。由于地理，行为或经济因素，人口中的不同亚组更有可能（或更少）相互作用，从而传播/获得病毒。在这项工作中，我们提出了一个通用的多组SEIRA模型，用于表示COVID-19在异质人群中的传播，并在数值研究案例中对其进行了测试。通过强调其适用性和其一般配方可以适应特定的研究，我们希望我们的模型，使我们更好地了解这种流行病的演变和更好的公共卫生政策，以控制它。
2020-04-28 q-bio.PE
A new fractional model in Caputo sense for studying the dynamics of COVID-19 spread in France
COVID-19疫情在全球迅速蔓延，几乎所有涉及法国的国家的公共卫生都面临沉重负担。在SARS-CoV-2传播后，法国总共收获了许多死亡病例。在本文中，我们开发了整数阶和分数阶模型，以研究法国医院和重症监护室（ICU）中COVID-19传播的动态。此外，本文旨在利用现有的实际数据，探讨预防措施对整个法国的COVID-19医院和ICU感染病例总数的影响。
2022-08-11 math.DS physics.soc-ph q-bio.PE
On the heterogeneous spread of COVID-19 in Chile
非药物干预（NPI）在控制COVID-19传播方面发挥了至关重要的作用。然而，国家之间和国家内部的NPI效果差异很大，主要是因为人口和行为的异质性。在这项工作中，我们采用了一个多组SEIRA模型来研究COVID-19在智利的传播动态，该模型通过不同的组来代表该国地理上分离的地区。我们使用全国动员统计数据来估计地区之间的连通性，并使用来自政府数据库的数据来获得每个地区的COVID-19传播率和死亡率。然后，我们通过研究生殖数Rt的时间演变来评估不同NPI的有效性。分析Rt的数据驱动和基于模型的估计，我们发现不同地区之间存在很强的耦合，突出了有组织和协调行动控制SARS-CoV-2传播的必要性。最后，我们评估了不同的情景，以预测COVID-19在人口最密集地区的演变，发现提前解除限制可能会导致新的疫情爆发。
2021-06-25 physics.data-an q-bio.PE
A Mathematical Description of the Dynamics of Coronavirus Disease (COVID-19): A Case Study of Brazil
本文研究了与冠状病毒动力学相关的数学建模和数值模拟。描述是建立在易感染-暴露-感染-恢复模型的基础上的。首先，进行模型验证，用来自中国、意大利、伊朗和巴西的数据校准系统参数。之后，进行了数值模拟，以分析巴西COVID-19的不同情景。结果表明，政府和个人采取行动控制与大流行病有关的危急情况的数量和持续时间的重要性。
2020-04-23 nlin.CD q-bio.PE
A reaction-diffusion system to better comprehend the unlockdown: Application of SEIR-type model with diffusion to the spatial spread of COVID-19 in France
考虑到易感、暴露和无症状个体的平均每日移动，开发了一个反应扩散模型来描述COVID-19病毒的传播。该模型使用来自法国的确诊感染和死亡数据及其初始空间分布进行了校准。首先研究了偏微分方程组，然后导出了基本再生数R 0。其次，基于水平集和有限差分相结合的数值模拟显示了COVID-19从3月16日到6月16日的空间传播。最后，根据距离变化或部分空间锁定的情况下，解锁进行比较。
2020-05-06 math.AP q-bio.PE
Using a physical model and aggregate data to estimate the spreading of Covid-19 in Israel in the presence of waning immunity and competing variants
自COVID-19病毒首次在中国发现以来的两年多里，已有数亿人感染，数百万人死亡。除了迫切需要医疗解决方案（如疫苗和药物）来治疗这一流行病之外，日冕大流行还加强了对数学模型的需求，这些模型可以预测大流行病在不断变化的现实中的传播。在这里，我们提出了一种基于统计物理学基本原理的新型动态粒子模型，该模型能够预测在有效疫苗存在的情况下Covid-19的传播。这种粒子模型使我们能够准确地检查疫苗对接种人群和整个人群的不同亚群的影响，并确定疫苗的衰减。此外，粒子模型可以预测两种竞争变体随时间的流行率及其相关的发病率。
2022-05-16 q-bio.PE
Modeling the spread of COVID-19 pandemic in Morocco
如今，2019冠状病毒病（COVID-19）对全球公共卫生和经济构成了巨大威胁。不幸的是，目前还没有治疗这种疾病的有效药物。为此，多个国家已采取多种预防性干预措施，以避免COVID-19的传播。在这里，我们提出了一个延迟的数学模型来预测COVID-19在摩洛哥的流行趋势。对模型的参数估计和敏感性分析进行了严格的研究。此外，提出了数值模拟，以测试摩洛哥当局实施的预防措施和战略的有效性，并帮助决策者和公共卫生管理部门制定这样的战略。
2020-10-08 q-bio.PE
Mathematical Modeling of the Spread of COVID-19 in Moscow and Russian Regions
为了模拟COVID-19冠状病毒在俄罗斯地区和莫斯科的传播，使用了描述病例数量增加的离散逻辑方程。为了检查数学模型的充分性，将模拟结果与冠状病毒在中国、一些欧洲和亚洲国家以及美国的传播进行了比较。在区间（01.03 - 08.04）内确定了俄罗斯、莫斯科和其他大区域的物流方程的参数。呈列不同国家及地区COVID-19感染人口增长率的比较分析。考虑了COVID-19冠状病毒在莫斯科和俄罗斯地区传播的各种情况。对于每一种情况，获得了每日新病例的曲线和病例总数增加的图表，并研究了每日感染传播的动态。确定了高峰时间、流行期、高峰感染人数及其增长情况。
2020-04-21 physics.soc-ph q-bio.PE
Optimized lockdown strategies for curbing the spread of COVID-19: A South African case study
为遏制COVID-19的蔓延，全球多个政府已实施不同程度的严格封锁。封锁级别通常在疾病传播时增加，在疾病消退时减少。预测控制方法用于制定优化的封锁策略，以遏制COVID-19的传播。然后将这些策略应用于南非的数据。南非的案例值得关注，因为南非政府定义了五个不同的封锁级别，作为一个离散的控制输入。先前开发了COVID-19在南非传播的流行病学模型，并与混合模型预测控制器结合使用，以优化不同政策情景下的封锁管理。考虑的情景包括如何将曲线拉平至医疗系统可以应对的水平，如何平衡生活和生计，以及人口遵守封锁措施对COVID-19传播的影响。本文的主要目的是显示最佳的锁定水平应给予的政策，是在地方，由闭环反馈控制器。
2020-11-13 physics.soc-ph q-bio.PE
SEAIR epidemic spreading model of COVID-19
我们研究了COVID-19的易感-暴露-隔离-传染-隔离（SEAIR）传染病传播模型。它抓住了COVID-19传染性的两个重要特征：延迟开始和在症状出现之前出现，甚至完全没有症状。在随机正则图和复杂网络上，分别对该模型进行了连续时间分区和离散时间分区的理论分析。我们分析表明，有流行病的阈值和方程的易感人群在地方病平衡在所有三个版本，当流行病是弱的。我们提供的理论论据，一个节点的特征向量中心性近似决定其被感染的风险。
2020-08-28 physics.soc-ph q-bio.PE
The challenges of modeling and forecasting the spread of COVID-19
我们为COVID-19提出了三种数据驱动的模型类型，这些模型具有最少的参数，可以深入了解疾病的传播情况，从而可用于制定政策应对措施。第一种是指数增长，在早期数据分析中被广泛研究。第二个是一个自激分支过程模型，其中包括传输和恢复延迟。它允许对早期随机数据进行有意义的拟合。第三个是著名的易感-感染-耐药（SIR）模型及其表亲SEIR，具有“暴露”成分。所有这三个模型都是定量相关的，SIR模型用于说明美国短期距离措施的潜在影响。
2020-04-09 q-bio.PE
An empirical model on the dynamics of Covid-19 spread in human population
我们提出了一个数学模型来分析一个地区在持续的大流行中感染新冠病毒的总人数的时间演变。利用各国新冠病毒感染人口的现有数据，我们建立了一个模型，该模型可以成功跟踪这种传染病在给定波中从早期到饱和期的时间演变。它涉及一组可以从现有数据中提取的有效参数。利用这些参数，还可以预测疾病传播的未来轨迹。还提出了一组微分方程，其解是这些时间演化轨迹。使用这种形式主义，我们预测了一些国家的感染传播的未来时间演变轨迹，这些国家的COVID-19感染仍在迅速上升。
2020-08-13 physics.soc-ph q-bio.PE
Modeling the dynamics of COVID-19 transmission in India: Social Distancing, Regional Spread and Healthcare Capacity
在以健康为中心的治理新模式中，决策者不断需要适当的衡量标准和估计数，以便以非武断的方式确定最佳政策。因此，本文开发了COVID-19传播的分区模型，以促进政策制定。一个社交距离车厢被添加到模型中，并说明其效用在量化自愿社交距离的大小。作出了修改，以纳入区域间移徙，并提出了适当的衡量标准，以量化移徙对案件增加的影响。的医疗保健能力建模和方法的开发，以研究的后果饱和的医疗保健系统。该模型及相关措施用于研究COVID-19在印度的传播和传播性质，并得出适当的见解。
2022-04-19 q-bio.PE
SEIAR model with asymptomatic cohort and consequences to efficiency of quarantine government measures in COVID-19 epidemic
我们提出了一个分区SEIAR模型的流行病传播作为推广的SEIR模型。我们认为，无症状感染人群是对COVID-19疾病流行动力学理解的一个遗漏部分。我们引入并推导出基本繁殖数作为有症状和无症状队列的基本繁殖数的加权算术平均值。由于没有检测到无症状受试者，他们可以更长时间地传播疾病，这将COVID-19 $R_0$增加到约9.我们发现，欧洲各国的流行病爆发与基于COVID-19临床特征的常用参数模拟相对应，但如果考虑无症状队列，则$R_0$约为3倍。当前，学界不少声音都在提请关注无症状感染者群体。我们相信，无症状人群在COVID-19疾病的传播中起着至关重要的作用，政府在采取措施时必须理解这一点。
2020-04-06 q-bio.PE
Day Level Forecasting for Coronavirus Disease (COVID-19) Spread: Analysis, Modeling and Recommendations
于二零二零年三月中旬，COVID-19等冠状病毒被宣布为国际流行病。超过118个国家记录了超过125000例确诊病例和4,607例死亡病例。不幸的是，冠状病毒疫苗如果真的有效，预计至少需要18个月。此外，COVID-19疫情可能会变异成更具侵略性的形式。有关COVID-19传播的日级信息对于衡量这种新病毒在全球的行为至关重要。因此，本研究使用时间序列模型和数学公式对COVID-19受影响病例的日级预测模型进行比较。预测模型和数据强烈表明，在不强制隔离、限制旅行和公共集会以及关闭学校、大学和工作场所（社会距离）的国家，冠状病毒病例数量呈指数级增长。
2020-03-15 q-bio.PE stat.AP
Estimation of the actual disease occurrence based on official case numbers during a COVID outbreak in Germany 2020
自2020年3月初以来，德国每天都有新型冠状病毒SARS-CoV-2感染病例的累计报告。这些报告源自国家法律，根据这些法律，阳性检测结果必须通过当地卫生当局提交给联邦卫生当局罗伯特·科赫研究所。由于预计会有大量未报告的病例，因此无法根据这些行政报告回答该疾病在人口中的传播范围问题。然而，使用数学模型可以进行估计。这些估计数表明，在疫情爆发之初进行的少量诊断检测忽略了相当一部分感染。为了覆盖未来疾病浪潮的初始阶段，建议进行广泛而全面的测试。
2020-05-07 q-bio.PE
Is the epidemic spread related to GDP? Visualizing the distribution of COVID-19 in Chinese Mainland
于二零一九年十二月，中国湖北省武汉市发现COVID-19。SARS-CoV-2在中国春运期间迅速蔓延到整个中国大陆。截至二零二零年二月十九日，中国大陆已报告74 576例COVID-19确诊病例。什么样的城市确诊病例比较多，GDP和确诊病例有没有关系？在这项研究中，我们探索了新冠肺炎确诊病例与地级GDP之间的关系，发现两者之间呈正相关关系。这一发现警告说，当疫情爆发时，高GDP地区应该付出更多的预防和控制努力，因为它们比附近的其他地区有更大的风险。
2020-04-09 physics.soc-ph q-bio.PE
Modeling and Forecasting of COVID-19 Spreading by Delayed Stochastic Differential Equations
新型冠状病毒病（COVID-19）肺炎近几个月来对世界构成了巨大威胁，在全球范围内造成了多人死亡和巨大的经济损失。摩洛哥于2020年3月2日报告首例COVID-19病例，报告病例数日益增加。在这项工作中，我们将著名的SIR房室模型扩展到确定性和随机时滞模型，以预测摩洛哥COVID-19的流行趋势，并评估摩洛哥当局实施的多种预防措施和策略的潜在作用。工作的主要特点包括模型的适定性以及COVID-19可能灭绝或在人群中持续存在的条件。根据实际数据估计了参数值，并进行了数值模拟，以预测COVID-19的传播以及验证理论结果。
2021-02-04 q-bio.PE
A prognostic dynamic model applicable to infectious diseases providing easily visualized guides -- A case study of COVID-19 in the UK
合理预测不同疾病控制策略下的传染病传播过程是决策者的重要参考依据。在这里，我们通过Python建立了一个动态的传播模型，实现了疾病控制措施的综合调控。我们将政府干预分为三类，并引入三个参数来描述疾病控制的关键点，即区域内增长率、区域间传播率和感染者检出率。我们的模拟预测，在没有任何干预的情况下，英国的COVID-19感染将在73天内失控;与此同时，群体免疫力的获得将从震中开始。在我们引入政府干预措施后，单一干预措施在疾病控制方面是有效的，但费用巨大，而联合干预措施将更有效，其中，提高检测数量是COVID-19控制策略的关键。此外，我们还根据实际情况下的感染人数计算了最有效的疫苗接种策略的要求。该模型采用迭代算法编程，并通过元胞自动机可视化，只要输入基本参数，就可以应用于其他地区的类似疫情，能够综合模拟传染病控制中多种因素的作用。
2021-02-22 q-bio.PE stat.AP
Containment effort reduction and regrowth patterns of the Covid-19 spreading
在所有国家，政治决策的目标是实现几乎稳定的配置，每天有少量新感染者因COVID-19而感染。当达到这样的条件时，遏制努力通常会减少，有利于社会生活和各种经济部门的逐步重新开放。然而，在这个新的阶段，感染传播重新开始，对再生长的定量分析是非常有用的。我们讨论一个宏观方法，根据新阶段开始后数天首次封锁期间收集的数据，概述新冠病毒扩散的较长时间不同情景。本文的目的是一个示范的概念：一个简单的增长模型，认为现有的数据，并显示如何可以获得的蔓延的未来趋势。该方法应用了与时间相关的承载力，类似于生物学、经济学和种群动力学中的许多宏观增长规律。分析了新加坡、法国、西班牙和意大利的典型案例。
2020-12-02 q-bio.PE
Modeling COVID-19 Spread in Small Colleges
我们在一个网络上开发了一个基于代理的模型，旨在捕捉COVID-19在一个小型住宿学院中传播的独特特征。我们发现，一个安全的重新开放需要强有力的政策，从管理员结合学生的谨慎行为。强有力的政策包括每周一次的筛查测试，快速周转和减半的校园人口。学生的谨慎行为意味着戴口罩，减少社交，并出现COVID-19检测。我们还发现，全面的测试和口罩是最有效的单一干预措施，建筑物的封闭可能会导致其他地区的感染高峰，这取决于学生的行为，更快的测试结果返回显着减少总感染。
2020-08-21 physics.soc-ph q-bio.PE
Inferring change points in the COVID-19 spreading reveals the effectiveness of interventions
随着COVID-19在全球迅速蔓延，短期建模预测为遏制和缓解策略的决策提供了时间关键的信息。短期预测的一个主要挑战是评估关键的流行病学参数，以及当第一次干预措施显示效果时这些参数如何变化。通过将一个已建立的流行病学模型与贝叶斯推断相结合，分析了新感染有效增长率的时间依赖性。聚焦于COVID-19在德国的传播，我们发现有效增长率的变化点与公开宣布的干预措施的时间密切相关。因此，我们可以量化干预措施的效果，并将相应的变化点纳入对未来情景和病例数的预测中。我们的代码是免费提供的，可以随时适应任何国家或地区。
2020-05-04 q-bio.PE
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
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
The geographic spread of COVID-19 correlates with the structure of social networks as measured by Facebook
我们使用Facebook的汇总数据显示，COVID-19更有可能在社交网络连接更强的地区之间传播。与两个早期COVID-19“热点”（美国纽约州韦斯特切斯特县和意大利洛迪省）有更多社会联系的地区，到3月底通常有更多的COVID-19确诊病例。在控制了到热点的地理距离以及该地区的人口密度和人口统计数据之后，这些关系仍然存在。随着疫情在美国蔓延，一个县与最近的COVID-19病例和死亡人数的社会接近程度，可以预测未来的爆发，而不仅仅是物理接近程度和人口统计数据。部分由于其广泛的覆盖范围，社交联系数据为基于智能手机位置或在线搜索数据的测量提供了额外的预测能力。这些结果表明，来自在线社交网络的数据可能对流行病学家和其他希望预测COVID-19等传染病传播的人有用。
2020-12-11 cs.SI physics.soc-ph q-bio.PE
Incorporating global dynamics to improve the accuracy of disease models: Example of a COVID-19 SIR model
传染病的数学模型表现出鲁棒的动力学，如稳定的地方病或无病平衡点，或周期性流行病波的解的收敛性。目前的工作表明，这种动态的准确性可以显着提高，通过将局部和全局动态的疾病模型中的感染。为了证明更高的准确性，我们通过纳入COVID-19大流行的全球动态来扩展标准的易感-感染-传播（SIR）模型。扩展SIR模型假设易感个体在社区外旅行的三种可能性：他们可以在没有任何感染暴露的情况下返回社区，他们可以在返回社区后暴露并出现症状，或者他们可以在旅行期间被检测为阳性并保持隔离直到完全康复。为了检验扩展SIR模型的预测准确性，我们研究了受COVID-19全球大流行影响的密苏里州堪萨斯城的COVID-19感染流行率。使用两步模型拟合算法，使用密苏里州堪萨斯城2020年3月至10月的COVID-19数据对扩展SIR模型进行参数化。扩展的SIR模型显着优于标准的SIR模型，并揭示了振荡的行为与感染的个人的增加趋势。总之，疾病模型的分析和预测准确性可以通过将感染的全球动态纳入模型中来显着提高。
2021-09-29 physics.soc-ph q-bio.PE stat.AP
An Optimal Control Model of transmission dynamics of COVID-19 in Ghana
世界上几乎每个国家都在努力限制COVID-19的传播。在全世界都在努力寻找有效的药物来控制疾病的同时，适当的干预措施仍然是目前减少疾病传播的有效方法之一。最优控制策略已被证明是一种有效的方法，在减少传染病的传播。在本文中，一个模型已经制定了研究疾病的传播动力学。确定了模型的基本性质，如基本再生产数、平衡点和平衡点的稳定性。通过敏感性分析，确定模型参数对基本繁殖数的影响。我们亦为死者设立了一个隔间，并研究了COVID-19相关死亡者的行为。数值模拟预测与加纳2020年3月至2021年3月期间的实际数据一致。模拟显示，在疫情爆发的前七个月，这种疾病对人口的影响较小。为了帮助控制疾病的蔓延，时间依赖的最优控制被纳入模型和庞特里亚金最大值原理被用来表征的最优控制模型的重要条件。最优控制模型的数值模拟显示，鼻罩和疫苗接种等最优预防策略的组合可有效减少模型不同分区中的COVID-19病例数。接种疫苗降低了对疾病的易感性，而口罩的使用使易感人群免于灭绝。
2022-05-11 q-bio.PE
Insights from early mathematical models of 2019-nCoV acute respiratory disease (COVID-19) dynamics
2019年12月，一种新型冠状病毒（SARS-CoV-2）被发现可导致人类急性呼吸道疾病。据报道，中国大陆爆发了这种疾病，武汉市是公认的震中。该疾病还出口到其他国家，包括菲律宾，但传播水平仍在控制之下（截至2020年2月8日）。为了描述和预测疾病的动态，各种国际研究小组制定了几个初步的数学模型。在这里，可以从这些模型中得出的见解进行了讨论，特别是作为输入设计策略，以控制流行病。还提出了如何预防疾病在当地环境中（例如大型社交聚会期间）传播的基于模型的建议策略。该模型表明，暴露时间是传播疾病的一个重要因素。在基本繁殖数等于2，传染期为14天的情况下，一个感染者在事件中停留超过9小时就可能传染给其他人。假设暴露时间为18小时，该模型建议社交聚会的参与者应该有超过70%的有效性。
2020-02-28 q-bio.PE
A Mathematical Model of COVID-19 Transmission
通过流行病学、应用数学和统计学等学科研究疾病传播。传播的数学模拟模型对解决公共和个人健康挑战具有重要意义。SIR模型使用房室方法，包括通过三个因素传播的动态和非线性行为：易感、感染和移除（康复和死亡）个体。利用Lambert W函数，我们提出了一个研究SIR模型解的框架。这展示了COVID-19传播数据在模拟真实世界疾病传播方面的应用。不同的疾病模型，包括SIR，SIRmp和SEIRpqr模型的预测疾病传播的能力进行了比较。物理距离的影响和个人防护设备的使用与COVID-19传播相关。
2022-01-01 physics.soc-ph q-bio.PE
Modeling and Simulation of the spread of coronavirus disease (COVID-19) in Lebanon
在本文中，我们开发了一个冠状病毒疾病（COVID-19）传播的概率数学模型。它考虑到了这种疾病的已知特点，例如存在未被发现的传染性病例以及受感染者的不同社会和传染性条件。特别是，它考虑了一个国家的社会结构和政府措施，发现的病例在实际感染病例总数中所占的比例，以及未被发现的感染者从境外涌入。虽然该模型很简单，可以利用地方当局提供的关于这一流行病的数据合理确定其参数，但它也足够复杂，可以捕捉到最重要的影响。我们研究了黎巴嫩的特殊情况，并使用其报告的数据来估计模型参数，这可能对估计COVID-19在其他国家的传播有意义。我们显示了一个很好的协议之间的报告数据和我们的模型给出的估计。我们还模拟了几种情景，帮助政策制定者决定如何放松不同的措施，而不会冒着严重的COVID-19浪潮的风险。我们还能够确定导致特定情况的主要因素，这有助于更好地了解病毒的传播。
2020-08-07 physics.soc-ph q-bio.PE
A SIR model assumption for the spread of COVID-19 in different communities
在本文中，我们研究了建模方法对新型COVID-19疾病传播引起的大流行的有效性，并开发了一个可验证的感染-清除（SIR）模型，该模型为研究其在社区内的传播提供了理论框架。在这里，该模型是基于著名的易感-感染-去除（SIR）模型，不同之处在于总人口本身没有定义或保持不变，易感个体的数量不会单调下降。相反，正如我们在这里所示，它可以在浪涌期间增加！特别是，我们调查了不同人群的时间演变，并监测了疾病在不同社区（以美国德克萨斯州和国家为代表）传播的各种重要参数。SIR模型可以为我们提供有关病毒在社区中传播的见解和预测，这是单靠记录数据无法做到的。我们的工作表明了通过我们在这里提出的SIR模型对COVID-19传播进行建模的重要性，因为它可以通过提供有价值的预测来帮助评估疾病的影响。我们的分析考虑了2020年1月至6月的数据，这一时期包含了实施严格控制措施之前和期间的数据。我们对2020年9月之前与COVID-19传播相关的各种参数以及易感、感染和移除人群的数量提出了预测。通过将记录的数据与我们的建模方法的数据进行比较，我们推断，如果实施适当的限制和强有力的政策以在疾病传播早期控制感染率，COVID-19的传播可以在所有考虑的社区得到控制。
2020-06-18 physics.soc-ph q-bio.PE
Determination and estimation of optimal quarantine duration for infectious diseases with application to data analysis of COVID-19
本文提出一种在保证感染者症状出现概率接近1的约束下最小化未感染者平均隔离时长的最优隔离政策，并用统计方法估计最优隔离时长，应用于COVID-19数据分析。
2021-04-28 q-bio.PE stat.AP stat.ME
A Recurrent Neural Network and Differential Equation Based Spatiotemporal Infectious Disease Model with Application to COVID-19
UC Irvine（加州大学尔湾分校）
2019冠状病毒病（COVID-19）的爆发对世界产生了重大影响。对感染趋势进行建模和对病例进行实时预测可以帮助决策和控制疾病传播。然而，数据驱动的方法，如递归神经网络（RNN），由于每日样本有限，可能会表现不佳。在这项工作中，我们开发了一个集成的时空模型的基础上流行病微分方程（SIR）和RNN。前者经过简化和离散化后是一个紧凑的区域时间传染趋势模型，而后者则是最近邻区域的影响模型。后者捕捉潜在的空间信息。%未公开报道。我们在意大利的COVID-19数据上训练和测试了我们的模型，并表明它在1天，3天和1周的预测中优于现有的时间模型（全连接NN，SIR，ARIMA），特别是在训练数据有限的情况下。
2020-09-17 cs.LG q-bio.PE stat.AP
Impact of the Euro 2020 championship on the spread of COVID-19
像2020年欧洲足球锦标赛这样的大型活动提供了一个独特的机会来量化集会对COVID-19传播的影响，因为参与国家的比赛数量和日期类似于随机研究。使用贝叶斯模型和COVID-19数据中的性别失衡，我们将12个国家的840，000例（95% CI：[0.39M，1.26M]）COVID-19病例归因于冠军。影响非线性地依赖于初始发生率、再生数$R$和比赛次数。影响最大的是苏格兰和英格兰，那里每百万居民中有多达10，000例原发病例发生在与冠军有关的集会上。在比赛日，由比赛引起的平均$R$增加值为0.46 [0.18，0.75]，但重要比赛引起的增加值高达+3。总之，我们的研究结果提供了定量的见解，有助于判断和减轻大规模事件对流行病传播的影响。
2023-01-18 physics.soc-ph q-bio.PE
The effect of anti-COVID-19 policies to the evolution of the disease: A complex network analysis to the successful case of Greece
在希腊承诺在抗击疾病方面取得成功的背景下，本文提出了一种新的方法来研究希腊COVID-19感染曲线的演变与用于控制大流行的抗COVID-19政策的关系。基于COVID-19的持续传播以及应用经典时间序列方法的数据不足，该分析基于可见性图算法来研究希腊COVID-19感染曲线作为一个复杂网络。通过使用模块化优化算法，生成的可见性图被划分为社区定义的时间序列体中的不同连通性的时期。这些时期揭示了疾病演变中的一系列不同类型学，从幂模式开始，其中二阶多项式（U形）模式中间，随后是几个指数模式，最后是当前对数模式，表明希腊COVID-19感染曲线的演变趋于饱和。网络分析还说明了枢纽的稳定性和中、低度节点的不稳定性，这意味着未来达到最大值（感染）的概率很低，而低于平均值的其他值的变化性具有很高的不确定性。整体方法通过提出一种将时间序列结构分解为多个时期的新方法，从而有助于科学研究，该方法允许从序列中删除不相关的过去数据，从而促进更好的预测，并提供良好政策和决策实践以及管理的见解，可能有助于其他国家提高其在抗击COVID-19的战争中的表现。
2020-04-12 physics.soc-ph q-bio.PE
Theory of Infectious Diseases with Testing and Testing-less Covid-19 Endemic
本研究构建含检测的传染病模型，证明存在有/无检测的地方病平衡点及其稳定性，并揭示大流行通过随机捕获机制以无检测地方病状态终结。
2023-11-15 math.DS nlin.CD q-bio.PE
A fractional-order model for CoViD-19 dynamics with reinfection and the importance of quarantine
2019年冠状病毒病（CoViD-19）是由严重急性呼吸道综合征冠状病毒2（SARS-CoV-2）引起的传染病。在许多症状中，咳嗽，发烧和疲倦是最常见的。60岁以上的人和相关的合并症最有可能发展为健康状况恶化。本文提出了一个非整数阶模型来描述CoViD-19在标准人群中的动态。该模型结合了从疾病中恢复的个体的再感染率。对分数阶导数和再感染率的不同阶数进行了数值模拟。从生物学的角度对结果进行了讨论。
2021-07-19 math.DS q-bio.PE
COVID-19 adaptive humoral immunity models: weakly neutralizing versus antibody-disease enhancement scenarios
病毒、感染细胞和对SARS-CoV-2的免疫反应之间的相互作用仍在争论中。扩展病毒动力学的基本模型，我们在这里提出了一个正式的方法来描述中和与弱（或非）中和的情况下，并与抗体依赖性增强（ADE）的可能影响进行比较。理论模型与文献中的数据一致;我们表明，弱中和抗体或ADE均可导致最终病毒清除或疾病进展，但每种情况下的免疫动力学不同。鉴于世界人口中有很大一部分已经自然免疫或接种疫苗，我们还讨论了接种疫苗后或存在免疫系统功能障碍时继发感染的影响。
2022-07-07 math.DS q-bio.PE
Geospatial Spread of the COVID-19 Pandemic in Mexico
COVID-19是一种传染性呼吸道疾病，世界卫生组织已宣布其为大流行病。虽然这是一个全球现象，但有必要在当地采取迅速和知情的行动，因为一些基本计划在很大程度上取决于文化、地理、法律和习俗等因素。本文介绍了我们在州和市一级绘制COVID-19在墨西哥地理空间传播的方法，这是卫生部提供的公开数据集中允许的最高分辨率。为了可视化感染的程度，我们提供了一个地图，为确认的阳性，待定，和死亡的情况下，而支持流动性，我们提供了一个地理空间可视化的$R_t$，基本的繁殖数。本文档描述了数据集的结构，所使用的软件工具，以及地图功能的描述，我们公开了该定义。
2020-06-14 physics.soc-ph q-bio.PE
Interrupting vaccination policies can greatly spread SARS-CoV-2 and enhance mortality from COVID-19 disease: the AstraZeneca case for France and Italy
由于怀疑阿斯利康疫苗会导致深静脉血栓形成，欧洲多个国家已经暂停接种阿斯利康疫苗。在这封信中，我们报告了使用随机模型进行的一些费米估计，旨在对阿斯利康疫苗在法国和意大利的交付中断进行风险效益分析。我们的研究结果清楚地表明，即使在疫苗副作用的频率和严重性的最坏情况下，由于疫苗接种活动注射中断而导致的额外死亡也大大超过了由于血栓形成而导致的死亡。
2021-03-27 physics.soc-ph q-bio.PE
Network structure of COVID-19 spread and the lacuna in India's testing strategy
我们描述了COVID-19在印度的传播网络，发现传播率为0.43，每天的病例增长是由在国外感染病毒的个人推动的。我们探讨的问题，这是否代表指数衰减的动态或仅仅是一个人工制品的印度的测试策略。检测主要限于来自高风险国家的个人及其直接接触者，这意味着该网络反映了来自有偏见的检测样本的阳性识别。鉴于检测水平普遍较低，而且几乎完全没有社区传播检测，我们很有可能错过疫情的实际性质。印度目前的病例量仍然很低，采取行动的时间可能很短，因此应该积极和系统地扩大社区传播的随机检测，包括对无症状病例的检测。这将有助于了解真正的传输特性，并为不久的将来做出适当的规划。
2020-03-21 physics.soc-ph q-bio.PE
COVID-19 lockdown induces disease-mitigating structural changes in mobility networks
COVID-19疫情爆发后，多个国家实施遏制措施以减少疾病传播。利用数字数据来源进行的研究表明，在多个国家，个人的流动性有效减少。然而，目前尚不清楚这些减少是否导致了移动网络更深层次的结构变化，以及这些变化如何影响网络上的动态过程。在这里，我们使用移动电话用户的移动数据来表明，德国的移动性不仅大大减少：封锁措施导致了移动网络的实质性和长期的结构性变化。我们发现，长途旅行大大减少。远程网络连接的削减导致了一个更加本地化的集群网络，并缓和了“小世界”效应。我们证明，这些结构性变化有相当大的影响传染病传播过程中的“平坦化”的流行曲线和延迟传播到地理上遥远的地区。
2020-12-18 physics.soc-ph q-bio.PE
The disease-induced herd immunity level for Covid-19 is substantially lower than the classical herd immunity level
尽管采取了不同程度的预防措施，但大多数国家仍受到持续的新冠肺炎大流行的严重影响。一个常见的问题是一个国家或地区是否以及何时将达到群体免疫$h$。经典的群体免疫水平$h_C$定义为$h_C=1-1/R_0$，其中$R_0$是基本繁殖数，根据国家和地区的不同，COVID-19估计在2.2-3.5之间。本研究显示，在一个国家/地区发生疫情并采取一系列预防措施后，疾病引起的群体免疫水平$h_D$实际上远低于$h_C$。作为一个例子，我们表明，如果$R_0=2.5$在一个年龄结构的社会与混合率适合社会活动的研究，并将个人分为三类：低活性，平均活性和高活性，并在预防措施影响所有混合率成比例，那么疾病引起的群体免疫水平是$h_D=43\%$，而不是$h_C=1-1/2.5=60\%$。因此，需要较低比例的感染才能出现群体免疫。其根本原因是，当疾病传播引起免疫时，接触率高的群体中的感染比例大于接触率低的群体。因此，疾病诱导的免疫力比免疫力在群体中均匀分布时（如经典的群体免疫水平）更强。
2020-05-06 physics.soc-ph q-bio.PE
Differential Games in the spread of Covid-19
鉴于新冠肺炎疫情正在持续，了解中央规划者（政府）采取的措施和个人行为的综合结果是如何传播感染的，是很有意义的。在这项工作中，Covid-19的传播被建模为规划者和人口之间的可微博弈，并具有适当的疾病传播动力学方程。我们首先用改进的易感-感染-繁殖（SIR）方程来描述只有种群的平衡动力学，以突出平衡的定性性质。利用这一结果，我们制定了联合平衡曝光的规划者和人口之间的配置文件。此外，与新冠肺炎一样，无症状携带者的作用、检测、接触者追踪和预防方面的不足，可能导致与仅检测到的人数相比，严重低估了真实的感染人数。因此，必须在人口中的个人所作选择的背景下模拟真实的感染人数。要纳入这一点，我们扩展我们的框架，通过修改的动态，包括额外的子隔间的“未检测到的感染”和“检测到的感染”的疾病动态。这些人根据检测到的数字对感染者总数进行自己的估计，并根据这些估计制定策略。我们表明，这些考虑导致一个延迟的最优控制问题的球员。我们提出了一些模拟结果的基础上，这些结果来证明如何人口行为，计划者控制，检测率和信任报告的数字在疾病传播中发挥了关键作用。
2021-09-30 physics.soc-ph q-bio.PE
The effect of cities and distance on COVID-19 spreading in the United States
2019冠状病毒病大流行通过多种时空动态随时间演变。不同地理区域之间相互作用的程度不同，可能会导致复杂的传播模式，因此很难辨别这些区域之间的影响。在这里，我们使用互相关分析来检测美国县级新冠肺炎病例时间演变的同步演变和潜在的相互影响。我们的分析确定了两个主要的时间段，在相关性的行为中具有可区分的特征。在第一阶段，只有城市地区之间出现了一些强相关性。在该流行病的第二阶段，强相关性变得普遍，并且存在从城市到农村地区的明显方向性影响。总体而言，两县之间的距离的影响远远弱于县人口的影响。这种分析可以提供关于疾病演变的可能线索，并可以确定该国哪些地区的干预措施在限制疾病传播方面可能更有效。
2022-11-14 physics.soc-ph q-bio.PE
Management strategies in a SEIR model of COVID 19 community spread
2019年新型冠状病毒感染（COVID 19）是国际关注的持续公共卫生紧急事件。尽管（或可能因为）疫情是前所未有的全球威胁，但我们对COVID 19流行病学、传播动力学、调查工具和管理的了解仍存在重大差距。积极的一面是，目前对流行病过程的了解足以建立数学预测模型。在我们的工作中，我们调整了传统的SEIR流行病模型，以适应COVID 19在年龄异质社区中传播的特定动态分区和流行病参数。我们分析了流行病课程的管理策略（因为它们是通过美国许多州和世界各国的封锁和重新开放程序实施的）;然而，为了更清楚地说明这些想法，我们重点介绍了一个小规模大学城社区的例子，以及纽约州引入控制措施的时间轴。我们在可持续发展的背景下进行预测，并评估这些控制措施（关闭，流动限制，社交距离）的效率。
2020-11-27 physics.soc-ph q-bio.PE
Optimal COVID-19 infection spread under low temperature, dry air, and low UV radiation
由新型冠状病毒SARS-CoV-2引起的COVID-19大流行目前正在全球迅速蔓延，造成多人死亡和严重的经济损失。人们认为，炎热和潮湿的条件不利于新型冠状病毒，但由于与COVID-19数据相关的许多不确定性，这一点仍在争论中。在这里，我们提出了替代数据测试，以检查这种病毒在不同的气候条件下传播的偏好。我们发现，当温度为$\sim$ 10 $^\circ$ C，比湿度为$\sim$ 5 g/kg，紫外线（UV）辐射为$\sim$ 80 kJ/m $^2$时，该疾病显著（高于95%置信水平）更常见。相对湿度的显著性低于95%置信水平，未显示首选值。这些结果得到了全球和区域数据的支持，时间跨度为2020年1月至7月。COVID-19数据包括每日报告的新增病例和每日死亡病例;对于两者，人口规模要么被考虑，要么被忽略。
2020-10-06 physics.med-ph physics.soc-ph q-bio.PE
