Cost Effective Reproduction Number Based Strategies for Reducing Deaths from COVID-19
在流行病学中,有效繁殖数$R_e$被用来表征流行病爆发的增长率。在本文中,我们研究了$R_e$在美国德克萨斯州休斯顿市的COVID-19的改进SEIR模型中的性质,其中人口被分为低风险和高风险亚群。$R_e$的两种类型的控制措施(测试和距离)适用于两个不同的亚群的响应的特点。一个非线性成本模型用于控制措施,包括收益递减的影响。我们提出了三种旨在减少$R_e$的缓解COVID-19的启发式策略,并展示了策略实施成本和死亡人数之间的权衡。我们还考虑了每种策略的两种变体:基本策略,只考虑控制对$R_e$的影响,而不考虑亚群;高风险优先策略,最大限度地控制高风险亚群。结果表明,三种启发式策略类型中,最具成本效益的是为$R_e$设定目标值,并应用足够的控制来实现该目标值。这种启发式的策略,开始与整个人口的严格距离,后来增加测试。最大限度地控制高风险个体的战略比强调降低疾病传播速度的基本战略成本效益低。该模型表明,推迟开始控制措施超过一定的时间点,大大降低了战略的结果。我们的结论是,有效繁殖可以是一个有价值的实时指标,在确定成本效益的控制策略。
2021-04-19 q-bio.PE
A model for COVID-19 and bacterial pneumonia coinfection with community- and hospital-acquired infections
我们提出了一个新的数学模型来研究COVID-19和细菌性肺炎的合并感染动力学。我们的模型包括两种肺炎感染途径,分别对应于社区获得性感染和医院获得性感染。我们证明了平衡点的存在性和局部稳定性取决于三个不同的参数,这三个参数被解释为COVID-19、细菌性肺炎和细菌种群的基本繁殖数。进行了数值模拟以补充我们的理论分析,我们表明,如果COVID-19的基本繁殖数大于1,这两种疾病都可以持续存在。
2022-07-27 q-bio.PE
Mobility-Dependent and Mobility-Compensated Effective Reproduction Number of COVID-19 Viral Variants: New Metric for Infectivity Evaluation
在流行病期间,与传染病相关的有效繁殖数(ERN)的估计是政策制定和医疗资源管理的一个具有挑战性的课题。关于2019冠状病毒病(COVID-19)的主要特征因素仍然存在一个悬而未决的问题,尽管最近基于非线性回归和机器学习的研究表明了流动性。新的病毒变种的出现在大范围流行病中很常见。然而,需要了解新变体的潜在ERN以进行政策修订,包括锁定限制。在这项研究中,我们提出了时间平均流动性在中转站作为替代与ERN使用的数据在日本的三个县。潜伏期和平均移动时间分别为6-8天和6-7天(R2在东京为0.109-0.512,大坂为0.365-0.607,爱知为0.317-0.631)。新加坡和伦敦也证实了同样的线性相关性。α变体的迁移率调整ERN为15%-30%,比大坂,爱知和伦敦的标准型高20%-40%。同样,在大坂和爱知,delta变异的ERN比标准型高20%-40%。建议的度量将是有用的,适当的评价不同的变种的感染性方面的ERN。
2021-11-01 q-bio.PE
A simplified estimate of the Effective Reproduction Number $R_t$ using its relation with the doubling time and application to Italian COVID-19 data
提出了一种计算有效再生数$R_t$的简化方法。该方法将$R_t$的值与采用局部指数拟合进行的倍增时间估计值相关联。条件$R_t = 1$对应于等于零的生长速率或等效地无限倍增时间。不同的假设上的概率分布的生成时间被认为是。一个简单的解析解的情况下,产生时间遵循伽马分布。
2021-04-19 physics.soc-ph q-bio.PE
Improving the Estimation of the COVID-19 Effective Reproduction Number using Nowcasting
随着人与人之间的互动增加,COVID-19爆发的威胁迫在眉睫,并有实施封锁的倾向。在这方面,必须有易于使用的指标供人们参考。确认阳性的基本再现数$R_t$履行了这一作用。本文提出了一种数据驱动的方法,以临近预报$R_t$的基础上,以前的观测的统计行为。随着更多信息的到来,该方法自然会对确认的阳性结果的最终计数变得更加精确。我们的方法的优势在于,它是基于自我报告的症状发作,而不是使用每日报告的计数来推断这个数量的其他方法。我们表明,我们的方法可能是确定有用的跟踪指标的基础。
2021-01-25 physics.soc-ph q-bio.PE
Effects of demographic and weather parameters on COVID-19 basic reproduction number
在没有全面了解可能影响感染传播性的环境因素的情况下,不可能及时预测COVID-19的进展。针对可能影响COVID-19进展的参数的研究依赖于检测到的病例总数和类似代理和/或少量分析因素,包括对显示这些参数范围狭窄的地区的分析。我们在这里应用了一种新的方法,利用COVID-19检测病例数的广泛增长机制。通过将非线性动力学方法应用于指数区域,我们提取基本再生数R 0(即,COVID-19固有生物传播性的衡量标准),适用于118个不同国家在没有社交距离的情况下完全天真的人群。然后,我们使用生物信息学方法系统地收集这些国家的大量人口统计和天气参数数据,并寻求它们与COVID-19传播速度的相关性。除了一些已经报道的趋势之外,我们还展示了一些新颖的结果和那些有助于解决现有争议的结果:不依赖于风速和气压,与降水量呈负相关;与社会发展水平显著正相关(人类发展指数),不论测试政策,和城市人口的百分比,但与人口密度本身无关。我们发现一个强有力的正相关性,酒精消费的可传播性,并没有相关性的难民人数,相反,一些普遍的信念。报告了与健康相关因素的显著趋势,包括对血型〈动〉<动>组的详细分析,显示Rh因子的一致趋势,以及遗传性与胆固醇水平的强正相关性。
2021-03-28 q-bio.PE
Monitoring the spread of COVID-19 by estimating reproduction numbers over time
为了控制目前2019年冠状病毒病的爆发,需要对疫情进行持续监测,因为截至目前,还没有针对它的疫苗或抗病毒药物。我们在https://stochastik-tu-ilmenau.github.io/COVID-19/上提供每日更新的繁殖数量估计。在本文中,我们描述了我们正在使用的估计量,该估计量是在(Fraser 2007)中开发的,推导出其渐近性质,并详细介绍了其实现。此外,我们验证了模拟数据上的估计,证明了真实数据上的估计导致合理的结果,并进行了敏感性分析。最后,我们讨论了为什么获得的估计需要小心解释。
2020-04-18 q-bio.PE stat.AP stat.ME
A time series method to analyze incidence pattern and estimate reproduction number of COVID-19
2019年底,中国武汉爆发了持续的冠状病毒病(COVID-19)大流行。它已经影响了30多万人,全球死亡人数接近13000人。由于它对全球公共卫生构成巨大威胁,因此确定该疾病的传播速度至关重要。在这项研究中,我们提出了一个时间序列模型来分析COVID-19疫情发生率的趋势模式。我们还将有关全面或部分封锁的信息(如有)纳入模型中。该模型结构简洁,并使用适当的诊断措施,我们表明,一个时间依赖的二次趋势成功地捕捉疾病的发病率模式。我们还估计了不同国家的基本再生产数,发现除了美国之外,其他国家的基本再生产数是一致的。上述统计分析有助于了解疫情的发展趋势,并有助于了解一个地区所处的流行病学阶段。这有可能有助于促进不同国家应对COVID-19疫情的政策。
2020-03-24 q-bio.PE stat.AP
Accounting for Symptomatic and Asymptomatic in a SEIR-type model of COVID-19
开发了一个数学模型,描述COVID-19病毒在人群中的动态,考虑到感染者可能有症状或没有症状。该模型使用来自法国、菲律宾、意大利、西班牙、英国、中国和美国等几个国家的确诊病例和死亡数据进行了校准。首先,我们推导出基本再生产数$\mathcal{R}_0$,并估计每个国家的有效再生产$\mathcal{R}_{\rm eff}$。第二,我们感兴趣的是干预措施的优点,无论是通过疏远还是通过治疗。结果显示,全面和部分遏制是有效的,在减少传播。然而,它的持续时间可能很长,以消除疾病(法国为104天)。通过将干预结束日期设定为达到医院容量的日期,数值模拟表明,可以缩短干预持续时间(如果容量为1 000名患者,则法国最多只需39天)。此外,结果指出,有效的繁殖数量仍然很大,遏制后。因此,检测和隔离是阻止疾病的必要条件。
2020-04-12 q-bio.PE
Study on the effects of the restrictive measures for containment of the COVID-19 pandemic on the reproduction number $R_t$ in Italian regions
自2020年11月6日$^{\mathrm{th}}$以来,意大利各地区已根据四个级别进行了分类,对应于特定的风险情景,并已预见了具体的限制性措施。通过分析繁殖数$R_t$的时间演变,我们估计了不同的限制性措施对$R_t$的影响程度,并量化了病毒变异体扩散和疫苗接种活动开始对$R_t$趋势的综合影响。我们还计算了限制性措施的实施与产生的影响之间的时间延迟。三种不同的模型来描述限制性措施的影响进行了讨论,并与两种不同的算法的计算$R_t$的结果进行了交叉检查。
2021-07-22 physics.soc-ph q-bio.PE
A new estimation method for COVID-19 time-varying reproduction number using active cases
我们提出了一种新的方法来估计新型冠状病毒病(COVID-19)的时变有效(或瞬时)繁殖数。该方法是基于离散时间随机增广的房室模型,描述了病毒的传播。一个两阶段的估计方法,它结合了扩展卡尔曼滤波器(EKF),估计报告的状态变量(活动和删除的情况下)和一个低通滤波器的基础上合理的传递函数,以消除短期波动的报告的情况下,使用的情况下,假设遵循高斯分布的不确定性。我们的方法不需要关于序列间隔的信息,这使得估计过程更简单,而不会降低估计的质量。我们表明,所提出的方法是比较常见的方法,例如,基于年龄结构和新病例的序贯贝叶斯模型。我们还将其应用于斯堪的纳维亚国家的COVID-19病例:丹麦,瑞典和挪威,这些国家的阳性率低于世卫组织建议的5%。
2022-04-26 q-bio.PE q-bio.QM
The early phase of the COVID-19 outbreak in Lombardy, Italy
2020年2月20日晚,意大利伦巴第大区确诊首例新型冠状病毒病(COVID-19)病例。在接下来的一周里,伦巴第的病例数量迅速增加。我们分析了首批5,830例实验室确诊病例,以提供西方国家COVID-19疫情的首个流行病学特征。通过对确诊病例及其密切接触者的标准化访谈收集流行病学资料。我们收集了人口统计学背景、症状发作日期、临床特征、呼吸道标本结果、住院情况、接触者追踪。我们提供了估计的再生数和序列间隔。意大利的疫情开始时间远早于2020年2月20日。在发现首例COVID-19病例时,疫情已经在南伦巴第大区的大部分城市蔓延。病例的中位年龄为69岁(范围为1个月至101岁)。47%的阳性受试者住院治疗。其中,18%需要特别护理。平均连续间隔估计为6.6天(95% CI,0.7 - 19)。我们估计基本繁殖数为3.1(95% CI,2.9至3.2)。我们估计,从2020年2月20日左右开始,净繁殖数量呈下降趋势。我们没有观察到有症状和无症状的鼻拭子中的病毒载量有显著差异。COVID-19的传播潜力非常高,危重病例的数量在很短的时间内可能对医疗系统造成不可持续的影响。我们观察到生殖数量略有下降,可能与人口意识的提高和干预措施的早期效果有关。为控制COVID-19的传播和医疗系统的灾难性后果,需要采取积极的遏制策略。
2020-03-20 q-bio.PE
COVID-19: Nowcasting Reproduction Factors Using Biased Case Testing Data
及时估计COVID-19复制因子$R$的当前值已成为为管理策略提供信息的主要目标。$R$是政策制定者在设定缓解水平时使用的一个重要衡量标准,对于准确模拟疫情进展也很重要。本文简要介绍了一种从有偏测试数据中估计$R$的方法。使用测试数据,而不是住院或死亡数据,提供了症状进展量表的早期指标。这在抗击传染病的指数性质时非常重要。我们开发了一个实用的估计量,并将其应用于苏格兰案例测试数据,以推断$0.74$的当前(2020年5月20日)$R$值,$95\%$置信区间为$[0.48 - 0.86]$。
2020-05-25 physics.med-ph physics.soc-ph q-bio.PE
COVID-19 reproduction number estimated from SEIR model: association with people's mobility in 2020
本文是在世界范围内对两个流行病学问题的探索性研究。疾病传播的速度有多快?对人们的限制(特别是行动限制)是否带来了预期的效果?为了回答第一个问题,我们提出了一个工具,估计再现数的流行病(继发感染的数量$R_t$)的SEIR模型的基础上,并将其与非模型$R_t$估计。为了衡量不同国家COVID-19的$R_t$,从约翰霍普金斯大学系统科学与工程中心(CSSE)检索了冠状病毒感染、康复和死亡的每日病例的实时数据。为评估2020年COVID-19疫情期间流动限制措施的有效性,我们列出了$R_t$与人们流动性之间的相关性(基于Apple流动性指数)。考虑了12个国家的相关性,其中大多数国家的相关性为负。这表明在实施流动限制方面出现了延迟--各国实施这些限制是为了应对新冠肺炎病例的增长,而不是为了预防。
2021-08-27 cs.SI physics.soc-ph q-bio.PE
COVID-19: The extraction of the effective reproduction number from the time series of new cases
这项工作涉及五种流行算法的性能,旨在根据新确诊病例的时间序列评估COVID-19疾病的传播动态。该试验基于通过确定性房室流行病学模型\cite{Matsinos2020a}产生的模拟数据,该模型在本文中也适用于包括恢复(或接种)受试者组丧失免疫力的可能性。假设有效再生产数量的简单时间依赖性(就本工作的结论而言,确切的细节无关紧要),在2021年1月1日之前,在近一年的时间域中,生成了五个累计感染数量排名靠前的国家的新病例的时间序列。这些国家是(按感染降序排列):美利坚合众国、印度、巴西、俄罗斯和英国。每个模拟的时间序列的处理导致建立的输入(实际)和重建的值之间的关系,为每个国家和算法,分别;这项工作认为,所有五种算法低估了有效的再生数时,后者超过了$1$的临界值。随后,将这五种算法应用于上述五个国家新发病例的真实时间序列,时间间隔也接近一年;获得了这些国家2020年的有效生殖数的校正值。
2021-05-07 physics.soc-ph q-bio.PE
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
Homeostatic behavioural response to COVID-19 infections returns R to a set-point of 1
2019冠状病毒病大流行中的一个明显行为方面是人们对社区报告或观察到的感染人数的关注和反应。我们描述了一个简单的传染病传播模型,在大流行的情况下,人们的行为受到当前感染风险的影响,这种行为反应的行为稳态返回感染风险到一定的首选水平。该模型预测繁殖率$R$将集中在中值1附近,并且新感染数量的相对变化的相关度量将遵循标准柯西分布。对全球COVID-19数据的分析显示,估计的繁殖率中位数为1,并且从报告的新感染人数计算的相对变化的这一指标在总体和单个国家层面上都严格遵循标准柯西分布。
2022-02-23 q-bio.PE
Control Efficacy on COVID-19
我们提出了一个Monte-Carlo方法来估计时间再生数没有完整的信息,所有情况下的症状发作。省一级的分析显示,中国对COVID-19的控制措施取得了巨大成功,即各省的生育数在采取行动后仅一周就迅速降至<1。
2020-02-29 physics.data-an physics.soc-ph q-bio.PE
Covid-19 spread: Reproduction of data and prediction using a SIR model on Euclidean network
我们研究了中国COVID-19疫情的累积和每日病例数数据。累积数据可以拟合到从先前在欧几里德网络上研究的易感-感染-去除(SIR)模型获得的经验形式。绘制的情况下,从中国和意大利的震中距离的数量,我们发现一个近似的幂律变化与指数$\sim 1.85$强烈显示空间依赖性起着关键作用,模型中包含的一个因素。我们在这里报告说,SIR模型的Eucledean网络可以重现与高精度的数据,为中国给定的参数值,也可以预测,当流行病,至少在当地,可以预期结束。
2020-03-16 cond-mat.stat-mech physics.soc-ph q-bio.PE
Analyzing the World-Wide Impact of Public Health Interventions on the Transmission Dynamics of COVID-19
我们分析了COVID-19的繁殖数R在公共卫生干预措施下的变化。我们的研究结果表明,中国采取的公共卫生措施将R从1月的1.5降至2020年3月中旬的0.4。然而,他们也提出了隔离、检疫和大规模限制旅行的局限性。虽然随着中国实施广泛的公共卫生措施,全球范围内的生殖数短暂降至1以下,但病毒传入其他国家迅速导致全球平均R值上升。在意大利,继中国之后受影响最严重的国家,社交距离措施使当地的R值从3.71降至2.51。尽管如此,意大利的R值仍保持在远高于1的水平,允许持续传播。截至2020年3月中旬,由于COVID-19在没有广泛公共卫生干预措施的地区蔓延,全球范围内的R值上升至与1月下旬相似的水平。
2020-04-03 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
Estimation of time-varying reproduction numbers underlying epidemiological processes: a new statistical tool for the COVID-19 pandemic
新型冠状病毒大流行已迅速演变成一场前所未有的危机。无传染性移除(SIR)模型及其变体已被用于对大流行进行建模。然而,在经典模型中的时间无关的参数可能无法捕捉到动态的传播和清除过程,由病毒遏制策略采取的流行病的各个阶段。此外,很少有模型能够解释报告案例中可能存在的不准确之处。我们提出了一个泊松模型与时间相关的传输和清除率,以考虑可能的随机错误报告和估计时间相关的疾病繁殖数,这可能是用来评估病毒控制策略的有效性。我们应用我们的方法研究了几个受影响严重的国家的大流行,并分析和预测了冠状病毒的传播。我们已经开发了一个互动的网络应用程序,以方便读者使用我们的方法。
2020-07-14 q-bio.PE stat.CO stat.ME
The impact of undetected cases on tracking epidemics: the case of COVID-19
用于跟踪传染病演变的关键指标之一是繁殖数。这一数量通常是使用已确认的病例数计算的,但忽略了可能有更多的人被感染(例如,渐近)。我们提出了一个统计程序,以量化的影响,未检测到的传染病病例的有效繁殖数的确定。我们的方法是随机的,数据驱动的,不依赖于任何分隔模型。它被应用于8个不同国家和所有意大利地区的COVID-19病例,表明未被发现的病例的影响导致有效繁殖数量的估计值比仅报告病例获得的估计值大2到10倍。我们的研究结果敦促谨慎决定何时以及如何根据繁殖数量的值放松遏制措施。
2020-05-13 q-bio.PE q-bio.QM stat.AP
Statistical methods used to combine the effective reproduction number, R(t), and other related measures of COVID-19 in the UK
在最近的COVID-19大流行中,广泛的流行病学建模方法被用于预测有效繁殖数R(t)和其他COVID-19相关指标,如每日指数增长率r(t)。这些候选模型使用不同的建模方法或关于空间或年龄混合的不同假设,有些模型捕捉到了对疾病动态的科学理解中真正的不确定性。使用适当的统计方法学从多个候选模型中组合估计值对于更好地理解这些结果测量的变化以帮助为决策提供信息非常重要。在本文中,我们结合这些估计为特定的英国国家和地区使用随机效应荟萃分析技术,利用限制极大似然法(REML)估计的异质性方差参数,和两种方法来计算联合估计的置信区间:标准的Wald型区间;和Knapp和Hartung(KNHA)的方法。由于这一背景下的估计数是使用模型预测得出的,每个模型预测的不确定性程度不同,因此与更标准的逆方差加权相比,更倾向于采用相等的加权,以避免可能对提供不确定性程度较低的估计数的模型进行加权,因为这些模型没有充分考虑到固有的不确定性。利用这些荟萃分析技术,可以计算关键COVID-19结果指标的统计学稳健的综合估计。这反过来又可以根据所有可用信息做出及时和明智的决策。
2021-08-12 physics.soc-ph q-bio.PE stat.AP
Mathematical Modeling of COVID-19 Transmission Dynamics with a Case Study of Wuhan
我们提出了一个COVID-19疾病传播的房室数学模型,特别关注超级传播者个体的传播率。我们计算了基本再生数阈值,研究了无病平衡点在基本再生数下的局部稳定性,并研究了模型对每个参数变化的敏感性.数值模拟显示了所提出的COVID-19模型对中国武汉爆发的适用性。
2020-04-22 physics.soc-ph q-bio.PE
Estimating the course of the COVID-19 pandemic in Germany via spline-based hierarchical modelling of death counts
有效繁殖数是监控COVID-19疫情进程的关键数据。在这项研究中,我们考虑了一个回顾性的建模方法,估计有效的繁殖数量的基础上,在德国的大流行的第一年的死亡人数。拟议的贝叶斯分层模型采用样条来估计随着时间的推移灵活的繁殖数量,同时调整不同的有效感染死亡率。该方法还提供了一段时间内未被发现的感染的黑暗数字的估计。德国的结果表明,根据死亡人数估计的生殖数量往往类似于根据确诊病例的经典估计。然而,考虑到死亡人数被证明对检测政策的变化更为稳健:在第二波感染期间,对繁殖数量的经典估计表明,在2020年11月的“封锁灯”之后,感染人数呈平稳/下降趋势,而我们的结果表明,真实感染人数持续上升,直到2020年12月的“第二次封锁”。这一观察结果与与“锁定灯”同时引入的更严格的测试标准有关,这反映在我们的模型估计的随后增加的感染黑暗数字中。这些发现表明,回顾性观点可以提供有关大流行过程的更多见解。考虑到逐步接种疫苗,将重点从模拟确诊病例转移到报告的死亡病例,并有可能纳入有效的感染死亡率,这可能对未来的大流行监测越来越重要。
2021-09-06 q-bio.PE stat.AP
A Mathematical Model of Transmission Dynamics of SARS-Cov-2 (Covid-19) with an Underlying Condition of Diabetes
众所周知,糖尿病患者更有可能因COVID-19而出现严重并发症。非洲地区近五分之一的COVID-19死亡与糖尿病有关。世界卫生组织(WHO)发现,非洲18.3%的COVID-19死亡病例是糖尿病患者。在本文中,我们制定和分析了一个确定型糖尿病- COVID-19的数学协方差模型。探讨了模型的基本性质。研究了基本再生数、平衡点和平衡点的稳定性。对模型进行了敏感性分析,确定了模型参数对模型基本再生数的影响。该模型存在唯一的地方病平衡点,当R_0>1时,平衡点是稳定的。在模型中加入了与时间有关的最佳控制措施,其唯一目的是确定减少疾病传播的最佳战略。加纳2020年3月至9月的COVID-19病例用于验证模型。数值模拟的结果表明,当受感染的个体具有糖尿病的潜在状况时,更多的个体死亡。更重要的是,COVID-19在加纳流行,基本繁殖数为R_0=1.4722。最佳控制模型的数值模拟显示,封锁控制使易感个体的衰减率降至最低,而疫苗接种则导致多名易感个体对COVID-19感染产生免疫力。由于COVID-19感染人数大幅减少,两项预防控制措施均有效遏制COVID-19疾病的传播。我们的结论是,应该更多地关注患有糖尿病基础疾病的COVID-19患者,因为该人群的死亡可能性显着更高。
2022-04-20 q-bio.PE
Reproduction number of SARS-CoV-2 Omicron variants, China, December 2022-January 2023
中国于2022年底调整零冠状病毒策略,引发前所未有的Omicron浪潮。我们估计了2022年12月至2023年1月32个省级行政区划的时变再生产数量。我们发现初始繁殖数的合并估计值为4.74(95%CI:4.41,5.07)。
2023-03-19 cs.SI q-bio.PE
Phenomenological analysis of the 2020 COVID-19 outbreak dynamics
在COVID-19病毒爆发后,对不同国家之间的疾病传播动态进行了简要的现象学(描述性,比较性)分析。结果表明,感染传播动态目前在美国最明显(确诊病例目前每2.16天翻一番,翻一番时间呈下降趋势),而确诊病例最多的其他国家显示出不同的值和趋势。目前,德国报告的死亡人数每2.28天翻一番,法国为2.56天,瑞士为2.57天,法国为2.59天,美国为2.62天,而目前只有法国和美国表现出进一步加速(加倍时间减少)。
2020-03-24 q-bio.PE
The Role of Quarantine and Isolation in Controlling COVID-19 Hospitalization in Oman
本研究构建COVID-19动力学数学模型,结合阿曼2020年无疫苗时期的疫情数据校准参数,分析模型稳定性与再生数,通过敏感性分析和数值模拟评估检疫、隔离等非药物干预对住院病例的控制效果。
2023-05-03 q-bio.PE
The SIR model towards he data. One year of Covid-19 pandemic in Italy case study and plausible "real" numbers
In this work, the SIR epidemiological model is reformulated so to highlight the important { \em effective reproduction number}, as well as to account for the { \em generation time}, inverse of the { \em incidence rate}, and the { \em infectious period} (or { \em removal period}), inverse of the { \em removal rate}. The aim is to check whether the relationships the model poses among the various observables are actually found in the data. The study case of the second through the third wave of the Covid-19 pandemic in Italy is taken. Given its scale invariance, initially the model is tested with …
2021-07-25 q-bio.PE
The impact of a nation-wide lockdown on COVID-19 transmissibility in Italy
2020年3月10日,意大利实施全国封锁,以遏制COVID-19的传播。在此,我们估计,在实施该战略14天后,净繁殖数量已降至流行阈值以下-估计范围为0.4-0.7。我们的调查结果提供了实施封锁有效性的时间轴,这对于大量效仿意大利实施类似措施的国家来说是相关的。
2020-04-26 q-bio.PE
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
Future of COVID-19 in Italy: A mathematical perspective
我们提出了一个SEIR分室数学模型。这项研究的主要目的是分析和预测意大利未来几个月的大流行。计算了基本再生数。根据意大利目前的情况,本文将估计该国大流行结束的可能时间。本报告亦讨论了封锁和快速隔离对疫情传播的影响。此外,我们还研究了意大利受大流行影响最严重的四个地区。使用所提出的模型,预测已在这些地区的大流行的持续时间。还研究了模型敏感参数对应的基本再生数的变化。
2020-04-18 math.DS 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
Did the lockdown curb the spread of COVID-19 infection rate in India: A data-driven analysis
为了分析印度连续三次全国封锁的效果,我们对四个关键参数进行了数据驱动分析,即降低传播率,抑制增长率,平坦化流行曲线和改善医疗保健系统。通过考虑四个不同的指标,即繁殖率、生长率、倍增时间和死亡与恢复比率,对这些指标进行了量化。本集团利用指数增长、最大似然估计、序贯贝叶斯方法及时间依赖性繁殖估计,分析印度COVID-19疫情(于二零二零年三月二日至二零二零年五月三十一日期间)的发病率数据,以获得与疫情曲线的最佳拟合。最佳拟合(基于所考虑的数据)是时间依赖性方法。因此,该方法用于评估对有效繁殖率的影响。从封锁前到封锁3结束的时间段,有效繁殖率下降了$45\%$。在同一时期,生长速率从锁定前的$393\%$降低至锁定3后的$33\%$,伴随着平均倍增时间从$4$ - $6$天增加至$12$ - $14$天。最后,死亡与康复比率从$0.28$(封锁前)下降到封锁3后的$0.08$。总括而言,评估封城措施成效的四项指标自封城措施前至封城措施三结束期间均出现重大有利变化。使用这些指标分析封锁后期间的数据将更清楚地说明封锁的成功程度。
2020-06-22 physics.soc-ph q-bio.PE
An Epidemic Model SIPHERD and its application for prediction of the spread of COVID-19 infection for India and USA
Vellore Institute of Technology(维洛尔理工学院);Visvesvaraya National Institute of Technology(维斯瓦萨瓦亚国家理工学院)
本研究提出考虑三类感染携带者、传播率与封控社交疏离相关、检测率与日检测量相关的SIPHERD流行病模型,经德韩疫情验证后用于预测印美不同封控检测条件下的新冠传播。
2020-05-11 q-bio.PE
Can Efficient Detection and Isolation Control an Epidemic?
世界卫生组织(世卫组织)强烈建议将检测和隔离作为控制持续的COVID-19大流行的策略。本文的目标是量化的影响,检测和隔离的正式模型的流行病的不同复杂性。这种模式的一个关键参数是基本再生产率。我们发现,一个有效的检测和隔离策略,导致基本的再生比的减少,甚至可以导致这个比例变得低于一。
2020-06-08 q-bio.PE
Calculation of a local COVID-19 reproduction number for the northern Rhineland-Palatinate
自2020年3月冠状病毒大流行开始以来,除了每日感染数字(新感染和总感染)外,德国还指定了描述疾病传播的各种参数,这些参数也用于政治决策。除了超额死亡率和每周发病率外,还包括倍增时间$T_2$和繁殖数$R_t$。关于后者,可以在罗伯特-科赫研究所的网站上找到各种估计数,见\cite{EstR:RKI},这些估计数是根据德国全国的病例数计算出来的;这里不考虑地方差异。在本文中,RKI在地方一级的计算检查使用北莱茵兰-普法尔茨州及其地区的例子。此处,不是报告日期而是疾病发作用作计算$R_t$的参考。对于发病时间未知的病例,首先将调整后的广义极值分布拟合到报告延迟(发病时间与报告日期之间的差异)可用的数据,并检查进一步的特征,如当地和人口统计学差异。GEV分布用于计算不完整数据点的报告延迟。对2月底至10月底期间每日$R_t$值的计算表明,与全国数字相比,生殖率的变化趋势相似。预计在夏季观察到较大的统计波动,主要是由于病例数较低。自9月中旬以来,莱茵兰-普法尔茨北部的数值一直高于$1$。计算也可以转移到其他地区和行政区。
2020-11-17 physics.soc-ph q-bio.PE
Modeling the Epidemic Outbreak and Dynamics of COVID-19 in Croatia
该文件涉及在克罗地亚共和国的封闭领土上由2019年冠状病毒病(COVID-19)引起的持续流行病的建模。利用官方公布的确诊感染者、康复者和死亡者的数量,建立了改进的SEIR房室模型来描述流行病的基本动态。拟合的修正SEIR模型提供了对近期疾病进展的预测,考虑到克罗地亚卫生部在2月25日COVID-19传播开始时对感染者和高危人群采取的社交距离和隔离等严格控制干预措施。假设所提供的数据的准确性和令人满意的代表性的模型使用,基本再生数的推导。所取得的成果说明了潜在的积极发展,并证明卫生部采取的严格预防措施是合理的。
2020-05-04 q-bio.PE
Increasing situational awareness through nowcasting of the reproduction number
本文提出基于监测数据库连续版本比较的再生数 R 临近预报方法,并在意大利18个月 COVID-19 数据上验证,可缩短估计延迟并提前发现疫情增长。
2023-09-26 q-bio.PE
Dynamic Systems Framework for Modeling COVID-19 with Lévy Noise
本研究提出一个含Lévy噪声的SIR模型,分析其动态与随机解,推导基本再生数,数值模拟表明再生数小于1时疫情消散,大于1时控制困难。
2024-12-16 math.DS 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
Non-parametric model-based estimation of the effective reproduction number for SARS-CoV-2
病毒爆发,例如当前的COVID-19大流行,通常通过常微分方程(ODE)系统的房室模型来描述。这些ODE模型的参数值通常是未知的,需要根据可访问的数据进行估计。为了描述具有强烈变化情况的现实流行病情景,需要假设这些模型参数是时间依赖的。虽然对于时间常数参数的典型情况的参数估计不会造成更大的问题,但是时间相关参数的确定,例如~房室模型的转换速率仍然是众所周知的困难,特别是因为这些时间相关参数的函数类是未知的。在这项工作中,我们提出了一种新的方法,利用增广卡尔曼平滑结合期望最大化算法,同时估计所有的时间依赖性参数的SIRD房室模型。这种方法只需要发病率数据,但没有先验知识的模型参数或任何进一步的假设的函数类的时间依赖性。与其他方法的时间依赖的再生数的估计相比,不需要对参数化的序列间隔分布的假设。通过这种方法,我们能够充分描述德国的COVID-19数据,并给出基于非参数模型的有效繁殖数量的时间过程估计。
2021-11-18 physics.data-an q-bio.PE
Neural Network aided quarantine control model estimation of COVID spread in Wuhan, China
从2020年1月24日起,中国在武汉这个拥有1000多万人口的城市实施了检疫和隔离限制,这是公共卫生史上前所未有的举措。这就提出了一个问题:大规模检疫和隔离除了作为医疗工具的科学用途外,作为一种社会工具是否有效?为了解决这一问题,我们使用流行病学模型驱动的方法,通过机器学习增强,证明了在武汉实施的检疫和隔离措施在中国武汉实施检疫控制措施后的一个月内将COVID-19传播的有效繁殖数R(t)从R(t)> 1降至R(t)<1。这最终导致了武汉感染病例数的停滞阶段。我们的研究结果表明,在武汉实施的严格的公共卫生政策可能在阻止感染传播方面发挥了至关重要的作用,这些措施可能应该在其他受影响严重的国家实施,如韩国,意大利和伊朗,以遏制疾病的传播。最后,我们的预测结果预测,到2020年3月底,武汉实施的检疫控制措施将出现停滞;这将导致有效繁殖数随后在R(t)<1时出现停滞。我们警告,武汉立即放松隔离措施可能导致感染传播复发,随后有效繁殖数增加至R(t)>1。因此,在经过足够的时间后放松检疫措施可能是明智的,在此期间,最大限度地恢复了被隔离/隔离的个体。
2020-03-18 physics.bio-ph q-bio.PE
How many can you infect? Simple (and naive) methods of estimating the reproduction number
这是一篇关于估计在流行病爆发期间一个传染病患者可以感染的人数的教学论文,称为繁殖数。了解这一数字对于制定应对政策至关重要。通常有两种类型的这种数,即,基本的和有效的(或即时的)。基本繁殖数是指在所有个体都易感的群体中,一个病例直接产生的平均预期病例数,而有效繁殖数是指在群体的当前状态下产生的病例数。在本文中,我们利用确定性的易受感染的删除(SIR)模型估计他们通过三种不同的数值近似。我们将该方法应用于意大利的COVID-19大流行,以深入了解该国的疾病传播情况。我们看到,全国封锁在减缓疾病指数增长方面的效果在实施日期后约两周出现。我们还讨论了该领域研究人员对简单(和天真)方法的改进。本文的作者是SimcovID(Simulasi dan Pemodelan COVID-19 Indonesia)合作的成员。
2020-06-28 physics.soc-ph q-bio.PE q-bio.QM
Socio-economic disparities and COVID-19 in the USA
COVID-19不是一个普遍的杀手。我们研究了截至2020年8月的第15个$^{th}$,美国县级COVID-19的传播情况。我们发现,疾病的流行率和死亡率与当地的社会经济条件往往超出地方种群的密度分布,特别是在农村地区。我们将COVID-19的患病率和死亡率与美国人口普查局的数据相关联,并指出该疾病的传播模式如何分别在城市和农村地区显示出不对称性,并优先影响大部分人口为非白人的县。我们的研究结果可以用于更有针对性的政策建设和资源部署,以应对未来由SARS-CoV-2引起的大流行。我们的方法基于可解释的机器学习和博弈论,可以扩展到研究其他疾病的传播。
2021-06-30 physics.soc-ph q-bio.PE
Transmission Dynamics of COVID-19 Pandemic Non-pharmaceutical Interventions and Vaccination
非药物干预(NPI)在COVID-19大流行的早期控制中发挥重要作用。疫苗接种被认为是阻止SARS-CoV-2传播的必然途径。在此基础上,建立了一个带有NPI和疫苗接种的SVEIR模型.利用基本再生数$R_{0}$,证明了当$\mathscr{R}_{0}<1$时,无病均衡是全局吸引的,当$\mathscr{R}_{0}>1$时,COVID-19是一致持续的。以印度日期为例进行了数值模拟,发现我们的动力学结果与统计数据吻合得很好。因此,我们预测COVID-19疫情在印度的蔓延趋势。此外,我们的研究结果表明,提高NPI的强度将大大减少确诊病例的数量。特别是在疫苗效率相对较低的情况下,即使所有人都接种了疫苗,NPI也是必不可少的。通过模拟基本繁殖数$\mathscr{R}_{0}$、接种率和疫苗效力之间的关系,发现当疫苗效力低于$76.9\%$时,没有NPI就不可能实现群体免疫。因此,群体免疫区是由疫苗接种率和疫苗效力之间关系的演变来定义的。在对两个补丁的研究中,我们给出了印度和中国通航的条件。此外,印度和中国之间的人口的适当分散。讨论结束了论文。
2021-07-07 math.DS q-bio.PE
COVID-19 mortality prediction: A case study for İstanbul
在本文中,我们使用SEIR方程对伊斯坦布尔因COVID-19死亡的人数进行预测。使用超额死亡率方法,我们找到了2020年和2021年前三波的死亡人数。我们表明,我们的模型的预测是一致的道德数量为每个波。此外,我们预测了2021年第二波死亡人数。我们还扩展了我们的分析,德国,意大利和土耳其比较伊斯坦布尔的基本再现数$R_0$。最后,我们计算了伊斯坦布尔的群体免疫感染人数。
2022-01-23 q-bio.PE stat.AP
Early Indicators of COVID-19 Spread Risk Using Digital Trace Data of Population Activities
COVID-19等大流行病的传播与人类活动密切相关。本文的目的是根据从数字跟踪数据中获得的人类活动模式,在疫情爆发的初始阶段,指定和检查城市疾病传播风险的早期指标。在这项研究中,维纳布尔斯距离(D_v)和活动密度(D_a)被用来量化和评估美国193个县的人类活动,这些县截至2020年3月31日的累计确诊病例数超过100例。Venables距离提供了一个衡量人类活动聚集程度的指标,该指标基于一个城市或一个县的人类活动平均距离(距离越小,接触风险越大)。活动密度是衡量一个县或一个城市的总体活动水平的一个指标(更多的活动可能导致更大的风险)。据此,本文采用皮尔逊相关分析来检验这两个人类活动指标与未来几周的基本生殖数之间的关系。结果表明,各县的人类活动指标与基本再生产数之间存在显著的相关性,两者之间存在显著的主从关系(时滞)。结果还表明,活动指标的变化与基本繁殖数的下降之间有一至两周的滞后。这一结果意味着人类活动指标在疫情爆发的早期阶段为大流行的传播风险提供了有效的早期指标。因此,当局可利用这些结果,主动监测每日Venables距离和活动密度,以主动评估疾病传播的风险。
2020-09-20 physics.soc-ph q-bio.PE
A study of COVID-19 data from African countries
COVID-19是一种新的大流行性疾病,几乎影响到每个国家,对社会生活和经济活动产生负面影响。全球感染和死亡患者人数继续增加。数学模型可以帮助制定更好的战略来遏制大流行。考虑到非洲各国政府采取的多种措施和具有挑战性的社会经济因素,简单的模型无法拟合数据。我们研究了COVID-19在选定非洲国家的动态演变。我们为每个研究的国家得出了一个与时间相关的繁殖数,以进一步了解COVID-19在非洲的传播情况。
2021-04-06 physics.soc-ph q-bio.PE
Change points in the spread of COVID-19 question the effectiveness of nonpharmaceutical interventions in Germany
目的:针对SARS-CoV-2在德国传播的非药物干预措施包括取消群众活动(从3月8日起),关闭学校和儿童日托设施(从3月16日起)以及“封锁”(从3月23日起)。这项研究试图评估这些干预措施的有效性,揭示其对感染的影响随着时间的推移。方法:感染日期估计从德国官方病例数据,结合潜伏期和经验报告延迟。指数增长模型的感染和繁殖数量进行了估计和调查方面的变化点的时间序列。结果如下:3月8日(CI [7,9])、3月10日(CI [9,11])和3月3日(CI [2,4]),日感染数、累积感染数和繁殖数均显著下降。3月底进一步下降和稳定。4月19日新发感染也有一个变化点(CI [18,20]),但每日感染仍呈现负增长。从3月19日(CI [18,20])开始,繁殖数在低于1的水平上波动。结论:2020年3月初的感染下降可归因于相对较小的干预措施和自愿的行为改变。后来的干预措施的额外影响无法清楚地检测出来。措施的自由化并没有导致感染人数再次增加。因此,大多数德国干预措施的有效性仍然值得怀疑。此外,干预措施的评估受到真实感染日期的估计和测试量的影响的阻碍。
2020-07-06 physics.soc-ph q-bio.PE
A New Compartmental Epidemiological Model for COVID-19 with a Case Study of Portugal
我们提出了COVID-19疾病传播的分区数学模型,显示其对葡萄牙大流行的有用性,从该国的第一例记录病例到三个紧急状态结束。新的成果包括房室模型,描述了一个系统的七个常微分方程;证明的积极性和有界的解决方案;调查的平衡点和稳定性分析;计算的基本再生数;和数值模拟与官方的真实数据从葡萄牙卫生当局。除了全新之外,所提出的模型还可以很好地描述COVID-19在葡萄牙的传播,不仅可以同时拟合活跃感染者的数量,还可以同时拟合住院患者的数量,相对于初始人群,$L^2$误差分别为$9.2152e-04$和$1.6136e-04$。这样的结果是非常重要的,从实用的角度来看,从数学的角度来看,远非微不足道。此外,所获得的基本再生产数的值与葡萄牙当局在紧急状态结束时给出的值一致。
2020-11-17 physics.soc-ph q-bio.PE
Is a COVID19 Quarantine Justified in Chile or USA Right Now?
在当前COVID-19大流行期间,必须发出早期预警以降低死亡率。然而,非专家,如当局和普通民众面临着几个问题,以了解这种流行病的真正线索,低估/高估其风险是一个司空见惯的新闻和社交媒体。在这里,我们定义了一个指数,我们称之为COVID-19负担指数,它与特定国家医疗保健系统治疗重症和危重病例的能力相关。如果医疗系统中没有额外的压力,它的值为0,当崩溃迫在眉睫时,它达到1.0。截至2020年3月23日,我们表明,智利,美国,英国等国家必须立即降低感染率,否则,在不到7天的时间内,他们可能会陷入意大利,西班牙和伊朗等灾难性局势。
2020-03-24 physics.med-ph physics.soc-ph q-bio.PE