Tracking the national and regional COVID-19 epidemic status in the UK using directed Principal Component Analysis
监测正在进行的大流行的困难之一是，当有多个相互关联的测量值可用时，决定最能描述其状态的指标。采用一个单一的衡量标准，如有效繁殖数R，是一个简单而有用的衡量标准，可用于跟踪这一流行病，并在R >1时实施政策干预，以遏制这一增长。虽然R在完全易感人群中很容易解释，但对于具有异质性先前免疫力的人群，解释起来就更困难了，例如，疫苗接种和既往感染。我们提出了一个额外的度量跟踪英国的流行病，可以捕捉不同的空间尺度。这些是来自加权主成分分析的主要分数（PC）。在本文中，我们在英国的四个国家和前两个流行波（2020年1月至2021年3月）中使用了该方法，以表明国家和流行波的第一个主要得分是大流行状态的代表性指标，并与R的趋势相关。住院情况具有一致的代表性，但是，精确的主导指标，即分析的主要负荷，在地理上和各流行波之间可能有所不同。
2022-03-10 stat.AP
Probabilistic and mean-field model of COVID-19 epidemics with user mobility and contact tracing
我们提出了一个详细的COVID-19流行病的离散时间模型，分为两种类型，平均场和概率。其主要贡献在于对基本模型的若干扩展，这些扩展体现了㈠用户的流动性-将路线（即居住地变更）与通勤（即日常流动性）区分开来-以及㈡接触者追踪程序。我们面对这个模型的公共数据的日常住院治疗，并讨论其应用以及基本的估计程序。
2020-09-11 stat.AP stat.ME
A stochastic SIR model for the analysis of the COVID-19 Italian epidemic
我们提出了一个随机SIR模型，指定为随机微分方程系统，以分析意大利COVID-19疫情的数据，同时考虑到人口中感染和康复个体的检测不足。我们发现，一个正确的评估量的检测是很重要的，以获得可靠的估计的关键模型参数。此外，在整个流行期间的单一SIR模型无法正确描述大流行的行为。然后，在实施传染缓解措施的相关政府法令之间的每一个时间间隔中，模型的适应提供了短期预测和对基本再生产数的不断更新的评估。
2021-02-19 q-bio.PE stat.AP
A Mathematical Dashboard for the Analysis of Italian COVID-19 Epidemic Data
2019冠状病毒病疫情的分析建议基于epiMOX仪表板（可于https://www.epimox.polimi.it公开查阅），该仪表板处理自二零二零年二月下旬起意大利的疫情趋势及爆发数据。我们的分析通过几个关键的流行病指标促进对现有数据的更深入解释，从而提供了对过去流行病发展及其当前趋势的直接评价。此外，我们使用基于流行病学分区模型的预测工具（名为SUIHTER）补充epiMOX仪表板，用于预测近期的流行病演变。
2021-05-24 cs.NA math.NA q-bio.PE
Data-driven Fair Resource Allocation For Novel Emerging Epidemics: A COVID-19 Convalescent Plasma Case Study
流行病是一种严重的公共卫生威胁，用于减轻其影响的资源通常有限。决策者在预测这些资源的供求方面面临挑战，因为通常无法获得有关疾病的先前信息，疾病的表现可能会定期变化（自然变化或公共卫生政策的结果），并且可能因地理区域而异。随机对照试验（RCT）使用稀缺资源，如血液制品作为随机干预措施，受流行病的影响。在这项工作中，我们讨论了一个模型，适用于短期的实时供应和需求预测在新出现的疫情。我们考虑了一项案例研究，该研究在一项涉及加拿大（不包括魁北克省）多个医院中心的国际多中心RCT中对COVID-19恢复期血浆（CCP）的需求预测和稀缺数量的分配。我们提出了一个数据驱动的混合整数规划（MIP）资源分配模型，分配可用的资源，以最大限度地提高资源需求的实体之间的公平性的概念。将MIP模型应用于案例研究的数值结果表明，我们的方法可以帮助平衡有限产品（如CCP）的供需，并最大限度地减少需求实体的未满足需求率。我们分析了我们的模型对不同分配设置的敏感性，并表明我们的模型在实体之间分配公平的分配。
2023-01-21 stat.AP
What Can We Learn from the Travelers Data in Detecting Disease Outbreaks -- A Case Study of the COVID-19 Epidemic
背景：旅行是疾病出现的一种强大力量。我们讨论了旅行者病例报告如何有助于及时发现疾病爆发。研究方法：使用旅行者数据，我们估计了影响决策和政策的几个流行病指标，包括指数增长率，倍增时间，以及在多个国家的COVID-19流行的初始阶段严重病例超过医院能力的概率。我们估算了他们失踪时的到达日期。我们比较了旅行者数据和国内数据的估计值。我们定量地评估了每个病例报告和知道到达日期对估计的影响。调查结果：我们估计了旅行起点的每日指数增长率，并检查了增长率始终高于0.1（相当于倍增时间< 7天）的日期。我们发现这些日期与做出关键决定的日期非常接近，例如城市封锁和国家紧急状态公告。仅使用旅行者数据，如果假设的流行病开始日期相对准确，旅行者样本代表一般人群，则根据旅行者数据估计的增长率与国内数据一致。我们还讨论了旅行者数据可能导致有偏估计的情况。从数据影响研究中，我们发现最近的旅行案例对每天的估计有较大的影响，并且每个案例报告的影响随着案例的增加而变小。我们提供了确定当地疫情增长率是否超过一定水平所需的最低输出病例数，并开发了用户友好的Shiny App，以适应各种场景。
2020-08-27 stat.AP
An ARIMA model to forecast the spread and the final size of COVID-2019 epidemic in Italy
冠状病毒病（COVID-2019）是一种正在全球迅速蔓延的严重新型流行病。意大利被广泛认为是疫情的主要中心之一，至今已录得全球最高的COVID-2019死亡率及死亡人数。在这篇文章中，我估计了一个自回归综合移动平均（ARIMA）模型，通过使用意大利国家和地区层面的流行病学数据来预测2020年4月4日之后的流行趋势。该数据指的是意大利卫生部（www.salute.gov.it）在2020年2月20日至4月4日期间正式登记的每日确诊病例数。这种模式的主要优点是易于管理和适应。此外，它可以通过提出假设的流行病的拐点和最终规模，初步了解基本趋势。
2020-04-06 q-bio.PE stat.AP
Epidemic Models for COVID-19 during the First Wave from February to May 2020: a Methodological Review
我们回顾了2019冠状病毒病疫情爆发前几个月（2020年2月至5月）传播的流行病学模型。其目的是提出一个方法审查，突出了以下特点：（一）流行病传播模型，（二）干预战略的建模，（三）模型和流行病参数的估计程序和（四）所使用的数据的特点。根据理论背景、可重复性、干预策略的纳入等标准，最终从开放获取数据库中筛选出80篇文献。主要结果为现象学、房室模型和个体水平模型。提出了一种包括在线表单、Kibana界面和Markdown文档的数字伴侣。最后，这项工作提供了一个见证科学界如何应对这种独特情况的机会。
2021-09-03 q-bio.PE stat.AP
Modelling provincial Covid-19 epidemic data in Italy using an adjusted time-dependent SIRD model
在本文中，我们使用意大利卫生部的官方数据，结合从地区当局每日官方新闻发布会和当地报纸网站提取的数据，开发了一个意大利省级（即欧盟NUTS-3）COVID-19感染传播的预测模型。该整合主要涉及COVID-19导致的特定死亡数据，这些数据在NUTS-3级别无法从公开的官方数据渠道获得。一个调整后的时间依赖SIRD模型被用来预测流行病的行为，特别是易感，感染，死亡和康复的人数。预测模型的性能进行评估，使用与实际数据的比较。
2020-06-02 physics.soc-ph q-bio.PE stat.AP
The shapes of an epidemic: using Functional Data Analysis to characterize COVID-19 in Italy
我们调查了20个意大利地区的COVID-19死亡率模式及其与流动性，积极性以及社会人口，基础设施和环境协变量的关系。尽管从公共来源获得的数据在准确性和分辨率方面存在局限性，但我们利用函数数据分析技术在曲线和形状中利用信息来确定重要趋势。这些描述了两种截然不同的流行病;在伦巴第和北部受灾最严重的地区呈现出“指数”趋势，而在该国其他地区（包括威尼托，那里的病例与伦巴第同时出现，但早期实施了积极的检测）则较为温和，“平坦（缓和）”。我们发现，在控制相关协变量时，流动性和阳性可以预测COVID-19死亡率。在后者中，初级保健似乎可以降低死亡率，而医院、学校和工作场所的接触则会加剧死亡率。如果将我们所描述的技术应用于更丰富的数据，它可以捕获更多的、可能更清晰的信号。
2020-08-11 physics.soc-ph stat.AP
Quantifying efficiency gains of innovative designs of two-arm vaccine trials for COVID-19 using an epidemic simulation model
流行病期间的疫苗临床试验面临着特殊的挑战，例如快速确定有效疫苗以控制流行病的压力，以及时空变化的感染发生率对试验效力的影响。我们说明了如何使用网络流行病和试验模拟模型，基于COVID-19和具有二元结局的单独随机化双臂试验，评估不同试验设计元素的操作特征。我们表明，如果观察到的病例有足够多的接触者处于高风险，那么优先考虑感染高风险参与者的“环形”招募策略可以大幅提高力量。此外，我们还引入了一种新方法，以更有效地利用试验中观察到的最早感染病例的数据，这些病例的感染可能还为时过早，无法通过疫苗预防。最后，我们比较了几种方法的反应自适应随机化，讨论了它们的优点和缺点，在这两个手臂的情况下，并确定特定的适应策略，保持功率和估计属性，同时稍微减少感染的数量，给出了一个有效的疫苗。
2021-05-20 q-bio.PE stat.AP
A skew logistic distribution with application to modelling COVID-19 epidemic waves
通过引入偏度参数，提出了对称Logistic分布的一种新颖而简单的推广。它示出了如何随后的斜Logistic分布的三个参数可以使用极大似然估计。然后将偏logistic分布扩展到偏双logistic分布，以允许对流行病时间序列数据中的多个波进行建模。在来自英国的COVID-19数据上验证了所提出的偏斜-logistic模型，并使用最近制定的经验生存詹森-香农散度（${\cal E}SJS$）和Kolmogorov-Smirnov双样本检验统计量（$KS2$）对logistic和正态分布进行了拟合优度评估。我们采用95%的自举置信区间来评估偏logistic分布的拟合优度相对于其他分布的改善。在使用该数据集时，获得的${\cal E}SJS$的置信区间比$KS2$的置信区间窄，这意味着${\cal E}SJS$比$KS2$更有效。
2022-05-05 physics.soc-ph stat.AP
Hypothesis test on a mixture forward-incubation-time epidemic model with application to COVID-19 outbreak
本文研究COVID-19混合前向潜伏期流行病模型的参数可识别性，提出似然比检验以检验模型是否为齐次指数分布，并通过模拟和中国疫情数据验证其有效性。
2022-12-05 stat.AP stat.ME
Individual-level Modeling of COVID-19 Epidemic Risk
持续的COVID-19大流行需要多方面的公共卫生应对措施，包括在开发疫苗和疗法的同时采取补充干预措施以控制疾病的传播。许多这些干预措施需要根据现有数据（包括症状、接触模式和环境因素）进行流行病风险预测。在这里，我们提出了一种新的概率形式主义的基础上的个人水平模型（ILM），提供了严格的公式，个人的感染概率，这可以通过极大似然估计（MLE）应用于在人口水平上定义的房室模型参数化。我们描述了一种方法，其中实时收集的个体数据与总体病例计数相结合，以更新作为个体风险因素函数的感染易感性预测因子。
2020-08-21 q-bio.PE stat.AP stat.CO
Forecasting the changes between endemic and epidemic phases of a contagious disease, with the example of COVID-19
本文提出基于14天新增病例分布的变异系数、偏度、峰度和熵，并通过 PCA 构建评分，以预测 COVID-19 等传染病从地方性流行转入流行病阶段的时间。
2023-09-29 math.AP stat.AP
Efficient calibration for imperfect epidemic models with applications to the analysis of COVID-19
针对不完善流行病模型，提出一种渐近一致且方差更小的新估计量，应用于20国COVID-19分析，估计基本再生数与潜伏期以评估暴发风险。
2023-06-22 stat.AP stat.ME
Bayesian sequential data assimilation for COVID-19 forecasting
我们介绍了一种用于COVID-19预测的贝叶斯序贯数据同化方法。它假设合适的传输，流行病和观察模型是可用的，并事先验证和传输和流行病模型编码成一个动力系统。观测模型依赖于动态系统的状态变量和参数，并被转换为一个似然函数。我们得到的有效人口规模的先验分布，动力系统的初始条件和传染病接触率，并使用马尔可夫链蒙特卡罗抽样进行推断和预测的感兴趣的数量（QoI）在流行病爆发的开始。随着新数据的出现，预测将在流行病记录的滑动窗口内依次更新。在新的预测时间的状态变量的先验分布使用动态系统进行组装，针对先前的预测进行校准。此外，接触率和有效人口规模的变化是通过相应参数的自回归模型自然引入的。我们使用SEIR类型模型和来自几个墨西哥地区的COVID-19数据展示了我们的预测方法的性能。
2021-03-10 q-bio.PE stat.AP
Understanding and monitoring the evolution of the Covid-19 epidemic from medical emergency calls: the example of the Paris area
我们通过分析巴黎地区四个中心部门（SAMU 75、92、93和94的15号中心）的EMS收到的医疗紧急呼叫，描绘了2020年3月至4月危机期间巴黎地区新冠肺炎疫情的演变。我们的研究揭示了这些部门之间的强烈差异。我们表明，每个流行病的对数可以近似为一个分段线性函数的时间。这使我们能够区分流行病的不同阶段，并确定卫生措施之间的延迟及其对EMS负荷的影响。这也导致了一种算法，允许人们检测流行病的复发。我们依赖于一个传输PDE流行病学模型，我们使用的方法从Perron Frobenius理论和热带几何。
2020-07-20 cs.SI math.DS physics.soc-ph
A Spatial Stochastic SIR Model for Transmission Networks with Application to COVID-19 Epidemic in China
世界各国政府已实施预防措施，以防止冠状病毒病（COVID-19）的传播。在这项研究中，我们考虑了一个多变量离散时间马尔可夫模型来分析COVID-19在中国33个省级地区的传播。这种方法使我们能够评估流动限制政策对疾病传播的影响。我们使用跨区域的日常人类流动数据，并应用贝叶斯框架来估计所提出的模型。结果显示，疫情在中国的传播主要由区域内的社区传播驱动，而地方政府推出的封锁政策遏制了疫情的蔓延。此外，我们的文件表明，湖北只是早期流行阶段的震中。北京和广东等二级震中已于二零二零年一月底确立，疫情蔓延至相关地区。在各区域实行人员流动限制后，来自这些震中的传播大幅下降。
2020-08-17 econ.GN physics.soc-ph q-bio.PE
The COVID-19 pandemic as experienced by the individual
持续的COVID-19大流行在各个国家以不同程度的强度发展，这表明分析各国之间不同的因素非常重要。我们研究的措施“人口加权密度”，捕捉密度由一个随机选择的个人。这些人口密度指标可以显著解释欧洲各国之间COVID-19初始传播速度的差异。然而，这些措施并不能解释全球范围内的差异，特别是考虑到东亚国家或以后对流行病的研究。因此，为了控制国家层面对COVID-19的反应差异，我们考虑了Hofstede提出的跨文化个人主义措施。这个分数可以很好地解释欧洲、北美和东亚流行病规模的差异。使用我们对人口加权密度的测量和霍夫斯泰德得分，我们可以显著解释欧洲和北美目前流行病规模的一半变化。通过控制国家层面对病毒和人口密度的反应，我们对COVID-19全球发病率的分析可以帮助关注对个别国家有效的流行病控制措施。
2020-09-29 physics.soc-ph q-bio.PE stat.AP
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
Analysis of the tradeoff between health and economic impacts of the Covid-19 epidemic
不同国家已采取各种措施以减轻COVID-19疫情。但是，在世界各地，许多公民不太了解这些措施是如何采取的，甚至质疑政府的决定。这些措施是否应该更具（或更少）限制性？是不是时间太长（或太短）了？为了给这些问题提供一些定量的回答，我们考虑了著名的SEIR模型用于Covid-19疫情传播，并提出了一个实用的政府决策操作模型。虽然简单和明显的改进，建议的模型使我们能够研究健康和经济方面之间的权衡，在一个务实和有见地的方式。假设流行病有一定数量的阶段，并在健康和经济方面之间取得理想的平衡，就有可能确定每个阶段的最佳持续时间和每个阶段的最佳严重程度。数值分析的情况下，法国，但所采用的方法可以适用于任何国家。这项分析的一个重要信息是，如果能够在法国实施最佳的4阶段流行病管理战略，将导致105万感染者和2310亿欧元的GDP损失，而不是688万感染者和2410亿欧元的损失。这表明，从所提出的模型的角度来看，有效实施的流行病管理策略是良好的经济，而在健康影响方面可能已经获得了实质性的改善。我们的分析表明，封锁/严重阶段应该更严重，但更短，调整阶段发生得更早。由于人们偏离官方规则的自然倾向，在整个疫情期间每月更新措施似乎更合适。
2021-04-12 econ.GN physics.soc-ph q-fin.EC
Unifying Epidemic Models with Mixtures
Institute for Data, Systems, and Society, MIT（麻省理工学院数据、系统与社会研究所）
COVID-19疫情强调了对流行病模型的深入理解的必要性。目前流行病的模型分为机械模型和非机械模型：机械模型对疾病的动态做出明确的假设，而非机械模型对观察到的时间序列的形式做出假设。在这里，我们介绍了一个简单的基于混合的模型，该模型在保留两者优点的同时，将这两种方法连接起来。该模型将病例和死亡的时间序列表示为高斯曲线的混合，与传统的机械模型相比，提供了一个灵活的函数类来从数据中学习。虽然该模型是非机械的，我们表明，它是一个随机过程的基础上网络SIR框架的自然结果。与类似的非机械模型相比，这使得学习的参数能够进行更有意义的解释，我们使用COVID-19大流行期间收集的辅助流动性数据来验证解释。我们提供了一个简单的学习算法来识别模型参数，并建立了理论结果，表明该模型可以有效地从数据中学习。经验上，我们发现该模型具有较低的预测误差。该模型可在covidpredictions.mit.edu上获得。最终，这使我们能够系统地了解干预措施对COVID-19的影响，这对于开发控制流行病的数据驱动解决方案至关重要。
2022-01-07 cs.LG stat.AP stat.ML
Bayesian analysis of diffusion-driven multi-type epidemic models with application to COVID-19
提出基于独立扩散过程降维的贝叶斯证据综合框架，结合仓室模型重建多类型人群 COVID-19 年龄特异性传播，并通过多国死亡数据与英格兰患病率调查验证。
2025-09-01 physics.soc-ph q-bio.PE stat.AP
Bayesian data assimilation for estimating epidemic evolution: a COVID-19 study
流行病学参数的演变，如瞬时繁殖数Rt，是了解传染病的传播动力学的重要。目前时变流行病学参数的估计经常面临的问题，如滞后的观察，平均推理，和不正确的量化的不确定性。为了解决这些问题，我们提出了一个贝叶斯数据同化框架的时变参数估计。具体来说，这个框架被应用到Rt估计，从而在国家的最先进的DARt系统。利用DARt，通过将观测延迟纳入感染和Rt的联合推断来解决由滞后观测引起的时间不对准;通过即时更新新观测和开发捕获突变的模型选择机制来克服平均的缺点;通过采用贝叶斯平滑来量化和减少不确定性。我们验证了DARt的性能，并展示了其在揭示COVID-19传播动态方面的能力。所提出的方法提供了一个有前途的解决方案，准确和及时地估计传输动态报告的数据。
2021-10-24 physics.bio-ph physics.soc-ph q-bio.PE
