Heterogeneous social interactions and the COVID-19 lockdown outcome in a multi-group SEIR model
我们研究了SEIR模型的变体，以解释法国Covid-19疫情统计数据的一些定性特征。标准的SEIR模型基本上区分了两种情况：要么疾病得到控制，感染人数迅速减少，要么疾病传播并污染相当一部分人口，直到实现群体免疫。封锁后，乍一看，社交距离似乎不足以控制疫情。我们在这里讨论一个可能的解释，即封锁正在创造社会异质性：即使绝大多数人口遵守封锁规则，一小部分人口仍然必须保持正常或高水平的社会互动，例如卫生工作者，基本服务提供者，这导致通过重新估计基本繁殖率来衡量的流行病传播的明显高水平。然而，这些措施仅限于平均数，而人口内部的差异对流行病爆发的高峰和规模起着至关重要的作用，往往会降低这两个指标。我们提供了理论和数值结果来支持这样的观点。
2020-06-23 physics.soc-ph q-bio.PE
A numerical simulation of the COVID-19 epidemic in Argentina using the SEIR model
一场由新型冠状病毒引起的大流行病在全球蔓延，影响到了阿根廷。我们实施了一个SEIR模型来分析疾病在布宜诺斯艾利斯和邻近城市的演变。使用官方报告的伤亡人数校准模型参数。由于无限的解决方案尊重的数据，我们显示不同的情况。在所有这些地区，繁殖率$R_0$在早期封锁后下降，但随后上升，可能是由于人口密集的贫民窟的传染增加。因此，必须通过应用控制策略来扭转$R_0$的这种增长趋势，以避免大量的感染和死亡个体。该模型提供了一个有效的过程来估计流行病参数（死亡率，传播概率，感染和潜伏期）和监测控制措施在流行病的演变。
2020-07-15 physics.soc-ph q-bio.PE
A new SEIR type model including quarantine effects and its application to analysis of Covid-19 pandemia in Poland in March-April 2020
接触者追踪和隔离是成熟的非药物流行病控制工具。该文件旨在阐明该等措施对COVID-19疫情的影响。引入了一个新的确定性模型（SEIRQ：易感，暴露，传染，删除，隔离）与Q室捕获个人和释放他们的延迟。我们得到了一个简单的规则定义的再生数$\mathcal{R}$的检疫参数，诊断病例的比率和传输参数。该模型应用于2020年3月至4月波兰的疫情，当时采取了社交距离措施。我们调查了3种情况对应于不同比例的诊断病例。我们的研究结果表明，根据不同的情况，接触者追踪可以预防50%到90%以上的病例。隔离的效果受到未确诊病例比例的限制。考虑到波兰在采取社会限制措施之前的传播强度，如果不采取任何社会距离措施，就不可能控制这一流行病。
2020-05-29 physics.soc-ph q-bio.PE
Fractional SEIR Model and Data-Driven Predictions of COVID-19 Dynamics of Omicron Variant
我们通过一个部分可识别暴露感染去除（SEIR）模型研究了Omicron变体引起的COVID-19的动态演变。初步数据表明，Omicron感染的症状并不突出，因此传播更隐蔽，这导致在大流行开始时新感染者的发现病例增加相对缓慢。为了描述特定的动力学，Caputo-Hadamard分数阶导数被用来改进经典的SEIR模型。基于已报道的数据，我们通过分数物理信息神经网络（fPINNs）推断分数阶SEIR模型的分数阶、时间相关参数以及未观察到的动力学。然后，我们使用学习的分数SEIR模型进行短期预测。
2022-05-23 cs.NA math.NA physics.soc-ph
Why can we observe a plateau even in an out of control epidemic outbreak? A SEIR model with the interaction of $n$ distinct populations for Covid-19 in Brazil
本文提出了一个$n$不同人群相互作用结构的SEIR模型来描述COVID-19大流行性疾病的传播。所提出的模型具有灵活性，包括地理上分离的社区，以及考虑到人口老龄化群体及其相互作用。我们表明，不同的假设所提出的模型的动态导致感染人口的高原状曲线，反映了从大国，如巴西收集的数据。这些观察结果旨在提出以下猜想：“正如拟议模型所反映的那样，新冠肺炎从首都向巴西内地的扩散是该国报告病例呈高原状的原因”。我们提出了一些方案的数值模拟和比较与上述结论相印证的报告数据从巴西。
2020-08-03 math.DS 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: Analytic results for a modified SEIR model and comparison of different intervention strategies
SEIR流行病学模型是疾病传播的标准模型之一。在这里，我们分析了一个扩展的SEIR模型，该模型考虑了无症状携带者，据信在COVID-19传播中发挥了重要作用。对于这个模型，我们得出了一些重要的数量，如感染的峰值数量，达到峰值所需的时间和最终受影响的人口的大小的分析结果。我们还提出了一个精确的方法来指定初始条件的数值（从不足的数据）使用的事实，即早期的指数增长是很好地描述的主导特征向量的线性化方程。其次，我们探讨了不同的干预策略，如社会距离（SD）和测试-再测试（TQ）的效果。两种干预策略（SD和TQ）试图将疾病繁殖数$R_0$降低到目标值$R^{\rm target}_0 < 1$，但方式不同，我们在模型方程中实现了这一点。我们发现，对于相同的$R^{\rm target}_0 < 1$，TQ比SD更有效地控制流行。然而，为了使TQ有效，它必须基于接触者追踪，我们的研究量化了每天测试与每天新病例数量的所需比例。我们的分析表明，线性动力学的最大特征值提供了对疾病进展的简单理解，包括干预前和干预后，并解释了许多国家的观察数据。我们将我们的结果应用于印度的COVID数据，以获得对大流行过程的启发式预测，并注意到预测在很大程度上取决于假设的无症状携带者比例。
2021-01-25 physics.soc-ph q-bio.PE
Data-driven optimal control of a SEIR model for COVID-19
我们提出了一种数据驱动的最优控制方法，该方法将报告的部分数据与COVID-19的流行动态相结合。我们使用一个基本的敏感-暴露-敏感-隐藏（SEIR）模型，模型参数是时变的，从数据中学习。这一方法有助于在相对较短的时间内预测疫情的演变，并提供对流行病的预定控制。我们提供了有效的数值算法的基础上与最优控制理论的广义庞特里亚金最大值原理。数值实验证明了该模型及其数值逼近的有效性。
2020-12-21 math.OC physics.soc-ph
COVID-19 pandemic: a mobility-dependent SEIR model with undetected cases in Italy, Europe and US
预防措施：描述第一波COVID-19疫情，重点关注未被发现的病例，并评估不同的封城后情况。产品设计：该研究采用SEIR分区模型，考虑到未被发现的病例的区域特定比例，流动限制的影响，以及所采取的个人防护措施，例如戴口罩和经常洗手。设置和参与者：该模型的实验验证与所有的意大利地区，一些欧洲国家和美国的数据。主要观察指标：通过平均绝对百分误差（MAPE）和Lewis准则衡量模型结果的准确性，拟合参数与文献值吻合较好。研究结果：对不同国家的流行曲线以及未发现和无症状病例的数量进行了估计，这些病例很可能是近期的主要感染源。该模型应用于湖北案例研究，湖北是最早放宽流动限制的地方。结果显示了不同的可能情况。流动性和采取个人保护措施对感染的动态有很大影响，决定了是一个巨大和迅速的第二次流行病高峰，还是一个更延迟和更易管理的高峰。结论：数学模型可以为医疗保健决策者提供有用的见解，以确定未来爆发时的最佳策略。
2021-06-02 physics.soc-ph q-bio.PE
Analysis of COVID19 Outbreak in India using SEIR model
由于印度人口和气象数据分布的多样性，预测COVID 19病毒在印度的传播模式非常困难。全球各地的研究人员试图将这些数据的相互依赖性与COVID 19病例在印度的传播模式联系起来。但很难预测确切的模式，尤其是活跃病例数量的峰值。在本文中，我们试图使用广义SEIR模型预测印度COVID 19的活动，康复，死亡和总病例数。在我们的预测中，活跃病例曲线中峰值的出现与真实数据中的峰值非常接近（仅相差一周）。尽管预测病例数与实际病例数不同（由于从2020年6月起逐步解除行动限制），但实际和预测时间（活跃病例曲线峰值）的密切相似性使该模型相对适合分析印度的COVID 19疫情。
2020-10-26 physics.soc-ph
Identifiability of the spatial SEIR-HCD model of COVID-19 propagation
本文基于Sobol敏感性分析和贝叶斯方法，研究了COVID-19传播的空间SEIR-HCD模型的可辨识性，缩小了未知参数边界并指出辨识扩散系数需额外信息。
2024-12-25 math.OC physics.soc-ph q-bio.PE
Kinetic derivation of a time-dependent SEIRD reaction-diffusion system for COVID-19
在本文中，我们提出了一个不定常的易感-暴露-中毒-死亡（SEIRD）的反应扩散系统的COVID-19大流行病，我们处理它的推导从一个动力学模型。推导是通过在个体微观尺度上的数学描述获得的。我们的方法是基于微观-宏观分解，导致一个等效的动力学模型，耦合微观方程与宏观方程。我们发展了一个数值渐近保持格式来求解动力学模型。所提出的方法是验证各种数值测试，特别注意对实际流行的摩洛哥局势。
2021-01-26 math.AP physics.soc-ph
Mathematical and Computer Modeling of COVID-19 Transmission Dynamics in Bulgaria by Time-depended Inverse SEIR Model
在本文中，我们探讨了一个时间依赖的SEIR模型，在该模型中，从一个选定的目标群体（人口），根据感染划分的四组感染的动力学，由一个非线性常微分方程系统建模。模型中包含了几个基本参数：感染率系数、潜伏率系数、恢复率系数。这些系数适用于每个国家的每一种具体感染，并取决于各国限制感染传播的措施和治疗感染者的方法的有效性。如果这些系数是已知的，那么求解非线性系统就有可能能够对流行病的发展做出一些假设。这就是使用保加利亚COVID-19数据首先解决所谓的“逆问题”并找到当前情况的参数的原因。反向逻辑最初用于确定模型的参数作为时间的函数，然后通过计算机解决问题。也就是说，这意味着预测这些参数的未来行为，并找到（并因此应用大规模测量，例如，隔离、消毒、限制公共活动），这是未来四个研究群体数量比例变化的合适情景。事实上，基于这些结果，我们对保加利亚的COVID-19传播动态进行了建模，并对每天的新病例数、活跃病例数和康复者人数进行了为期两周的预测。如我们所示，这种模型在保加利亚的情况下成功地进行了预测分析。我们还提供了多个数值实验的例子与可视化的结果。
2020-08-20 physics.soc-ph q-bio.PE
Analysis of the second wave of COVID-19 in India based on SEIR model
印度受到第二波COVID-19疫情的严重威胁，尤其是在二零二一年五月初。由于与第一波高峰期相比，2021年5月和6月的感染人数/活跃病例数量惊人地增加，情况似乎相当令人沮丧。印度政府╱邦政府已实施多项控制措施，如封锁、设立新医院及在不同阶段实施旅行限制，以减轻疫情初期爆发的病毒传播。最近，我们研究了印度COVID-19疫情演变的易感染-暴露-传染-消除（SEIR）动态模型，并借助适当的参数量化了各种政府行动和个人反应的强度。我们的分析很好地预测了第一波的情况。在本文中，我们将我们的分析扩展到在上述SEIR模型的帮助下估计和分析印度第二波COVID-19期间的感染人数。我们的研究结果表明，人们的个人努力以及政府的行动，如实施宵禁，加速疫苗接种战略是目前和未来控制大流行的最重要因素。
2021-12-23 physics.soc-ph
Simulating the spread of COVID-19 via spatially-resolved susceptible-exposed-infected-recovered-deceased (SEIRD) model with heterogeneous diffusion
我们提出了一个早期版本的易感暴露-中毒-死亡（SEIRD）的数学模型的基础上偏微分方程耦合的非均匀扩散模型。该模型描述了COVID-19大流行的时空传播，旨在根据人类习惯和地理特征捕捉动态。为了测试该模型，我们将有限元求解器生成的输出与意大利伦巴第大区的测量数据进行了比较，该地区在2020年2月至4月期间受到这场危机的严重影响。我们的研究结果显示，对伦巴第大区COVID-19时空传播的模拟预测与在市政一级收集的流行病学数据之间存在很强的定性一致性。探索放松封锁限制的替代方案的其他模拟表明，重新开放战略应考虑到地方种群密度和传染的具体动态。因此，我们认为，对我们模型的数据驱动模拟最终可以为卫生当局提供信息，以设计有效的流行病遏制措施，并预测关键医疗资源的地理分配。
2020-05-11 cs.NA math.NA physics.soc-ph
Covid-19 Belgium: Extended SEIR-QD model with nursing homes and long-term scenarios-based forecasts
随着COVID-19疫情蔓延及疫苗接种计划尚未建立，本集团已实施若干非药物干预措施，如部分及全面封锁、隔离及物理距离措施，以减少疾病传播及减轻医疗系统的压力。数学模型是重要的工具，可用来估计这些干预措施的影响，监测国家一级流行病的目前演变情况，并估计放松措施的潜在长期后果。在本文中，我们使用确定性年龄结构扩展房室模型对比利时COVID-19疫情的演变进行了建模。我们的模型特别考虑了养老院，这些养老院被建模为与普通人群分开的实体，以捕捉这些实体内的特定延迟和动态。该模型整合了社会接触数据，并根据住院数据（入院和出院）、每日COVID-19死亡人数（区分普通人群和养老院相关死亡）和血清学研究结果进行拟合，并基于贝叶斯方法进行了敏感性分析。我们呈现2020年11月的情况，并估计从模型推导出的COVID-19的一些特征。我们还提出了几个中期和长期预测的基础上，加强或放松社会接触的不同一般部门的情况下，有很多的不确定性。
2021-08-30 physics.soc-ph q-bio.PE stat.AP
A new framework for calibrating COVID-19 SEIR models with spatial-/time-varying coefficients using genetic and sliding window algorithms
本文提出一种结合重叠滑动窗口技术与并行化遗传算法的新框架，用于高效校准具有空间/时间变化系数的COVID-19 SEIR模型，并通过ICU需求数据验证其在动态环境中的参数估计有效性。
2024-08-02 cs.DC cs.SE 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
Coronavirus Covid-19 spreading in Italy: optimizing an epidemiological model with dynamic social distancing through Differential Evolution
本文的目的在于应用最近的流行病学模型，即SEIR与社会距离（SEIR-SD），通过定义随时间变化的社会距离函数，在此扩展，以评估意大利及其两个最重要地区，即，伦巴第和坎帕尼亚。为了有效地使用该模型，必须找到其参数的最合适的值。SEIR-SD模型参数的估计通过使用差分进化，一种启发式优化技术来进行。通过这种方式，我们能够对上述三种情况中的每一种情况评估从今天到病毒传播结束的每日感染病例数，这一数字将达到最高峰的那一天，以及感染病例将非常接近于零的那一天。
2020-04-04 cs.SI physics.soc-ph q-bio.PE
A simulation of a COVID-19 epidemic based on a deterministic SEIR model
一种由新型冠状病毒引起的流行性疾病在意大利北部蔓延，传染率很高。我们实现了一个SEIR模型来计算这种流行病的感染人口和伤亡人数。这个例子最好是关于意大利伦巴第大区的情况，那里的流行病于2月25日开始。我们用迄今为止（2020年5月5日）的死亡人数校准了模型，并根据文献中报道的值对参数进行了约束。峰值大约出现在第37天（3月31日），此时繁殖率迅速下降，最初繁殖率R0 = 3，第22天为1.36，第35天后为0.8，表明不同程度的封锁。预计死亡人数约为15600人，疫情结束时有270万人感染。提供死亡个体更好拟合的潜伏期为4.25天，感染期为4天，死亡率为0.00144/天[数值基于报告的（官方）伤亡人数]。感染死亡率为0.57%，如果假设两倍于报告的伤亡人数，则为2.36%。然而，这些比率取决于最初接触的个人。如果暴露的人数增加约9倍，则在疫情结束时感染人数增加3倍，IFR = 0.47%。如果我们放松这些限制，并使用更大范围的潜伏期和感染期的下限和上限，我们观察到，更长的潜伏期（13天对4.25天）给出相同的IFR（0.6%对0.57%），但在第一种情况下，暴露的个体多9倍。因此，死亡率的准确确定取决于对这一流行病特点的了解。
2020-05-10 physics.soc-ph q-bio.PE
An age-structured SEIR model for COVID--19 incidence in Dublin, Ireland with framework for evaluating health intervention cost
全球为减轻COVID-19威胁而采取的策略主要涉及封锁措施，经济及社会成本巨大，并取得不同程度的成功。COVID-19变种的发病模式与年龄有很强的相关性，而限制性封锁措施与某些年龄组的负面心理健康结果有关。经济前景恶化也可能对某些年龄组的影响比对其他年龄组的影响更大。受此启发，我们提出了一个模型来描述COVID-19社区传播，其中包括特定年龄的社会互动的作用。通过一个灵活的参数化的年龄结构的确定性易感暴露传染性去除（SEIR）模型，我们提供了一种手段来表征不同形式的封锁，可能会影响特定的年龄组不同。社会互动通过年龄组到年龄组的接触矩阵来表示，这些矩阵可以使用现有数据进行训练，从而适应当地情况。这个框架很容易解释，适合描述反事实的情景，这可以帮助政策制定者在尽量减少发病率与预期抑制战略的成本平衡。我们的工作源于爱尔兰，我们使用爱尔兰政府机构从2020年2月29日至2021年1月31日收集的疾病监测数据。我们演示了如何爱尔兰封锁的情况下，可以使用建议的模型制定和显示结果的回顾性拟合发病率和前瞻性规划与相关的“如果/而不是”锁定反事实与不确定性量化。我们的公式是不可知的一个特定的区域，在其他地区的锁定策略可以直接编码使用此模型。我们所描述的方法通过一个可访问和易于使用的Web界面在网上公开提供。
2021-06-11 econ.GN physics.soc-ph q-bio.PE
A data-driven analysis on the mediation effect of compartment models between control measures and COVID-19 epidemics
本文利用SEIR-QD仓室模型拟合127个国家/地区第一波COVID-19疫情数据，通过中介分析揭示仓室模型在控制措施与疫情动态之间的中介效应，并与线性和神经网络回归结果对比，深化了对控制措施强度与疫情动力学内在关联的理解。
2023-09-22 physics.soc-ph q-bio.PE
Universal Masking is Urgent in the COVID-19 Pandemic: SEIR and Agent Based Models, Empirical Validation, Policy Recommendations
HKUST (University of Science & Technology)（香港科技大学）；International Computer Science Institute（国际计算机科学研究所）；Ecole de Guerre Economique（经济战争学院）；University of Cambridge（剑桥大学）；Manifold Research；University College London（伦敦大学学院）；ELU AI Ltd（ELU AI有限公司）；Royal Free Hospital（皇家自由医院）；Population Research Institute, The Family Federation of Finland（芬兰家庭联合会人口研究所）
我们为COVID-19大流行提出了两个模型，用于预测普遍佩戴口罩对SARS-CoV-2病毒传播的影响-一个采用基于随机动态网络的分区SEIR（易感染-暴露-感染-恢复）方法，另一种采用单兵反弹道导弹（基于主体的建模）蒙特卡罗模拟-表明：（1）当至少80%的人口佩戴口罩时，在（接近）普遍掩蔽下会产生重大影响，与只有50%或更少的人口戴口罩时的影响最小相比，（2）在区域性疫情爆发的第50天之前，早期采用普遍掩蔽时的影响显著，与晚期采用普遍掩蔽时的影响最小相比。即使在自制口罩的较低过滤率下，这些效果也保持不变。为了验证这些理论模型，我们将他们的预测与我们收集的新的经验数据集进行比较，这些数据集包括地区是否具有普遍的掩蔽文化或政策，它们的每日病例增长率以及它们从每日病例增长率峰值减少的百分比。结果显示，早期普遍掩蔽和成功抑制每日病例增长率和/或从峰值每日病例增长率降低之间存在近乎完美的相关性，正如我们的理论模拟所预测的那样。我们的理论和实证结果表明，迫切需要实施通用掩蔽。随着政府计划如何退出社会封锁，它正在成为一个关键的NPI;在经济，社会和心理健康方面，“嘴和鼻子的封锁”比“全身封锁”更具可持续性。反弹道导弹模拟的交互式可视化见www.example.com。我们建议立即提出佩戴口罩的建议，正确使用的官方指导方针，以及提高认识的运动，以将口罩的心态从纯粹的自我保护转变为负责任地保护社区的…
2020-04-22 cs.AI physics.soc-ph q-bio.PE
Digital twins based on bidirectional LSTM and GAN for modelling the COVID-19 pandemic
Imperial College London（伦敦帝国理工学院）
2019冠状病毒病（COVID-19）的爆发现已蔓延至全球，感染超过1. 5亿人，并导致超过320万人死亡。因此，迫切需要研究流行病学模型的动态，以更好地了解这些疾病的传播方式。虽然流行病学模型在计算上可能是昂贵的，但机器学习技术的最新进展已经产生了神经网络，其具有以降低的计算成本学习和预测复杂动态的能力。在这里，我们介绍了两个数字孪生的SEIRS模型应用于一个理想化的城镇。SEIRS模型已经过修改，以考虑空间变化，并且在可能的情况下，模型参数基于英国的官方病毒传播数据。我们比较了数据校正的双向长短期记忆网络和预测性生成对抗网络的预测。与原始SEIRS模型数据相比，这两个框架给出的预测是准确的。此外，这些框架与数据无关，可以应用于英国或其他国家的理想化或真实的城镇。此外，SEIRS模型可以包括更多的区间，以便研究更现实的流行病学行为。
2021-05-07 cs.LG physics.soc-ph
A matlab code to compute reproduction numbers with applications to the Covid-19 outbreak
我们讨论了各种繁殖比率或数字的产生，这些比率或数字对监测像Covid-19这样的持续流行病非常有用，并检查了干预措施的效果。详细的SEIR算法描述了它们的计算，并应用于当前在一些国家（阿根廷，巴西，法国，意大利，墨西哥，西班牙，英国和美国）爆发的Covid-19疫情。相应的matlab脚本，完整的，准备使用，提供免费下载。
2020-06-23 physics.soc-ph q-bio.PE
Prediction of the Number of COVID-19 Confirmed Cases Based on K-Means-LSTM
COVID-19是一种大流行性疾病，于2020年1月19日在华盛顿州发现首例病例后开始在美国迅速传播。2020年3月9日，然后迅速增加，截至2020年4月20日，总病例数为25，739例。新型冠状病毒肺炎（COVID-19，即2019冠状病毒病）大流行令人不安，以至于很难理解任何人是如何受到这种病毒的影响的。根据美国疾病控制和预防中心（CDC）的数据，尽管大多数冠状病毒感染者（81%）的症状很少或轻微，但其他人可能依赖呼吸机呼吸或根本不呼吸。SEIR模型在预测患有各种疾病的人群的结果方面具有广泛的适用性。然而，许多研究人员在使用这些模型时没有验证必要的假设。太多的研究人员经常通过使用太多的预测变量和小样本来创建模型，从而“过度拟合”数据。因此，开发的模型不太可能经得起对单独一组人口和区域的有效性检查。研究人员仍然没有意识到过度拟合已经发生，没有尝试这样的验证。在论文中，我们提出了一种组合算法，该算法使用Xgboost、K均值和长短期记忆（LSTM）神经网络基于区域组合相似日期特征选择来构建预测模型（即，K-Means-LSTM），用于美国路易斯安那州的短期COVID-19病例预测。基于极端梯度提升的加权k-means算法被用来评估预测和过去几天之间的相似性。结果表明，K-Means-LSTM方法具有更高的准确度，RMSE为601.20，而SEIR模型的RMSE为3615.83。
2020-06-26 physics.soc-ph q-bio.PE
Nonlinear dynamic analysis of an epidemiological model for COVID-19 including public behavior and government action
本文关注的是对目前肆虐地球的COVID-19大流行的非线性建模和分析。有两个目标：以达到一个适当的模型，忠实地捕捉收集到的数据，并以此为基础，探索非线性行为。我们使用一个非线性SEIR（易感，暴露，传染性和删除）传输模型，增加了行为和政府政策的动态。我们开发了一种遗传算法技术，采用韩国的COVID 19数据来识别关键模型参数。分析了系统的稳定性、分岔和动力学行为。参数分析揭示了持续流行病均衡发生的条件。这项工作指出了非线性动态分析在流行病建模中的价值，并展示了社会和政府行为对疾病动态的巨大影响。
2020-10-14 physics.soc-ph q-bio.PE
Insights from Optimal Pandemic Shielding in a Multi-Group SEIR Framework
COVID-19疫情是近几十年来对全球人口健康和经济福祉的最大威胁之一。在本文中，我们分析了不同类型的政策措施，旨在打击病毒的传播，并尽量减少经济损失。我们的分析建立在多组SEIR模型的基础上，该模型扩展了Acemoglu等人引入的多组SIR模型。~（2020年）。我们调整潜在的社会互动模式，并考虑一套扩展的政策措施。该模型是为德国校准的。尽管防护政策固有的COVID-19预防和经济活动之间的权衡，但我们的研究结果表明，针对不同年龄组的此类政策可以实现效率提升。可以采用物理距离等替代政策，以减少目标瞄准程度以及屏蔽的强度和持续时间。我们的研究结果表明，同时结合多种政策措施的综合方法可以有效地降低人口死亡率和经济损失。
2020-11-02 econ.GN physics.soc-ph q-fin.EC
Incorporating Dynamic Flight Network in SEIR to Model Mobility between Populations
目前对COVID-19的建模工作通常基于标准的房室模型，如SEIR及其变体。由于症状前和无症状病例可以通过旅行在人群之间传播疾病，因此必须将人群之间的流动性纳入流行病学建模。在这项工作中，我们建议修改常用的SEIR模型，占动态飞行网络，通过估计进口的情况下，根据空中交通量以及测试阳性率的来源。这种称为Flight-SEIR的修改可能会实现1）。及早发现输入性症状前和无症状病例引起的疫情，2）。更准确地估计繁殖数量; 3）.评估旅行限制的影响和取消这些措施的影响。鉴于我们的世界已经变得如此相互关联，拟议中的Flight-SEIR对于度过这一流行病和下一次流行病至关重要。
2020-10-03 cs.SI physics.soc-ph
An optimal control study for a two-strain SEIR epidemic model with saturated incidence rates and treatment
本研究针对两株系 SEIR 传染病模型探讨最优控制，利用庞特里亚金极小值原理分析包含饱和发生率与治疗措施的六方程非线性系统，证明适定性与无病平衡点全局稳定性，数值模拟及与 COVID-19 临床数据对比验证了治疗对降低疾病严重程度的有效性。
2024-04-26 physics.soc-ph q-bio.PE
Dynamical modelling and analysis of COVID-19 in India
我们认为新型冠状病毒在中国武汉市爆发后，新型冠状病毒疫情在印度蔓延。我们使用官方报告的疫情早期数据，借助易感（S）、暴露（E）、感染（I）和移除（R）人口模型，即所谓的SEIR动力学模型，估计了印度COVID-19初始感染个体的传播率。进行数值分析和模型验证，以根据有关感染人数的官方公开信息校准系统参数，然后评估可能适用于印度的几种COVID-19情景。我们的研究结果提供了一个估计的疾病发生在不久的将来，也证明了政府和个人的努力，以控制流行病相关的关键情况的影响和时间的重要性。我们还特别强调了遏制过程中的个别反应。
2020-12-08 physics.soc-ph q-bio.PE
When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and Policy Assessment using Compartmental Gaussian Processes
University of Cambridge（剑桥大学）；UCLA（加州大学洛杉矶分校）
2019冠状病毒病（COVID-19）全球大流行导致许多国家实施前所未有的封锁措施，以减缓疫情爆发。此后，有关政府是否采取了足够迅速的行动，以及封锁措施是否能很快解除的问题一直是公众讨论的中心问题。预测不同封锁政策情景下COVID-19死亡人数的数据驱动模型对于解决这些问题并向政府提供未来政策方向至关重要。为此，本文开发了一个贝叶斯模型，用于预测全球范围内COVID-19封锁政策的影响-我们将每个国家视为一个不同的数据点，并利用各国政策的变化来了解各国的政策影响。我们的模型利用了两层高斯过程（GP）先验--下层使用了分区SEIR（易感、暴露、感染、隔离）模型作为先验均值函数，具有“国家和政策特定”参数，可捕捉每个国家内“反事实”政策下的死亡率曲线，而上层则在所有国家共享，并学习低层SEIR参数作为一个国家的特征和政策指标的函数。我们的模型将SEIR模型（贝叶斯先验）的坚实机械基础与机器学习（贝叶斯后验）的灵活数据驱动建模和基于梯度的优化例程相结合-即，整个模型通过随机变分推断进行端到端的训练。我们将我们的模型对COVID-19死亡人数的预测与疾病控制中心（CDC）列出的其他模型进行了比较，并为各种封锁和重新开放策略提供了情景分析，突出了它们对COVID-19死亡人数的影响。
2020-06-03 cs.LG physics.soc-ph stat.AP
Estimating, Monitoring, and Forecasting the Covid-19 Epidemics: A Spatio-Temporal Approach Applied to NYC Data
我们提出了一个SEIR类型的元种群模型来模拟和监测COVID-19疫情的演变。基本模型由七个部分组成，即易感（S）、暴露（E）、三个感染类别、恢复（R）和死亡（D）。我们在m个不同的空间位置为n个年龄和性别组定义这些隔间。因此，对于每个年龄组，性别和地点，所产生的模型具有所有流行病学类。它们之间的混合是通过依赖于时间的感染率矩阵来完成的。该模型使用纽约市及其行政区每日新增感染的曲线进行校准，包括人口普查数据，以及每个年龄段的感染，住院和死亡比例。我们最终得到了一个模型，该模型与报告的曲线相匹配，并准确预测了不同地区和年龄段的感染信息。
2020-11-17 physics.soc-ph q-bio.PE
Predicting regional COVID-19 hospital admissions in Sweden using mobility data
COVID-19的传播依赖于社交接触，由于强制性和自愿性的社交距离，社交接触的比率在疫情期间有所不同。传播动态的变化最终会影响住院率，我们利用这种联系来建模和预测2019冠状病毒病大流行期间瑞典地区的住院率。我们使用的SEIR模型，在瑞典的每个地区的传染性是假设依赖于移动数据的公共交通利用率和手机的使用。结果表明，该模型可以捕捉到第一波大流行和第二波大流行开始的时间。此外，我们表明，在瑞典的两个主要地区的模型与公共交通数据优于模型使用手机的使用。该模型假设从疾病传播到住院治疗有三周的延迟，这使得可以使用当前的移动数据来预测未来的入院情况。
2021-01-04 physics.soc-ph q-bio.PE
Well-posedness for a diffusion-reaction compartmental model simulating the spread of COVID-19
本文针对描述COVID-19时空传播的带非线性扩散的SEIR扩散反应仓室模型，通过时间离散、一致估计等方法证明了柯西-诺伊曼问题解的存在性，并给出两类情形下的唯一性定理及解的正则性结果。
2023-03-01 math.AP physics.soc-ph
COVID-19 and other viruses: holding back its expansion by massive testing
新加坡和韩国的经验表明，在某些情况下，大规模检测是遏制COVID-19蔓延的有效方法。在本文中，我们提出了一个修改后的SEIR模型，它考虑到跟踪和大量的测试，从理论上证明，更多的跟踪和测试意味着从长远来看，总的感染人数减少。我们将此模型应用于西班牙第一波疾病的传播，获得数值结果。之后，我们引入了一种启发式方法，通过在一段时间内规划一个地区的人群之间的有效测试分布来最大限度地减少COVID-19的传播。作为一个应用，根据该方法在纽约州各县之间分配测试的影响是根据保存的感染个体的数量来计算的。
2020-12-22 physics.soc-ph stat.AP
Contact rate epidemic control of COVID-19: an equilibrium view
我们考虑通过标准SIR分区模型控制COVID-19疫情。这种控制是由个人限制其社会互动的决定的集合引起的：当流行病正在发生时，个人可以减少他/她的接触率以避免被感染，但这种努力是以社会代价为代价的。如果每个人都降低自己的接触率，疫情消失得更快，但努力成本可能很高。形成了种群水平的均场纳什均衡，导致病毒的有效传播率较低。我们从理论上证明了平衡的存在，并进行了数值计算。然而，这种均衡选择了一个次优的解决方案相比，社会最优（一个集中的决定完全尊重所有个人），这意味着无政府状态的成本是严格的积极。我们提供了数值示例和敏感性分析，以及对SEIR房室模型的扩展，以解释COVID-19疾病相对较长的潜伏期。在所有考虑的问题中，个人和社会策略之间的分歧既发生在流行病高峰之前，由于个人的恐惧，也发生在流行病高峰之后，当一个重要的传播仍在进行中时。
2020-05-10 math.OC physics.soc-ph q-bio.PE
Modelling Covid-19 epidemic in Mexico, Finland and Iceland
在过去的二十年里，全球爆发了一些病毒性疾病。这加快了对疾病传播进行建模和预测的努力，以便找到限制区域内和区域间传播的方法。为此，我们设计了一个因人类空间流动而导致的病毒感染地理传播模型，并将其适用于最新的COVID-19大流行。在此，要建模的区域覆盖有用人口密度定义的单元加权的二维网格，在每个单元中，延迟差分方程的隔室SEIRS系统模拟疾病的局部动力学（微动力学）。细胞之间的感染是随机的，并且允许病毒在二维空间上的地理传播（宏观动力学）。这种方法可以将与疾病的生物学方面有关的参数与通过作为病毒携带者的人的不同类型的流动性代表空间传染行为的参数分开。这些数据提供了足够的信息，可以追踪不同情况下大流行病的演变情况。特别是，我们将这种方法应用于三个在许多方面不同的国家，墨西哥，芬兰和冰岛，并发现该模型能够复制和预测大流行病的随机全球路径。这项研究揭示了一个国家的不同文化和社会经济方面如何影响流行病的演变以及社交距离和其他限制措施的有效性。
2020-07-18 physics.soc-ph q-bio.PE
A Modified Epidemiological Model to Understand the Uneven Impact of COVID-19 on Vulnerable Individuals and the Approaches Required to Help them Emerge from Lockdown
COVID-19在年轻健康个体中显示出相对较低的死亡率，该群体中的大多数无症状或症状轻微，而在具有基础健康状况的个体中，疾病的严重程度导致全球范围内的死亡率显著上升。了解社会不同部门之间的死亡率差异并建立模型，将有助于确定不同的风险和脆弱性水平，以制定退出封锁的战略。然而，流行病学模型不能解释不同人群中SARS-CoV-2疾病严重程度的变异性。为了克服这一局限性，它提出了一个modifed SEIR模型，即SEIR-V，通过它的人口被分为两组关于他们对SARS-CoV-2的脆弱性。这使得在对社会中不同群体的易感染性采取不同的衡量标准时，能够分析这一流行病的传播情况。一项蒙特卡罗模拟表明，只要稍微减少弱势群体感染艾滋病的机会，就可以避免大量死亡。根据这一模型，可以提出一些机制来限制易受感染者感染这种疾病，以降低这一群体的死亡率。一种选择是为脆弱人群和那些没有接触追踪应用程序的人提供腕带。通过将智能手机应用程序和腕带信号中非常密集的接触追踪数据与有关感染状态和症状的信息相结合，脆弱人群可以得到保护并保持更安全。若能广泛使用，保障范围便会进一步扩展至这些高危组别以外。
2020-06-19 cs.SI physics.soc-ph
Forecasting the outcome and estimating the epidemic model parameters from the fatality time series in COVID-19 outbreaks
在没有其他工具的情况下，监测保护措施的效果，包括社交距离和预测疫情的结果，具有巨大的意义。实时数据是嘈杂的，并且经常受到报告中的系统性错误的影响。详细的流行病模型可能包含大量的经验参数，这些参数无法以足够的精度确定。在本文中，我们表明，累计死亡人数可以被视为一个主变量，和流行病的参数，如基本再生数，易感人群的大小，和感染率可以确定。在SIR模型中，我们导出了一个显式的单变量微分方程的累积死亡人数的发展。我们发现，在西班牙，意大利和湖北省，中国的流行病密切遵循这个主方程。我们讨论了与Logistic增长模型的关系，我们表明，它是一个很好的近似时，基本再生数小于$2.3$。该条件适用于湖北的疫情，但不适用于西班牙、意大利和纽约的疫情。不同之处在于中国的传染期较短，这可能是由于感染者的隔离政策。对于具有更多内部变量的更复杂的模型，例如SEIR模型，由于时间尺度的分离，从SIR模型导出的方程近似地保持有效。
2020-08-01 physics.soc-ph q-bio.PE
An epidemiological model for the spread of COVID-19: A South African case study
为COVID-19在南非的传播建立了流行病学模型。使用经典的房室SEIR模型的变体，称为SEIQRDP模型。由于南非仍处于全球COVID-19大流行的早期阶段，确诊感染病例尚未达到峰值，因此SEIQRDP模型首先根据德国、意大利和韩国的数据进行参数化，这些国家的感染病例数已远远超过峰值。通过合理预测COVID-19确诊病例、死亡病例和康复病例的数量将在何处结束以及何时结束，可以实现良好的拟合。然后使用2020年3月23日至5月8日期间的南非数据来获得SEIQRDP模型参数。结果发现，该模型拟合初始疾病进展良好，但该模型的长期预测能力是相当差的。南非SEIQRDP模型随后重新计算的基本再生数限制到报告的值。由此产生的模型与数据拟合良好，长期预测似乎是合理的。南非SEIQRDP模型预测，2020年10月底将出现确诊感染个体数的峰值，总死亡人数约为1万至9万人，名义值约为2.2万人。所有这些预测在很大程度上取决于疾病控制措施到位，并坚持这些措施。这些预测被进一步证明是特别敏感的参数，用于确定的基本再现数。未来的目标是使用反馈控制方法与南非SEIQRDP模型，以确定南非政府提出的不同封锁水平的流行病学影响。
2020-05-22 physics.soc-ph q-bio.PE
Bayesian inference for high-dimensional discrete-time epidemic models: spatial dynamics of the UK COVID-19 outbreak
针对高维删失流行病学事件数据的边缘化难题，提出结合新型模型信息 Metropolis-Hastings 采样器的贝叶斯 MCMC 方法，用于空间显式随机 SEIR 元种群模型，并应用于英国 COVID-19 数据以支持实时政策。
2023-07-13 physics.soc-ph stat.ME
Strategies for COVID-19 vaccination under a shortage scenario: a geo-stochastic modelling approach
在一个受到COVID-19浪潮冲击的世界里，疫苗接种是地平线上的一盏灯。然而，疫苗接种战略的推出及其对大流行病的影响仍然是悬而未决的问题。为了比较世界卫生组织和其他当局提出的各种策略的效果，以前开发的SEIRS随机模型的地理传播的病毒是通过增加一个隔间接种疫苗的人。模型的参数被拟合来描述阿根廷、墨西哥和西班牙的大流行演变，以分析所提出的疫苗接种策略的效果。移动性参数允许模拟不同的社会行为（例如锁定干预）。模拟和比较了在全国各地均匀接种疫苗或仅限于人口最稠密地区接种疫苗的计划。第二种策略被认为是更有效的。此外，在目前全球疫苗短缺的情况下，应当指出，流动性减少，免疫接种也就增强了。此外，应考虑到接种疫苗（和恢复）人群的免疫失效情况，确定重复接种疫苗的时间。最后，该模型被扩展到包括隔离检测到的阳性病例的影响，这对减少感染很重要。
2021-04-22 cs.SI physics.soc-ph q-bio.PE
Modeling the Impact of Social Distancing and Targeted Vaccination on the Spread of COVID-19 through a Real City-Scale Contact Network
我们使用移动终端数据在俄勒冈州波特兰市构建了经验性的人际物理接触网络，包括在COVID-19大流行期间实施社交距离措施之前和之后。这些网络揭示了社交距离措施和公众对初期流行病的反应如何影响城市内部的连通模式。我们发现，随着大流行病的发展，与许多人接触的人数大幅减少。我们进一步研究了这些不同的网络拓扑结构对COVID-19传播的影响，通过模拟这些网络上的SEIR流行病模型，发现减少的连接大大抑制了流行病。然后，我们调查了当部分人口接种疫苗时，流行病的反应，并比较了两种疫苗接种分配策略，包括有和没有社交距离。我们的主要结果是，接触网络的重尾度分布导致了有针对性的疫苗接种策略，该策略优先考虑高接触个体，以减少病例数，这比随机接种个体的策略更有效。结合有针对性的疫苗接种和社交距离导致病例的最大减少，我们还发现，与随机策略相比，有针对性的策略的边际效益超过了社交距离减少病例数量的边际效益。这些结果对全球正在进行的疫苗分发工作具有重要意义。
2021-07-13 cs.SI 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
Backtesting the predictability of COVID-19
H2O.ai（H2O.ai公司）
COVID-19疫情的到来在全球许多国家引发了前所未有的变化，给卫生部门带来了重大负担，影响了宏观经济状况，并改变了人口之间的社会互动。作为回应，学术界已经产生了多种预测模型，方法和算法，以最好地预测COVID-19的不同指标，例如确诊感染病例的数量。然而，研究人员几乎没有关于大流行的历史信息可供他们使用，以便为他们的预测方法提供信息。我们的工作研究模型在疫情不同阶段的预测表现，以更好地了解其基本不确定性以及数据可用性对此类预测的影响。我们使用253个地区自2020年1月22日至2020年6月22日期间的COVID-19感染历史数据，通过滚动窗口回溯测试框架预测未来7天和28天的累计感染病例数。我们实现了三个简单的模型来跟踪这6个月跨度内的均方根对数误差，一个总是预测累积确诊病例的最后已知值的基线模型，一个幂增长模型和一个称为SEIRD的流行病学模型。由于数据有限，在大流行的早期阶段，预测误差要高得多。在整个大流行期间，错误缓慢但稳步地消退。一个国家在任何时间点出现的确诊病例越多，预测未来确诊病例的误差就越小。我们强调建立严格的回溯测试框架的重要性，以准确评估此类模型在疫情爆发期间任何时间点的预测能力，从而可用于为这些预测分配正确的确定性水平，并促进更好的规划。
2020-07-22 cs.LG physics.soc-ph q-bio.PE
Containment strategies after the first wave of COVID-19 using mobility data
在应对COVID-19疫情时，各国政府面临着平衡公共卫生和经济的困境。流动性在这一困境中发挥着核心作用，因为人员流动既促进了经济活动，也促进了病毒传播。我们使用的移动性数据的区域之间的旅客计数的形式，扩展常用的SEIR模型，包括区域之间的流动性。我们量化的流动性和感染传播之间的权衡在一个单一的参数，由政策制定者选择，并提出了限制流动性的策略，使限制是最小的，而感染传播是有效的限制。我们考虑的限制，国家划分为地区，并研究在这些地区内的流动性是允许的情况下，他们之间不允许。我们提出了启发式方法来近似这些地区的最佳选择。我们根据我们的权衡来评估所获得的限制。结果表明，当感染高度集中时，我们的方法特别有效，例如，由于超级传播事件在COVID-19的传播中发挥了重要作用，一些城市周围出现了疫情。我们在荷兰的例子证明我们的方法。当流动性数据可用时，结果适用范围更广。
2020-10-27 math.OC physics.soc-ph
Use of mobile phone sensing data to estimate residence and mobility times in urban patches during the COVID-19 epidemic: The case of the 2020 outbreak in Hermosillo, Mexico
本研究利用手机GPS数据和Brownian bridge模型推断城市人口流动与停留时间，并将估计的居住-流动矩阵纳入多斑块SEIR模型，以评估政府干预对流动变化的影响。
2024-03-23 cs.SI physics.soc-ph stat.AP
Google COVID-19 community mobility reports: insights from multi-criteria decision making
社交距离（SD）在抗击新型冠状病毒疾病（COVID-19）方面至关重要。为了帮助SD监测，许多技术公司提供了移动数据，最突出的例子是Google提供的社区移动报告（CMR）。鉴于广泛的研究领域一直在从CMR数据中汲取见解，人们越来越关注如何使用它们的方法论讨论。事实上，谷歌最近发布了他们自己的指导方针，涉及地点类别的性质和校准区域价值的必要性。在这项工作中，我们将讨论如何在多标准决策（MCDM）领域开发的措施可能有利于研究人员分析这些数据。具体而言，我们讨论如何帕累托优势和性能指标MCDM中采用使移动性评估（一）多个类别在一个给定的时间段和（ii）多个类别在多个时间段。我们实证证明了这些方法进行区域和国家层面的分析，比较了一些最相关的爆发例子，从不同的大陆。
2020-09-17 cs.SI physics.soc-ph
