Emerging Polynomial Growth Trends in COVID-19 Pandemic Data and Their Reconciliation with Compartment Based Models
我们研究了2020年1月至5月在119个国家爆发的COVID-19大流行的报告数据。我们观察到，个别国家活跃病例的时间序列（确诊感染总数与报告死亡和康复病例总数之差）显示出与多项式增长的高度一致性，在后期流行阶段也显示出与指数衰减相结合的多项式增长。我们的结果也制定在隔间类型的流行病数学模型。在这些模型中，表征在晚期流行病阶段观察到的状态的通用标度可以被解释为相对繁殖数$R_0$的代数衰减为$T_M/t$，其中$T_M$是常数，$t$是流行病爆发的持续时间。我们展示了我们的研究结果如何应用于改善对报告的大流行数据的预测，并估计一些流行病参数。请注意，尽管该模型显示与报告的数据很好的一致，但我们并没有对流行病的实际规模做出任何声明，因为观察到的报告数据与人口中感染总人数的关系仍然是未知的。
2020-05-14 physics.soc-ph q-bio.PE
Analytical parameter estimation of the SIR epidemic model. Applications to the COVID-19 pandemic
2019年冠状病毒病（COVID-19）大流行的爆发及其持续发展提高了科学界对流行病建模和预测的兴趣。SIR（Susceptible-Infected-Removed）模型是流行病爆发的一个简单的数学模型，然而几十年来，它回避了社区导出明确解的努力。目前的工作表明，这是一个不平凡的任务。值得注意的是，它被证明，该模型的显式解决方案需要引入一个新的超越特殊功能，相关的赖特的欧米茄功能。本手稿报告新的分析结果和数值程序适合SIR模型的参数估计。该手稿介绍了迭代算法近似的发病率变量，它允许估计的模型参数从观察到的情况下的数量。数值方法以欧洲疾病预防和控制中心（ECDC）2020年1月至2020年6月期间几个欧洲国家的数据为例。
2020-10-09 cs.NA math.NA physics.soc-ph
Real-Time Differential Epidemic Analysis and Prediction for COVID-19 Pandemic
在本文中，我们提出了一个新的实时差分病毒传播模型，它可以提供更准确和鲁棒的COVID-19传播的传染病的短期预测与短期趋势预测的好处。与现有的基于易感-暴露-消除（SEIR）的病毒传播模型不同，该模型适合于具有足够历史数据的流行病建模，新模型也是基于SEIR的，它使用短历史数据来发现感染者、死亡者和康复者的疾病动态变化趋势，从而自然地适应疾病缓解的自适应实时变化，商业活动和社会行为。由于改进的SEIR模型的参数是由短历史窗口数据训练的，因此我们的差分流行病模型本质上是基于窗口的时变SEIR模型。由于SEIR模型仍然是一个基于物理的疾病传播模型，其短期（如一个月）预测仍然可以为政策制定者实时指导他们的疾病缓解和商业活动政策变化的决策提供非常有用的工具。这是特别有用的，如果大流行持续一年以上，不同的阶段在世界各地，如1918年流感大流行。我们分析了来自中国、意大利和美国、加利福尼亚州和纽约州的最新COVID-19数据的数值结果。
2020-05-03 q-bio.PE q-bio.QM
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
Data-Driven Methods for Present and Future Pandemics: Monitoring, Modelling and Managing
本调查分析了数据驱动方法在流行病建模和控制中的作用。我们提供了一个路线图，从访问流行病学数据源到控制流行病现象。我们回顾了现有的方法，并讨论了在制定数据驱动的战略，以打击传染病的传播的挑战。我们的目标是汇集几个不同的学科，提供一个整体的方法来分析流行病，如数据科学，流行病学和系统和控制理论。提出了一个3 M分析，其三个支柱是：监测，建模和管理。重点是数据驱动的计划在应对大流行病带来的三个不同挑战方面的潜力：㈠监测流行病的演变并评估所采取对策的有效性; ㈡对流行病的传播进行建模和预测; ㈢及时作出管理、缓解和抑制传染的决定。对于这一路线图的每一步，我们都回顾了综合的理论方法（包括在其他情况下已被证明是成功的数据驱动方法），并讨论了它们在过去或现在的流行病（如COVID-19）中的应用，以及它们在未来流行病中的潜在应用。
2021-05-30 cs.SY eess.SY q-bio.PE
Quantifying the transmission potential of pandemic influenza
本文综述了估计大流行性流感基本繁殖数的定量方法，这是一个关键的阈值数量，有助于确定控制该疾病所需的干预措施的强度。虽然很难评估未来可能发生的大流行的传播潜力，但历史流行病学数据很容易从以前的大流行中获得，作为未来大流行规划的参考量，对历史数据进行数学和统计分析至关重要。特别是，由于许多历史记录往往只记录病例或死亡的时间分布（即流行曲线），我们的审查重点是最大限度地利用时间演变数据的方法，并澄清流感传播的详细机制。首先，我们强调结构化的流行病模型及其参数估计方法，可以量化详细的疾病动态，包括我们不能直接观察到的。持续时间结构的流行病系统随后提出，提供坚实的理解的基本和有效的再生产数的定义。当研究流行病的初始增长阶段时，生成时间的分布是使用内在增长率适当估计传播潜力的关键统计信息。随机过程的应用也强调使用类似的数据来估计传输潜力。随后总结了流感数据的关键重要特征，然后是我们的结论，以建议未来可能的方法改进。
2007-12-17 q-bio.PE
Poverty levels, societal and individual heterogeneities explain the SARS-CoV-2 pandemic growth in Latin America
拉丁美洲正在经历SARS-CoV-2大流行的严重影响，但贫困和薄弱的公共卫生机构阻碍了收集经典SEIR流行病模型所需的精确数据。我们提出了一种替代方法，利用统计生态学和保护生物学的进展，以提高稀疏数据的预测和改善流行病的价值。我们的方法，导致我们所谓的随机流行病Gompertz模型，具有很少的参数，可以灵活地将异质性在人群内和跨时间的传播。我们证明了贫困对14个拉丁美洲国家的流行病进程有很大的影响，并展示了我们的方法如何提供灵活的，随时间变化的疾病风险预测，可用于完善公共卫生战略。
2020-05-22 physics.soc-ph q-bio.PE
Predictive data assimilation through Reduced Order Modeling for epidemics with data uncertainty
在这篇文章中，我们开发了一个数据同化程序来预测数据不确定性的流行病演变，并将其应用于2019冠状病毒病大流行。我们通过求解SIR流行病模型的一组邻近估计的真实（或官方）数据来构建一个vademecum的解决方案。通过本征正交分解（POD），从该vademecum构造一个约化基。减少POD基地，然后应用到同化的流行病数据（感染，恢复，死亡）期间的数据是已知的，通过最小二乘法程序。然后，拟合曲线被用来预测未来几天大流行的演变。安达卢西亚地区（西班牙），意大利和西班牙的验证测试显示，随着同化数据数量的增加，7天的准确预测得到了改善。
2020-04-26 cs.NA math.NA q-bio.PE
Geometric characterization of SARS-CoV-2 pandemic events
当SARS-CoV-2在全球范围内持续传播时，比较不同国家的演变是一个具有理论和实践重要性的及时挑战。事实上，由于流行病因素种类繁多，且因国家而异，因此很难在一个独特和连贯的框架内了解这些因素对流行病趋势的影响。我们提出了一个几何框架来表征，在一个集成的和低维的方式，传染病羽状轨迹跟踪的感染率，$I$，和病死率，$D$，在$(I,D)$平面。我们的分析使定义的流行病学系统的基础上，三个几何观测等级的SARS-CoV-2大流行事件通过规模类似于地震事件的震级和强度。我们的框架具有精美的几何形状，可以应用于对其他流行病数据和二次波进行分类，从而提高了设计流行病警报或预警系统的可能性，以加强公众和政府对快速出现的疫情的反应。
2020-07-20 physics.soc-ph q-bio.PE
Optimal allocation of face masks during the COVID-19 pandemic: a case study of the first epidemic wave in the United States
在本文中，我们提出了一个两组SIR流行病模型，以模拟在美国第一次COVID-19疫情期间，居家政策和戴口罩的结果。基于我们提出的模型，我们进一步使用最优控制方法（以最小化总死亡人数为目标）来找到口罩在医护人员和公众之间的最优动态分配。如果供应不足，所有口罩都应该只留给医护人员，这并不奇怪。然而，当供应确实充足时，我们的数值研究表明，在疫情爆发之初，公众应该分享很大一部分口罩，以大幅减少死亡人数。这一有趣的结果与美国外科医生和疾病控制和预防中心（CDC）在2020年3月建议的指南部分矛盾。CDC这一听起来合理的指导方针的最优性高度依赖于频繁变化的口罩供应水平，因此应根据口罩供应情况进行调整。
2020-12-29 math.OC q-bio.PE q-bio.QM
Dynamics of epidemic diseases without guaranteed immunity
全球SARS-CoV-2大流行表明了一种新型的疾病传播动力学。世卫组织指出，目前没有证据表明从COVID-19中康复并具有抗体的人对第二次感染具有免疫力。传统的数学模型考虑的情况下，一个恢复的个人再次变得敏感或发展免疫力。在这里，我们研究的情况下，受感染的代理恢复，只有发展免疫力，如果他们连续感染了一段时间。否则，他们会再次变得敏感。我们表明，场论边界的传染率的峰值。因此，该理论的阶段表征了疾病动态：（i）大流行阶段和（ii）反应机制。该模型很好地描述了中国武汉市SARS-CoV-2爆发的流行传播。我们发现只有30%的康复者产生了免疫力。我们预期我们的文件将影响在平衡经济影响及疫情对社会的影响后作出的决策。只要疾病控制措施将疾病动态保持在“应对机制”中，就可以排除大流行升级（“第二波”）。
2020-07-31 physics.soc-ph q-bio.PE
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
Learning to Forecast and Forecasting to Learn from the COVID-19 Pandemic
University of Southern California（南加州大学）
COVID-19的准确预测对资源管理和制定应对疫情的战略至关重要。我们提出了一个异质感染率模型与人类流动性的流行病建模，一个初步的版本，我们已经成功地使用在DARPA大挑战2014年。通过对模型进行线性化并使用加权最小二乘法，我们的模型能够快速适应不断变化的趋势，并在美国国家和州的水平上提供对确诊病例的极其准确的预测。我们发现，在流行病的早期，使用旅行数据增加了预测。训练模型进行预测也可以学习流行病的特征。特别是，我们表明，模型参数随时间的变化可以帮助我们量化一个州或一个国家对疫情的反应。参数的变化也使我们能够预测不同的情况，例如如果我们忽视社交距离建议会发生什么。
2020-05-04 cs.LG q-bio.PE q-bio.QM
Modelling remote epidemic transmission in Western Australia and implications for pandemic response
我们开发了一个基于代理的疾病传播模型在西澳大利亚州的偏远社区。尽管极端孤立，我们表明，大量的小，但孤立的社区之间的人的流动，造成传播迅速蔓延的影响。偏远社区与区域和城市中心之间的大量流动使感染迅速蔓延到这些偏远社区，然后在这些社区之间蔓延。我们的结论是基于西澳大利亚州偏远社区的两个特征：（1）这些社区的人口流动性高，（2）从非常小的社区到主要人口中心的旅行者比例相对较高。在州首府珀斯发起的感染模型中，这些偏远社区是集体和独特的脆弱群体。我们的模型和分析没有考虑到由于预先存在的条件而可能加剧的影响，这些额外的假设只会使该模型的预测更加可怕。我们主张严格监测和控制人员流动，以防止对西澳大利亚土著居民造成重大影响。
2020-07-15 math.DS q-bio.PE
A non-homogeneous Markov early epidemic growth dynamics model. Application to the SARS-CoV-2 pandemic
本文提出一种非齐次纯生马尔可夫模型，通过感染与免疫竞争机制刻画疫情早期增长，并应用于拉美国家SARS-CoV-2数据，获得免疫率、感染/免疫比和平均感染间隔三个指标以评估防控效果。
2025-03-10 math.PR 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
Spatial and temporal dynamics of infected populations: the Mexican epidemic
最近，A/H1N1-2009病毒大流行在墨西哥和其他国家出现。我们提出了一个研究这种流行病在墨西哥的情况下，使用SIR模型来描述流行病。这个模型是最简单的模型之一，但它已经成功地描述了封闭种群的一些流行病。我们考虑墨西哥的情况下的数据，并使用SIR模型作出一些预测。然后，我们推广的SIR模型，以描述疾病的空间动力学。我们的空间和时间传播的感染人口的模型参数是一致的时间SIR模型参数，通过拟合墨西哥的情况下，我们进行了研究。
2012-04-12 physics.bio-ph q-bio.PE
Effective Resistance for Pandemics: Mobility Network Sparsification for High-Fidelity Epidemic Simulation
网络科学已日益成为流行病学领域和我们应对传染病威胁能力的核心。然而，许多从现代数据集衍生的网络不仅很大，而且很密集，边与节点的比率很高。这包括人类移动网络，其中大多数位置与许多其他位置有大量链接。模拟大规模流行病需要大量的计算资源，在许多情况下实际上是不可行的。减少在这些网络上模拟流行病的计算成本的一种方法是稀疏化，其中基于其重要性的某种度量来选择具有代表性的边缘子集。我们测试了几种稀疏化策略，从天真的阈值到随机采样的边缘，从美国的移动数据在计算机科学最近的工作，我们发现，最准确的方法使用的有效电阻的边缘，优先边缘，这是唯一有效的方式，他们的端点之间旅行。由此产生的稀疏网络保留了SIR模型行为的许多方面，包括全局量（如流行病规模）和随机事件的局部细节，包括每个节点被感染的概率及其到达时间的分布。即使稀疏网络保留的原始网络边缘少于$10\%$，这也成立。除了它的实际效用，这种方法有助于阐明加权，无向网络的哪些环节是最重要的疾病传播。
2022-07-26 cs.SI physics.soc-ph q-bio.PE
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
Unlocking capacities of viral genomics for the COVID-19 pandemic response
由于高通量测序技术的最新进展、SARS-CoV-2的快速全球传播及其对公共卫生的持续威胁，COVID-19大流行的特点是以令人难以置信的速度产生大量病毒基因组数据，这比任何其他传染病流行都要多。然而，区分编码在这些大量数据中的最流行病学相关信息需要整个研究和公共卫生界的大量努力。对SARS-CoV-2基因组的研究对于跟踪变异的传播和了解其流行动力学至关重要，并且可能对控制未来的流行病和减轻重大的公共卫生负担至关重要。总之，基因组数据和生物信息学方法能够在地方，国家和全球范围内对SARS-CoV-2的传播进行大规模调查，并使研究人员能够有效地跟踪新变体的出现，重建流行动力学，并为药物和疫苗开发以及疾病控制提供重要见解。在这里，我们讨论了基因组学提供的巨大机会，以有效利用SARS-CoV-2基因组数据进行有效的公共卫生监测，并指导及时应对COVID-19。
2021-06-04 q-bio.GN q-bio.PE
A monotonic relationship between the variability of the infectious period and final size in pairwise epidemic modelling
对于最近导出的具有非马尔可夫恢复的成对网络流行病模型，证明了在传染期分布的一些温和的技术条件下，当平均传染期固定时，恢复时间的方差越小，则再生数越大，从而导致更大的流行病爆发.我们将讨论如何将这一结果与各种随机排序的传染期的分布。一些明确的随机模拟结果表明，其有效性超出了常规网络。
2018-12-24 q-bio.PE
Effects of Reactive Social Distancing on the 1918 Influenza Pandemic
1918年流感大流行的特点是多波流行。我们调查了反应性社交距离，一种行为反应形式，以及它对英国多重流感浪潮的影响。在以前的研究中使用了两种形式的反应性社会距离：幂函数，这是最近流感死亡率在人群中的比例的函数，希尔函数，这是最近流感死亡率的实际数量的函数。使用一个简单的流行病模型与幂函数和一组共同的参数，我们提供了一个很好的模型适合在伦敦自治市，伯明翰和利物浦观察到的多个流行病波。我们的方法不同于以往的研究，其中单独的模型适合每个城市。然后，我们将这些模型参数应用于英格兰和威尔士的所有334个行政单位，包括各个行政单位的人口规模。我们计算了皮尔森的相关性之间的观察和模拟数据为每个行政单位。我们实现了0.636的中位数相关性，表明我们的模型预测表现相当不错。我们的建模方法需要减少参数的数量，从而在不过度拟合模型的情况下提高了计算效率。我们的工作具有科学和公共卫生意义。
2017-03-13 q-bio.PE
Epidemic-induced local awareness behavior inferred from surveys and genetic sequence data
针对真实世界数据集中局部认知行为评估的挑战，提出通过分析临床基因序列数据中突变模式、识别超级传播事件并分配遏制评分的方法，验证其可作为局部认知代理指标，为认知建模领域提供重要见解。
2025-04-15 cs.SI physics.soc-ph q-bio.PE
Modelling epidemics: a perspective on mathematical models and their use in the present SARS-CoV-2 epidemic
在这项工作中，我们着眼于几个数学模型，已在目前的流行病，以解决不同的问题，重要的公共卫生政策的流行情况及其原因。我们首先简要回顾了经典的Kermack-McKendrick模型的最基本的属性，然后继续研究一些推广及其在接触结构，病毒感染的共循环，流行病曲线的增长模式，概率分布的表征和必要的通道时间参数化的隔间，添加到基本Kermack-McKendrick模型的应用。所有这些例子都围绕着这样一个思想，即为特定的流行病学问题构建的微分方程系统，具有作为其构建和分析动机的流行病学，医学和生物学背景的核心和主要理论和概念支持。在没有对数学模型的生物可行性进行合理分析的情况下，对数据拟合微分模型将提供统计学上显著的拟合，但也不能为管理、缓解和最终控制SARS-CoV-2流行提供有用的信息。
2021-04-15 q-bio.PE
Modelling Epidemics on Networks
尽管几个世纪以来一直在努力控制和减轻传染病的影响，但它仍然是人类面临的一个主要问题。本文综述了传染病流行网络的数学模型，从最简单的Erdos-Renyi随机图出发，以相关性、异质性和偏好性的形式建立网络结构，特别关注随机图论、渗流和代表传播的动力系统之间的联系。最后，讨论了具有大量短闭视的网络所带来的问题。
2011-12-15 physics.pop-ph q-bio.PE
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
Stochastic Model of SIR Epidemic Modelling
阈值定理可能是流行病数学模型最重要的发展。不幸的是，某些模型可能不会根据阈值进行操作。在本文中，我们将集中在SIR模型与人口的最终结果。将介绍由确定性和随机模型接近的模型的行为，主要是使用模拟。此外，我们还将研究在没有传染性疾病的情况下人群中易感染者的动态。我们已经成功地表明，确定性和随机模型执行类似的结果时，$R_0 \leq 1$。也就是说，疫情中的无病阶段。但当$R_0 > 1$，确定性和随机性的方法有不同的解释。
2018-03-05 q-bio.PE stat.AP
Pursuing equitable access to vaccines for the next epidemic
本文利用耦合SIRD模型研究两国间疫苗分配时机与大流行持续时间的关系，证明及时共享疫苗对双方均有利，表明自利与利他并不矛盾。
2024-03-29 physics.soc-ph q-bio.PE
Analytical Mechanics Allows Novel Vistas on Mathematical Epidemic Dynamics Modelling
这一贡献的目的是阐明数学流行病动力学建模从分析力学的观点。为了设置阶段，它重铸的基本SIR模型的数学流行病动力学的分析力学设置。因此，它认为两种可能的重新参数化的基本SIR模型。一方面，建议重新缩放时间，而另一方面，转换坐标，即自变量。在这两种情况下，分别在最小和扩展相空间和状态空间坐标中考虑了适合的汉密尔顿量的汉密尔顿方程以及适合的拉格朗日量的汉密尔顿原理。相应的勒让德变换有关的各种选择的哈密顿量和拉格朗日量进行了详细说明。最终，这一贡献扩大了众多的数学流行病动力学建模，从分析力学的观点出现的新的远景。因此，人们认为，有趣的和相关的新的研究途径开辟时，深入利用分析力学和数学流行病动力学建模之间的类比。
2020-06-06 math.DS q-bio.PE
The role of mobility in the dynamics of the COVID-19 epidemic in Andalusia
集合种群模型一直是研究人口密集节点（城市、省、国家）网络上流行病传播的流行工具，并在持续的COVID-19大流行的背景下得到广泛应用。在目前的工作中，我们重新审视了这样一个模型，考虑到一个特殊的案例，即2020年夏秋期间西班牙安达卢西亚地区的案例（即，在第一和第二次大流行浪潮之间）。我们的目的是考虑纳入移动性的可能性，在全省节点集中在移动电话的时间依赖性数据，但也讨论了我们的情况下的例子与重力模型的比较，以及在没有流动性的动态。我们的主要发现是，流动性是定量了解第二波大流行病出现的关键，捕捉这一情况的最准确方法是动态（而不是静态）纳入基于手机数据的时间依赖流动性矩阵。没有流动性的替代办法无法捕捉到本文所考虑的集合种群模型背景下的数据所揭示的趋势。
2022-07-05 physics.soc-ph q-bio.PE
The Effects of Stringent Interventions for Coronavirus Pandemic
COVID-19疫情在全球范围内造成严重的公共卫生后果。COVID-19的许多干预措施已经实施。评估COVID-19大流行的干预措施的效果具有重大的公共卫生和社会重要性。本文采用综合控制方法、回归不连续性和SIHR模型，对温州市为控制疫情而实施的严格干预措施的横向和纵向效果进行了评估。我们发现，这些严格的干预措施具有统计学显著的治疗效果，减少了COVID-19的累计确诊病例。这些减少效应将随着时间的推移而增加。此外，如果严格的干预措施推迟2天或实施温和的干预措施，预计累计确诊病例数将接近实际数的2倍或5倍。严格的干预措施对缓解COVID-19疫情的效果显著。干预措施实施得越慢，流行病就会越严重，干预措施就会越有力。
2020-05-31 physics.soc-ph q-bio.PE stat.AP
A systematic review of COVID-19 epidemic models with endogenous human behaviour. What's next?
University of Pisa（比萨大学）；University of Florence（佛罗伦萨大学）；Bocconi University（博科尼大学）；University of Trieste（的里雅斯特大学）；Queen Mary University of London（伦敦大学玛丽女王学院）；University of Waterloo（滑铁卢大学）；IRTA-Leonardo, Istituto di Ricerca sul Territorio e l’Ambiente（领土与环境研究所（IRTA-Leonardo））
本文系统综述了内源性人类行为的COVID-19传播模型，发现数据使用扩大但行为数据有限、模型结构创新不足，并提出加强数据基础设施、AI和跨学科合作等建议。
2026-06-12 physics.soc-ph q-bio.PE
A Data-Driven Network Model for the Emerging COVID-19 Epidemics in Wuhan, Toronto and Italy
持续的2019冠状病毒病（COVID-19）大流行威胁人类健康并造成巨大经济损失。建立预测模型和预测流行趋势对于制定缓解这一流行病的对策至关重要。我们开发了一个网络模型，其中每个节点代表一个个体，边缘代表感染可能传播的个体之间的接触。这些人根据他们每天接触的人数（他们的节点程度）和他们的感染状态进行分类。使用马尔可夫链蒙特卡罗（MCMC）优化算法，将传播网络模型分别拟合到武汉（中国）、多伦多（加拿大）和意大利共和国的COVID-19疫情报告数据。我们的模型很好地拟合了这三个地区，置信区间很窄，可以适用于模拟其他特大城市或地区。关于遏制战略作用的模型预测可帮助公共卫生当局规划控制措施。
2020-05-28 physics.soc-ph q-bio.PE
Epidemic modelling: aspects where stochasticity matters
流行病模型通常是真实世界流行病的简化模型。包括哪些真实世界特征，以及进行哪些简化，取决于感兴趣的疾病和建模的目的。在本文中，我们讨论了一些这样的目的，\emph{stochastic}模型是优选的\emph{deterministic}对应。这两个主要的例子说明了当关注大规模流行病爆发的\emph{probability}和/或流行病的初始\emph{speed}或增长率时，允许传染期和潜伏期是随机的重要性。后者的一个后果是，估计的基本再生数$R_0$是敏感的假设的分布的传染期和潜伏期时，使用的数据从爆发的早期阶段，我们从SARS爆发的数据说明。一些进一步的例子也进行了讨论，是一些实际的后果，这些随机方面。
2008-12-18 math.PR q-bio.PE
Simulation of the COVID-19 pandemic on the social network of Slovenia: estimating the intrinsic forecast uncertainty
本文在一个简化的社会网络上建立了一个病毒传播模型。该社交网络由200多万个节点组成，每个节点代表斯洛文尼亚的一个居民。节点根据真实的家庭和老年人护理中心分布进行组织和互连，而这些集群之外的连接是半随机分布和完全链接的。将病毒传播模型与疾病进展模型耦合。集成方法与扰动的传输和疾病参数被用来量化的合奏传播，预测的不确定性的代理。所呈列的斯洛文尼亚COVID-19疫情持续预测与收集到的斯洛文尼亚数据进行比较。结果表明，目前感染在家庭/老年人护理中心内传播的可能性是在家庭/老年人护理中心外传播的两倍。我们使用模拟集合（N = 1000）来反向获得模型参数的后验分布，并估计COVID-19预测的不确定性。我们发现，在不受控制的流行病中，内在的不确定性主要来源于病毒生物学的不确定性，即其繁殖数。在低感染率的受控流行病中，社会网络的随机性成为预测不确定性的主要来源，特别是对于短期预测。因此，基于社会网络的模型对于改进流行病预测至关重要。
2020-05-27 cs.SI physics.soc-ph q-bio.PE
What Can We Estimate from Fatality and Infectious Case Data using the Susceptible-Infected-Removed (SIR) model? A case Study of Covid-19 Pandemic
2019新型冠状病毒病（COVID-19）迅速蔓延，影响几乎所有国家，于2019年底首次报告。由于其高度传染性，世界各国都采取了极其严格的措施来控制其传播。自这场大流行病的最初阶段以来，学术界已经做了大量的研究，以了解这种疾病，开发药物，疫苗和测试，并模拟其传播。在这些研究中，大量的工作都是在早期阶段为受COVID-19影响的国家估计疫情参数，从而预测疫情的进程，但疫情过程中控制措施的变化使建模过程复杂化。本文利用早期资料讨论了基本再生产数的确定、传染期的平均持续时间、流行高峰时间的估计等问题。2020年1月22日至2020年4月18日期间，10个国家的每日病例报告和每日死亡人数使用易感-感染-删除（SIR）模型进行评估。对于每个国家，SIR模型拟合累积感染病例数据在5%的误差进行了分析。据观察，基本繁殖数和传染期的平均持续时间只能在流行病传播结束的情况下估计（在目前的情况下，中国和韩国）。然而，它表明，感染个体的比例的最大值和拐点的时间的时间可以鲁棒地估计从归一化的数据。通过将预测与实际数据进行比较来验证估计数，结果表明，只要保留封锁措施，除美国外，所有国家都实现了预测。
2020-07-10 q-bio.PE q-bio.QM
New Trends on the Systems Approach to Modeling SARS-CoV-2 Pandemics in a Globally Connected Planet
本文批判性分析SARS-CoV-2流行病建模文献，提出超越确定性动力学、考虑多尺度复杂性、交通网络与人口异质性等的新数学工具，以支持危机管理决策。
2024-05-03 nlin.AO physics.soc-ph q-bio.PE
Modeling and forecasting of the COVID-19 pandemic in India
背景：持续的COVID-19疫情在印度迅速蔓延。为了结束全球COVID-19大流行，印度采取了主要的行为、社交距离、接触者追踪和国家干预措施，以减少疫情的爆发，并避免冠状病毒在印度和世界各地的人类中持续存在。在没有任何疫苗或疗法的情况下，预测是卫生保健规划和控制COVID-19传播的重中之重。方法：我们提出了一个数学模型，解释了COVID-19在印度的传播动态。基于估计的数据，我们的模型预测流行病的演变和SARS-CoV-2的结束，并帮助评估不同政策的影响，以控制疾病的传播。研究结果：与感染者的真实数据，我们发现的基本生殖数$R_0$为17个国家的印度和整个印度。提供了一个完整的数字，以证明估计的大流行生活周期〈动〉<动>以及迄今为止的真实数据或历史。我们的研究表明，在印度实施的严格控制措施大大减轻了SARS-CoV-2的传播。重要的是，模型模拟预测，到2020年6月26日，印度的疫情将减少95%，到2020年7月26日，印度的疫情将减少99%。释义：我们的模型模拟表明，通过减少社会距离和采取必要的预防措施，在社区范围内消除SARS-CoV-2是可能的。可严格实施封锁，以防止COVID-19在人与人之间传播。基于模型和参数估计的流行病生活周期〈动〉<动>和结束日期，如果可以精确地完成，可以减少痛苦和过度乐观，并为我们所有人的爆发演变的下一阶段发展心态。
2020-05-13 q-bio.PE
Evolution of mutating pathogens in networked populations
本文研究网络化种群中病原体以死亡平均时间为突变参数的持续演化，结合解析与数值模拟揭示自然选择使较温和病原体占优，并利用新冠数据解释变异株传播过程。
2025-09-27 physics.soc-ph q-bio.PE
City-Scale Agent-Based Simulators for the Study of Non-Pharmaceutical Interventions in the Context of the COVID-19 Epidemic
我们强调了城市规模的基于代理的模拟器在研究各种非药物干预措施以管理不断发展的大流行中的有用性。我们的研究以COVID-19大流行为背景，并通过在孟加拉国和孟买两个大都市的几个探索性案例研究来展示模拟器的功能。在我们迈向数字健康的过程中，这些工具在任何城市管理部门的工具包中都是常见的。
2020-08-11 cs.OH physics.soc-ph q-bio.PE
What the reproductive number R_0 can and cannot tell us about COVID-19 dynamics
生殖数R_0（及其在初始疾病出现R后的值）长期以来一直被用来预测病原体入侵的可能性，衡量流行病的潜在严重程度，并制定干预政策。然而，经常被忽视的复杂性已经在度量的使用方面产生了混乱。这一点在新出现的大流行性病毒SARS-CoV-2（COVID-19的病原体）中尤为明显。我们解决了其中的一些误解，即R如何随时间变化，随空间变化，并通过引用R的数学定义和当前流行病的例子与流行病规模相关。我们希望，更好地理解R的用途、细微差别和局限性，有助于更好地理解SARS-CoV-2背景下的流行病传播、流行病严重程度和干预措施的效果。
2020-06-25 physics.soc-ph q-bio.PE
The Effect of Population Size for Pathogen Transmission on Prediction of COVID-19 Pandemic Spread
极端的公共卫生干预措施在降低COVID-19在当地和全球的流行率和大流行潜力方面发挥着关键作用。在这里，我们使用病原体传播的人口规模来衡量公共卫生干预的强度，这是一个关键的特征变量，用于临近预报和预测流行病。通过构造隐马尔可夫动力系统，利用非线性滤波理论，建立了公共卫生干预下的随机流行病动力学模型。模型参数和状态估计的时间从国际上可用的公共数据相结合的无迹滤波器和交互式多模型滤波器。此外，我们还考虑了种群规模的可计算性，并给出了种群规模的选择准则。我们估计中国和除中国以外的全球其他地区（GEC）的基本生殖数均值分别为2.46（95%CI：2.41-2.51）和3.64（95%CI：3.55-3.72）。我们推断，截至2020年4月2日，GEC潜伏感染人数约为7.47*10^5（95%CI：7.32*10^5-7.62*10^5）。我们预测，按照目前的轨迹，GEC的医院感染高峰可能达到3.00*10^6，即，如果病原体传播的人口规模和流行病参数保持不变。如果加强控制力度，例如，病原菌传播的种群规模减少50%或减少75%时，峰值分别下降到1.84 × 10 ~ 6、1.27 × 10 ~ 6。
2020-04-22 q-bio.PE
Ostwald growth rate in controlled Covid-19 epidemic spreading as in arrested growth in quantum complex matter
在此，我们着重对启动不同遏制政策的国家的COVID-19疫情传播增长情况进行数据分析。众所周知，大流行病传播的增长在其临界点是指数级的，但不知道如何量化不同遏制政策的成功。我们确定，一个成功的方法给出了一个逮捕相制度后的奥斯特瓦尔德增长，其中，随着时间的推移，一个阶段转化为另一个亚稳相具有类似的自由能观察到的氧间隙扩散在量子复杂的物质和蛋白质的结晶。我们引入S因子，量化衡量所采取遏制政策的效率和速度，这不仅对监测COVID-19大流行的传播非常有帮助，而且对其他国家选择最佳遏制政策也很有帮助。结果表明，基于联合隔离、有针对性的检测和追踪阳性病例的政策是最快速的大流行遏制政策;事实上，我们发现中国、韩国和意大利的成功s因子值分别为9、5和31，其中最低的s因子表示最佳遏制政策
2020-03-29 cond-mat.other physics.soc-ph q-bio.PE
Markovian And Non-Markovian Processes with Active Decision Making Strategies For Addressing The COVID-19 Pandemic
我们使用基于离散区间的模型研究和预测了5月1日至8月31日期间美国六个州的COVID-19演变，并在部分可观察马尔可夫决策过程的广泛框架内，基于最小化损失函数，规定了积极的干预政策，如封锁。对于每个州，分析40天的新冠肺炎数据（北部两个州从5月1日开始，南部四个州从6月1日开始），以估计隔间之间的转移概率和与疫情演变相关的其他参数。然后，这些量被用来预测在不同的政策分配下，在给定的状态下，未来50天（测试期）的流行病的过程，导致在训练范围内损失函数的不同值。最优策略分配是对应于最小损失的策略分配。我们的分析显示，在测试期间，这六个州都不需要封锁，尽管不封锁的规定需要谨慎解释：当然需要继续负责任地使用口罩和保持社交距离。详细讨论了这种流行病传播模型中涉及的注意事项。一个关于Covid-19传播（以及更一般的流行病传播）的非马尔可夫公式的草图被认为是该领域未来研究的一个有吸引力的途径。
2020-08-05 physics.soc-ph q-bio.PE stat.AP
Age-specific contacts and travel patterns in the spatial spread of 2009 H1N1 influenza pandemic
在2009年H1N1 pdm的早期阶段，各国的确诊病例显示，在输入病例和本地传播病例之间存在年龄转移，成年人主要负责在未受影响的地区播种，儿童最常导致社区暴发。我们引入了一个多主机随机集合种群模型，两个年龄段的分析解决的作用，异质混合人口及其相关的非同质旅行行为的风险的重大流行病。我们告知模型的统计数据，人口，混合和旅行行为的欧洲和墨西哥，并校准到2009年H1N1 pdm早期爆发。我们改变了模型参数，以探索不同情况下的入侵条件。我们推导出该流行病的全球入侵潜力的表达式，该表达式取决于疾病传播率、交通网络和流动性特征、人口特征和混合模式。高度分离的混合有利于对流行病的空间遏制，这一效果与成人与儿童的社会活动增加形成对比。移动网络拓扑结构和交通流量的异质性强烈有利于疾病的侵袭，因为儿童旅行的比例也很大。各国人口结构和混合习惯的差异导致不同的疫情。结果与观察到的H1N1空间传播一致。这项工作说明了年龄依赖性的混合配置文件和流动性的特点，在研究的新出现的流感大流行的空间入侵的条件的重要性。其结果使得能够在获得数据后立即评估特定情况下发生重大流行病的风险，并评估针对特定年龄组、其相互作用和流动行为的公共卫生干预措施的有效性。
2013-04-02 physics.soc-ph q-bio.PE
An age-structured diffusive model for epidemic modelling: Lie symmetries and exact solutions
本研究提出一种推广现有两类模型的年龄结构扩散流行病模型，推导其李对称分类与无穷维不变李代数，构造行波及特殊函数形式的精确解，并展示其在疫情总感染数计算中的应用。
2025-07-30 math-ph math.MP q-bio.PE
Modelling the spreading rate of controlled communicable epidemics through an entropy-based thermodynamic model
提出了一个基于热力学方法的模型，用于预测城市中传染性流行病的动态，当流行病由多个尺度的控制努力，使熵与系统相关联。所有流行病的细节都被分解成一个参数，这个参数是通过最大化熵产生率来确定的。尽管最后的模型很简单，它预测住院病例的数量与合理的准确性，使用2003年SARS的数据，一旦表征多重控制努力的效果的临界点是已知的。这个模型被认为是潜在的有用性，因为今年在中国发生的禽流感（如H7H9）有可能在人类之间传播。
2013-04-20 physics.med-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
Epidemic modelling of multiple virus strains: a case study of SARS-CoV-2 B.1.1.7 in Moscow
在长期流行期间，病原体可以发生突变，产生具有不同流行病学参数的新菌株。现有的流行病建模方法只考虑一种病毒株。我们已经开发了一种改进的SEIR模型来模拟同一种群中的多个病毒株。作为案例研究，我们调查了SARS-CoV-2菌株B.1.1.7对莫斯科市的潜在影响。我们的分析表明，2021年9月至10月新一波感染的风险很高，高峰期每日感染人数高达35，000人。我们开源我们的代码和数据。
2021-06-16 cs.LG q-bio.PE stat.AP
Should public health policy exempt cases with low viral load from isolation during an epidemic?: a modelling study
本研究开发了多尺度智能体模型评估低病毒载量病例豁免隔离政策，发现高峰后豁免低病毒载量病例会轻微增加感染并降低隔离效率，建议对自适应隔离政策保持谨慎。
2025-01-31 q-bio.PE
Modelling the spread of two successive SIR epidemics on a configuration model network
本文针对配置模型网络上两次连续 SIR 流行病构建随机模型，结合键渗流与三类型分支过程，推导第二次疫情的大暴发阈值、概率及感染比例。
2024-10-28 math.PR q-bio.PE
Modelling the strategies for age specific vaccination scheduling during influenza pandemic outbreaks
寻找最佳政策以降低目前流行病的发病率和死亡率是公共卫生的首要任务。使用房室模型与年龄结构和疫苗接种状态，我们研究了在流感大流行爆发期间，当疫苗接种运动和大流行的动态之间存在竞争时，特定年龄的疫苗接种时间表的影响。我们的研究结果与最近的一些研究一致，即年龄特异性对疫苗接种计划至关重要。然而，人们对这些控制措施在疫情期间实施的有效性知之甚少。比较五种可能的策略，我们发现，年龄特定的时间安排可以对流行病的结果产生巨大影响。对于最佳方案，攻击率比其他策略低10%。我们证明了尽早开始接种疫苗运动的重要性，因为延迟10天可能会增加高达6%的发病率。考虑到产生免疫力和接种疫苗之间的延迟是评估疫苗接种运动影响的一个关键因素。我们提供了一个总体框架，这对下一波大流行也将是有用的。
2012-02-28 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
Investigating Spatiotemporal Dynamics and Synchrony of Influenza Epidemics in Australia: An Agent-Based Modelling Approach
在本文中，我们提出了ACEMod，一个基于代理的建模框架，用于研究澳大利亚的流感流行。该模拟器旨在分析全国范围内传染病的时空传播和流感的空间同步性。以个人为基础的流行病学模型考虑了来自2006年澳大利亚人口普查和其他国家数据来源的流动性（工人和学生通勤）模式和人类互动。高精度模拟包括1980万个随机生成的软件代理，并在多个尺度上跟踪流感病毒感染和传播的动态。使用这种方法，我们能够在澳大利亚合成不同爆发地点和严重程度的流行病。对于每一种情况下，我们调查的时空配置文件，这些流行病，定性和定量，通过发病率曲线，流行choropleths，和流行同步。这一分析阐明了澳大利亚境内流感大流行的性质，有助于今后规划有效的干预、缓解和危机管理战略。
2018-06-07 cs.MA physics.soc-ph q-bio.PE
