An Interstate Trips Analysis during COVID-19 in the United States
COVID-19全球爆发对公众构成严重威胁。在大流行期间，人类流动发生了各种变化。尽管目前的研究共同的流动性指标，研究特别是对国家到国家的流动性是非常有限的。通过利用来自超过1亿台匿名设备的移动电话位置数据，我们估计了美国各州之间的人口流动。我们首先分析了2020年1月1日至2020年5月15日州际流动的时间模式和空间差异。然后，通过重复测量方差分析和事后分析，我们发现不同的时间过程模式的国家之间的人口流动的流行病的严重程度组。进一步分析显示，流量减少与疫情严重程度之间存在中度至高度相关性，其强度因政策不同而异。本文在预测输入性病例方面有一定的应用前景。
2020-07-04 cs.SI physics.soc-ph
COVID-19 second wave mortality in Europe and the United States
本文介绍了新的方法来分析COVID-19病例在不同流行波中死亡的变化进程。首先，算法方法将每个国家或州的COVID-19时间序列划分为第一波和后续时期。接下来，通过标准化的内积来学习每个国家的病例和死亡时间序列之间的偏移。将这些数据与其他计算相结合，我们可以确定哪些国家的COVID-19死亡率下降最大。最后，我们的论文确定了欧洲国家和美国各州病例和死亡轨迹的相似性。我们的分析细化了流行的概念，即在第二波COVID-19期间，整个欧洲的死亡率大幅下降;相反，我们证明了整个欧洲和美国的实质性异质性。荷兰的死亡率下降幅度最大，为16倍，其次是丹麦、法国、比利时和其他西欧国家，比东欧国家和美国各州都要大。在欧洲和美国之间观察到一些结构上的相似性，其中东北部各州是该国最成功的。这种分析可能有助于欧洲国家相互学习经验和不同的成功经验，以制定最佳政策，作为一个集体单位抗击COVID-19。
2021-02-18 physics.soc-ph q-bio.PE
COVID-19 in the United States: Trajectories and second surge behavior
本文介绍了一个用于确定美国COVID-19病例第二次激增行为的数学框架。在这个框架内，灵活的算法方法为每个状态选择一组转折点，计算它们之间的距离，并确定每个状态是否处于（或超过）第一次或第二次浪涌。然后，适当的归一化时间序列之间的距离被用来进一步分析每月的基础上的情况下的轨迹之间的关系。我们的算法显示，31个州正在经历第二次激增，而10个最大的州中有4个仍处于第一次激增，病例数从未减少。这一分析有助于突出最成功和最不成功的国家应对COVID-19。
2020-09-10 physics.data-an physics.soc-ph q-bio.PE
The COVID-19 Pandemic and the Future of Telecommuting in the United States
本研究关注美国COVID-19大流行对交通相关的一个重要长期影响：远程办公的增加。分析一项全国性的成年人小组调查，我们发现40-50%的员工预计在疫情后每月至少远程办公几次，高于COVID前的24%。如果可以选择，90-95%在大流行期间首次远程办公的人计划定期继续这种做法。我们还发现，新的远程办公者在人口统计学上与COVID前的远程办公者相似。无论是在新冠肺炎之前还是之后，较高的教育程度和收入，以及某些工作类别，在很大程度上决定了工人是否可以选择远程办公。尽管远程办公有所增长，但约一半的员工预计仍无法远程办公，而2/3至3/4的员工预计其疫情后远程办公模式将与疫情前的模式保持不变。这限制了电子通勤对减少高峰时段交通需求的贡献。
2022-09-30 econ.GN physics.soc-ph q-fin.EC
Effects of Population Co-location Reduction on Cross-county Transmission Risk of COVID-19 in the United States
COVID-19在美国迅速蔓延，对公共卫生、实体经济和人类福祉构成重大威胁。在缺乏有效疫苗的情况下，保持社交距离及减少旅行等预防措施被视为控制COVID-19传播的重要非药物方法。此前的研究表明，人类活动和流动性推动了中国COVID-19的时空分布。然而，人们对减少同地办公对COVID-19跨县传播风险的模式和影响知之甚少。这项研究利用了2020年3月至5月初美国所有县的Facebook托管数据。该分析考察了旅行减少与大流行增长轨迹之间的同步性和时滞，以评估社交距离在停止人口共居概率以及随后每周新病例增长方面的功效。结果表明，减少同地办公的缓解效应表现在延迟一周的每周新病例增长上。此外，在根据病例数量分类的不同州组之间发现了明显的隔离。结果表明，组内共址概率保持稳定，社会距离政策主要导致跨组共址概率降低（由于从病例数较多的县到病例数较少的县的旅行减少）。这些发现可能对地方政府提供重要的实际影响，以指导其监测和减少COVID-19传播的干预措施，以及在未来大流行中采用。公共政策、经济预测和流行病建模在评估COVID-19跨县传播风险时需要考虑人口共址模式。
2020-06-01 physics.soc-ph q-bio.PE
Modeling and prediction of COVID-19 in the United States considering population behavior and vaccination
COVID-19摧毁了整个国际社会。疫苗提供了一个缓解大流行的机会;然而，疫苗接种的效果与人群的行为反应还没有得到很好的理解。我们提出了一个模型，结合了两个重要的动态变化的人口行为：谨慎和安全感的水平。随着感染病例的增加，谨慎的程度也会增加，而随着疫苗接种的增加，安全感的增加会降低预防行为。据我们所知，这是第一个可以有效重现美国各地区COVID-19感染完整时间历史的模型，并提供了人口行为和疾病传播率动态变化的相关指标。我们提出了一个参数d_I作为一个直接的措施，人口的谨慎对传染病，可以从正在进行的新的传染病病例。该模型提供了一种方法来定量测量的关键传染病属性的人口，包括最高的疾病传播率，有效的疾病传播率，疾病相关的预防行为。我们预测美国未来COVID-19大流行趋势，包括疫苗推广和行为反应。尽管高疫苗接种率对迅速结束大流行至关重要，但我们发现，由于疫苗部署期间安全感的增加，恢复到大流行前的社会行为可能导致感染人数激增。我们的研究结果显示，按目前的疫苗接种速度，美国的新冠肺炎感染病例将于二零二一年八月底接近零。该模型可用于预测未来的流行病和大流行的动态之前和期间接种疫苗。
2021-03-01 physics.soc-ph q-bio.PE
Quantifying the influence of inter-county mobility patterns on the COVID-19 outbreak in the United States
作为一种高度传染性的呼吸道疾病，COVID-19已成为威胁全球健康的大流行病。在没有有效治疗的情况下，非药物干预措施，如旅行限制，已被广泛推广，以缓解疫情。目前的研究分析了旅行距离等流动性指标;然而，缺乏对区域间旅行流量及其对大流行的影响的研究。我们的研究特别关注美国县际流动模式及其对COVID-19传播的影响。为了检索真实世界的移动模式，我们利用一组集成的移动终端位置数据，包括超过1亿个匿名设备。我们首先调查全国范围内的时间趋势和空间分布的县际流动。然后，我们放大美国疫情爆发的中心纽约市，并评估其流出对其他县的影响。最后，我们开发了一个“对数线性双风险”模型，在县一级量化的影响，“外部风险”进口的县间流动性流动和“内部风险”定义为一个县的脆弱性方面的人口与高风险表型。我们的研究增强了美国县际流动的情况意识，并有助于改善COVID-19的非药物干预措施。
2020-06-24 cs.SI physics.soc-ph
The spread of COVID-19 increases with individual mobility and depends on political leaning
实施社交距离政策是减轻当前COVID-19疫情影响的关键。然而，它们的有效性最终取决于人的行为。在美国，疫情期间，遵守社交距离政策的情况迄今差异很大。但是，是什么导致了这种变化呢？通过六个开放数据集，包括实际的人类流动，我们估计了美国3,107个县的流动性与COVID-19病例增长率之间的关联，概括了以前的报告。此外，2016年美国总统大选的数据被用来衡量流动性和COVID-19增长率之间的关联如何根据投票模式而有所不同。政治倾向与COVID-19增长率之间存在显著关联。我们的研究结果表明，政治取向可能为预测政策对减少COVID-19传播的影响的模型提供信息。
2020-10-11 physics.soc-ph
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
Spatial-temporal Analysis of COVID-19's Impact on Human Mobility: the Case of the United States
自二零一九年十二月以来，COVID-19已影响社会生活的各个方面，包括人员流动。在本文中，我们研究了COVID-19对美国各州人口流动模式的影响。从时间的角度来看，我们发现流动模式的变化并不一定与政府的政策和指导方针相关，而更多地与人们对疫情的认识有关，这一点在Google Trends的搜索数据中有所反映。我们的研究结果表明，平均需要14天的流动模式，以适应新的情况。从空间的角度来看，我们进行了一个国家级的网络分析和聚类使用多尺度动态人类流动数据集的流动数据。结果，我们发现：1）同一个聚类中的州的地理距离较短; 2）在出现最多聚类的时间和Google趋势上冠状病毒相关搜索查询的峰值之间再次发现了14天的延迟;以及3）其它网络流属性，即度、接近度和介数，从3月2日的一周到4月6日的一周（集群数量最多的一周）。
2020-12-06 cs.SI physics.soc-ph
Modeling and forecasting the COVID-19 temporal spread in Greece: an exploratory approach based on complex network defined splines
在抗COVID-19健康管理的复杂框架内，各国的诊断检测标准、公共卫生资源和服务的可用性以及所应用的抗COVID-19政策各不相同，时间传播建模的可靠性和准确性可以证明在全球抗击疾病方面是有效的。本文对希腊的疾病演变进行了探索性的时间序列分析，这是目前COVID-19管理的成功案例。该方法建立在最近的概念化检测连接社区的时间序列，并开发了一种新的样条回归模型，其中节点向量是由社区检测在复杂的网络。总体而言，该研究通过提出一个无间断的过去数据和可靠的预测框架，有助于COVID-19研究，这可以促进可用卫生资源的决策和管理。
2020-05-03 physics.soc-ph
Fever and mobility data indicate social distancing has reduced incidence of communicable disease in the United States
2020年3月，美国多个州政府鼓励或强制限制社交互动，以减缓COVID-19的传播，COVID-19是由新型冠状病毒SARS-CoV-2引起的疾病，已蔓延至近180个国家。评估这些社交距离策略的有效性具有挑战性，因为对COVID-19的监测有限，根据时间和地区不同的标准，通常会优先对高风险或住院病例进行检测。在这里，我们发现，在美国至少有100例COVID-19确诊病例的县，流动性的减少导致了发热发病率的减少，这是由智能温度计捕获的，平均滞后6.5天（$90\%$在3- 10天内），这与COVID-19的潜伏期一致。此外，流动性下降幅度较大的县随后实现了发烧的更大幅度下降（$p<0.01$），纽约市及其邻近地区是一个明显的例外。这些结果表明，社交距离减少了包括COVID-19在内的流感类疾病的传播，并支持社交距离作为减缓COVID-19传播的有效策略。
2020-04-21 physics.soc-ph q-bio.PE
Network Based Approach Estimating COVID-19 Spread Patterns
该研究利用美国 3,105 个县的病例时间序列构建演化疫情网络，识别出四种与重大事件相关的 COVID-19 传播模式，并揭示复杂网络方法在传染病宏观研究中的潜力。
2024-01-23 physics.soc-ph
The limits of human mobility traces to predict the spread of COVID-19
移动电话数据已被广泛用于模拟COVID-19的传播，然而，在不同环境下量化和比较其预测价值具有挑战性。其质量受到各种因素的影响，与流行病学指标的关系也随时间而变化。在这里，我们采用了一种基于传输熵的无模型方法，量化了200多个欧洲国家以下地区的手机衍生移动性指标与COVID-19病例和死亡之间的关系。我们发现，过去对流动性的了解并不能提供大部分地区COVID-19病例或死亡的统计学显著信息。在其余的研究中，接触率的衡量标准在预测疾病传播方面往往比流动更有信息量，而中距离和短距离流动之间最具预测性的衡量标准取决于所考虑的区域。我们最终确定了地理和人口因素，例如用户的覆盖范围和通勤模式，这些因素可以帮助确定预测特定位置疾病发病率的最佳指标。我们的方法为流行病学家和公共卫生官员提供了一个总体框架，以评估人类流动数据在应对流行病方面的有用性。
2023-01-10 physics.soc-ph
Digital cities and the spread of COVID-19: characterizing the impact of non-pharmaceutical interventions in five cities in Spain
本研究开发了一个高分辨率、数据驱动的基于智能体的模型，用于模拟COVID-19在西班牙五个城市中的传播，并评估非药物干预措施的效果，为决策提供模拟工具。
2022-12-13 physics.soc-ph
How different age groups responded to the COVID-19 pandemic in terms of mobility behaviors: a case study of the United States
COVID-19的迅速传播影响了全国各地不同社会人口群体的数千人。预防或减缓疫情的决定性步骤是采取行动干预措施，如政府的居家令。然而，不同的社会人口群体可能对这些命令和条例有不同的反应。在本文中，我们试图通过研究不同年龄组的不同社区如何按照3月13日的国家紧急状态宣言等命令执行社交距离，以及在实施规定后他们开始改变行为的速度，来填补目前文献中的空白。为此，我们通过使用匿名和隐私保护的移动终端数据，计算了不同年龄组人群在不同流动性指标下的行为变化，例如与大流行前几天（2020年1月和2月）相比，研究期间（2020年3月、4月和5月）待在家里的人的百分比。我们的研究表明，老年社区在行为改变方面优于年轻社区。与年轻社区相比，老年社区不仅对疫情的反应更快，而且在大流行期间表现更稳定。
2020-07-22 cs.CY physics.soc-ph
Detecting Robust Patterns in the Spread of Epidemics: A Case Study of Influenza in the United States and France
在本文中，作者开发了一种方法，检测在不同地区的流行病模式之间的相关性，是由于人类的运动，并引入一个空模型，其中旅行引起的相关性被取消。他们将这种方法应用于美国和法国有充分记录的季节性流感暴发病例。在美国（使用1972-2002年的数据），作者观察到几个州与其近邻之间存在强烈的短程相关性，以及由国内大量空中交通流量造成的强大的长程传播模式。这些结果随时间的稳定性使作者能够得出关于旅行限制对流行病传播可能影响的结论。作者还将这种方法应用于法国（1984-2004）的案例，发现在区域范围内，没有明显主导疾病传播的交通方式。这种方法的简单性和鲁棒性表明，它可能是一个有用的工具，检测传播渠道的流行病的传播。
2008-06-22 physics.soc-ph q-bio.PE
A County-level Dataset for Informing the United States' Response to COVID-19
由于2019冠状病毒病（COVID-19）继续成为全球大流行病，政策制定者已颁布并撤销非药物干预措施，并实施不同程度的限制，以限制其传播。分析大流行的时间特征及其对区域条件的依赖性的数据驱动方法可能提供信息以支持缓解和抑制策略的实施。为了促进在这个方向上的研究，在美国的例子，我们提出了一个机器可读的数据集，汇总相关的数据来自政府，新闻和学术来源在美国县一级。除了JHU CSSE COVID-19仪表板中的县级时间序列数据外，我们的数据集还包含300多个变量，这些变量汇总了人口估计、人口统计、种族、住房、教育、就业和收入、气候、交通评分以及医疗保健系统相关指标。此外，我们还为每个县的各种兴趣点提供了汇总的户外活动信息，包括杂货店和医院，总结了SafeGraph和Google移动报告的数据。我们从IHME、州和县级政府以及报纸上收集信息，以了解非药物干预措施的颁布和逆转日期。通过收集这些数据，并提供阅读它们的工具，我们希望加快研究这种疾病如何传播以及为什么不同地区的传播可能不同的研究。我们的数据集和相关代码可以在github.com/JieYingWu/COVID-19_US_County-level_Summaries上找到。
2020-09-11 cs.CY cs.DB physics.soc-ph
Trends in COVID-19 prevalence and mortality: a year in review
本文介绍了研究2020年50个受影响最严重国家的COVID-19病例和死亡变化动态的新方法。首先，我们分析滚动死亡率的轨迹和转折点，以了解疾病在哪些时候最致命。我们展示了死亡率轨迹的五个特征类，并确定随着时间的推移死亡率趋势的结构相似性。接下来，我们引入一类\emph{virulence matrices}来研究全球范围内COVID-19病例和死亡的演变。最后，我们引入\emph{three-way inconsistency analysis}来确定关于三个属性的异常国家：国家的COVID-19病例，死亡和人类发展指数。在这三项指标中，我们发现最不正常的国家是巴基斯坦、美国和阿拉伯联合酋长国。
2021-05-10 physics.soc-ph q-bio.PE
Human Mobility Trends during the COVID-19 Pandemic in the United States
于今年三月，COVID-19被宣布为大流行病，并继续威胁公众健康。这场全球健康危机限制了人们的日常行动，使我们社会的每个部门都出现恶化。了解公众对病毒的反应和非药物干预措施，应该对战略性抗击COVID-19有很大帮助。我们的目标是提供有形的证据，人类流动性的趋势，通过比较每天的变化在美国大规模的公共流动性在一个聚合的水平上观察到利用移动终端的位置数据和社交距离相关的措施。我们的研究捕捉了空间和时间的异质性，以及关于大流行传播和非药物干预的社会人口学变化。所有的流动性指标适应捕捉减少公众运动后，国家紧急声明。在所有州，呆在家里的人口都有所增加，并且在居家令之后变得更加稳定，波动幅度较小。收入或人口密度组之间存在总体流动异质性。公众一直在积极应对，自愿更多地呆在家里，对州内确诊病例，而呆在家里的命令稳定了变化。该研究表明，公共交通的趋势与政府敦促呆在家里的信息相一致。我们预计我们的数据驱动分析提供了综合的观点，并作为证据，以提高公众意识，从而加强社交距离的重要性，同时协助政策制定者。
2020-05-06 physics.soc-ph q-bio.PE
Introductory models of COVID-19 in the United States
学生开发和测试COVID-19传播的简单模型。Microsoft Excel被用作建模平台，因为它对学生没有威胁，而且广泛可用。学生开发有限差分模型，并在预先格式化的电子表格的单元格中实施它们，遵循引导式探究教学法，以脚手架逐步的方式引入新的模型参数。这种方法允许学生以系统的方式研究新模型参数的含义。学生使用Excel的Solver使用最小二乘技术将生成的模型拟合到美国报告的每日病例数据。学生们使用自己的电子表格，发现COVID-19最初的指数增长可以用简化的无限增长模型和SIR模型来解释。他们还发现，社交距离的影响可以使用感染率系数的高斯转换函数来建模，夏季激增是由于过早放松社交距离，然后重新实施更严格的社交距离。然后，学生们对疫苗接种的效果进行建模，并通过证明SIRV模型成功预测了从感恩节到2021年2月14日的每日报告病例数据来验证所产生的SIRV模型。同一SIRV模型随后被扩展，并成功拟合了由进一步放宽社交距离措施导致的第四个高峰，直至2021年6月1日。最后，学生们将模型扩展到今天，并成功地解释了SARS-CoV-2的delta变体的出现。拟合模型还预测，德尔塔变体峰值将相对较短，每天的病例数据应在2021年9月初开始下降-与目前的预期相反。这个案例研究将为对科学建模感兴趣的学生提供一个很好的顶点体验。
2021-10-04 physics.ed-ph physics.soc-ph
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
Spatial homogeneity learning for spatially correlated functional data with application to COVID-19 Growth rate curves
我们通过分析美国的COVID-19增长率曲线，研究了空间异质性对区域COVID-19大流行时间和严重程度的影响。我们提出了一个地理上详细的功能数据分组方法配备了功能条件自回归（CAR）之前，充分捕捉流行曲线的空间相关性。空间同质性模式，然后可以检测到一个地理加权的中国餐馆的过程之前，允许本地空间连续的组和全球不连续的组。设计了一种有效的马尔可夫链蒙特卡罗（MCMC）算法，用于同时推断空间函数数据的组数和分组结构的后验分布。通过模拟研究和对美国COVID-19州级和县级数据研究的应用，证明了所提出的方法优于竞争方法的数值性能。
2020-08-20 physics.soc-ph stat.AP
Extremist ideology as a complex contagion: the spread of far-right radicalization in the United States between 2005-2017
越来越多的极右翼极端主义暴力事件引起了公众对美国激进化蔓延的担忧。先前的研究表明，激进的个人受到各种环境（或地方性）因素的影响，暴露于极端主义意识形态，随后受到其社区成员的强化。因此，激进化的传播可能会通过社会传染过程进行，在这个过程中，极端主义意识形态的行为就像复杂的传染病，需要多次接触才能采用。在这项研究中，我应用了一种称为双分量时空强度建模的流行病学方法来分析2005年至2017年间在美国暴露的416名极右翼极端分子的数据。结果表明，美国极右激进化的模式与复杂的传染过程是一致的，在这个过程中，传播需要加强。社交媒体的使用和团体成员身份都促进了极端主义意识形态的传播，这表明在线和实体组织仍然是极右翼运动的主要招募工具。此外，我确定了贫困等几个地方性因素，这些因素增加了特定地区激进化的可能性。未来的研究应该调查如何有效地实施具体的干预措施，如打击宣传的在线反叙事，以减轻极右翼极端主义在美国的传播。
2020-04-06 cs.SI physics.soc-ph stat.OT
Spatial analysis and prediction of COVID-19 spread in South Africa after lockdown
COVID-19对南非有什么影响？本文旨在协助研究人员和决策者以南非为重点对抗COVID-19大流行。本文通过热点区域的热图检索和Moran指数的空间分析，重点关注疾病的传播。为了捕捉南非各省之间的空间自相关，相邻的，以及地理距离的措施，被用作绝对和相对计数的权重矩阵。此外，广义逻辑增长曲线模型用于预测COVID-19传播。我们希望这种数据驱动的建模能够为热点识别和控制病毒传播的及时行动提供一些见解。
2020-05-19 physics.soc-ph stat.ME
Examining the Global Spread of COVID-19 Misinformation
2019冠状病毒病全球大流行导致了基于健康、政治和阴谋的错误信息在网上泛滥。了解这种错误信息的影响范围和信念对于管理这场危机以及未来的危机至关重要。我们的全球调查结果发现，人们对与新冠肺炎相关的错误信息的看法令人不安，而且与那些主要从社交媒体上消费新闻的人存在相关性，在美国，这与政治倾向有很强的相关性。
2021-01-27 cs.SI physics.soc-ph
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
How Political is the Spread of COVID-19 in the United States? An Analysis using Transportation and Weather Data
我们通过挖掘2020年3月至2020年7月美国居民的交通模式，调查了2016年总统大选中唐纳德·特朗普（红色）和希拉里·克林顿（蓝色）赢得的州之间COVID-19传播的差异。为了确保公平的比较，我们首先使用K均值聚类方法将50个州根据其人口，面积和人口密度分为五个集群。然后，我们使用居民出行的平均百分比和每人的出行次数来描述不同州居民的日常交通模式。对于每个州，我们研究了在正式重新开放日期之前和之后的2个月内旅行模式和感染率之间的相关性。我们观察到，在封锁期间，红色和蓝色州都显示出他们的旅行模式与感染率之间的强正相关性。然而，在州重新开放后，我们发现在所有五个州集群中，红色州的旅行感染相关性高于蓝色州。我们发现，红州和蓝州的居民在州重新开放后的一段时间内表现出类似的旅行模式，这使我们得出结论，平均而言，红州的居民可能比蓝州的居民更不安全。此外，我们使用温度数据试图解释居民出行方式和安全措施的差异。
2020-09-10 cs.SI physics.soc-ph
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
Infectious disease surveillance needs for the United States: lessons from COVID-19
本文基于COVID-19的经验教训，探讨了美国传染病监测系统的升级需求，界定了支持疫情决策所需的监测数据范围、数据元素及数据类型，并提出了确保数据可用及改善健康公平的行动方案。
2023-11-22 cs.CY physics.soc-ph 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
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
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
COVID-19 and income profile: How communities in the United States responded to mobility restrictions in the pandemic's early stages
本研究基于美国大量匿名设备位置数据，分析不同收入社区在疫情早期的社交距离表现差异，发现高收入社区表现更优，并指出低收入社区面临的相关现实问题，为疫情防控政策讨论提供数据支撑。
2024-04-14 cs.SI physics.soc-ph
Quarantine Fatigue: first-ever decrease in social distancing measures after the COVID-19 outbreak before reopening United States
随着新型冠状病毒病（COVID-19）在中国武汉的出现及其在全球的迅速爆发，这种传染病改变了我们的日常旅行模式。在这项研究中，我们的团队利用综合数据面板调查了大流行期间人们日常流动模式的变化。为了综合人类流动性的各个方面，该团队重点关注了基于五个基本流动性指标计算的社会距离指数（SDI）。SDI模式在4月初显示了一个平台期，持续了大约两周。这种现象之后，SDI普遍下降，旅行次数增加，呆在家里的人的百分比减少。我们称之为隔离疲劳。采用变化率（ROC）方法追溯检疫疲劳的开始日期，表明为4月15日。我们的分析表明，尽管存在州与州之间的差异，但大多数州在同一时期开始出现隔离疲劳现象。这一观察变得更加重要，因为直到4月下旬才有任何一个州正式宣布重新开放，这表明人们决定在正式宣布重新开放之前放松社交距离。此外，我们的分析表明，官方重新开放导致SDI迅速下降，引发了第二波疫情的担忧。各州之间的同步趋势也强调了未来更全国性的决策态度的重要性，因为每个州的状况取决于全国性的行为。
2020-06-11 cs.CY physics.soc-ph
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
Hate multiverse spreads malicious COVID-19 content online beyond individual platform control
我们发现，恶意的COVID-19内容，包括仇恨言论、虚假信息和错误信息，利用在线仇恨的多元宇宙迅速传播，超出了任何个人社交媒体平台的控制。机器学习主题分析定量显示了在线仇恨社区如何将COVID-19武器化，主题迅速发展，内容变得越来越一致。我们的数学分析提供了一种广义形式的公共卫生R 0，预测了多宇宙范围内病毒传播的临界点，这就提出了新的政策选择，以减轻恶意COVID-19内容的全球传播，而不依赖于未来所有在线平台之间的协调。
2020-04-21 nlin.AO physics.pop-ph physics.soc-ph
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
Universal Urban Spreading Pattern of COVID-19 and Its Underlying Mechanism
目前，全球COVID-19疫情正在恶化，迫切需要采取有效的控制和预防措施。了解COVID-19的传播模式已被广泛认为是实施非药物措施的重要一步。以前的研究调查了大规模的这样一个问题（例如，国家间或国家间）的情况，而城市蔓延模式仍然是一个悬而未决的问题。在这里，我们通过利用中国9个城市197，808名智能手机用户（包括17，808名匿名确诊病例）的轨迹数据来填补这一空白。我们发现一个普遍的传播模式，在所有的城市：确诊病例的空间分布遵循幂律模型和传播质心是时不变的。此外，我们发现，人类流动在一个城市驱动的时空传播过程：长的平均旅行距离导致高的传播半径的增长率和广泛的空间扩散的确诊病例。有鉴于此，我们采用Kendall模型来模拟COVID-19的城市传播，该模型能够很好地拟合真实的传播过程。我们的研究结果揭示了COVID-19时空城市演变背后的潜在机制，可用于评估许多政府实施的流动限制政策的绩效，并估计COVID-19的不断演变的传播情况。
2020-12-30 cs.SI physics.med-ph physics.soc-ph
Spreading of infections on random graphs: A percolation-type model for COVID-19
利用渗流理论中的概念，我们引入了一个网络上的传染病传播模型。该模型的动机是讨论标准的SIR模型，扩展到描述人口内的封锁的影响。的基本思想和行为的晶格模型，实现使用相同的锁定方案的SIR计划，详细讨论和说明了广泛的模拟。就美国COVID-19数据的情况提供了两种模型之间的比较。这两个拟合的经验数据是非常好的，但两种方法之间出现了一些差异，这表明有一个替代的方法，广泛的SIR模型的有用性。
2020-06-01 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
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
Impact of pandemic fatigue on the spread of COVID-19: a mathematical modelling study
2020年末，全球多个国家的新冠确诊病例再次激增，包括英国、加拿大、巴西、美国等，在全国乃至世界范围内掀起了一股巨大的浪潮。虽然有迹象表明，预防疲劳可能是一个关键因素，但迄今尚未提供科学证据。我们使用了一个具有层次结构的随机集合种群模型，并将该模型与美国从疫情爆发开始到2020年底的阳性病例进行了拟合。我们将非药物干预（NPI）纳入该模型，假设预防强度随着阳性病例的增加而增加，并研究了两种类型的流行性疲劳。我们发现，大多数州和整个美国的人对疫情的反应呈次线性（指数k=0.5），而只有三个州（马萨诸塞州，纽约州和新泽西州）呈线性反应（k=1）。病例疲劳（对阳性病例警惕性下降）占58%，而预防疲劳（警惕组最大分数下降）占26%。如果没有大流行疲劳（没有病例疲劳和预防疲劳），阳性病例总数平均将减少68%。我们的研究显示，疫情疲劳是美国COVID-19疫情恶化的主要原因。警惕性降低是大多数阳性病例的原因，较高的死亡率往往促使当地人对疫情作出更快的反应，并保持更长时间的警惕。
2021-04-09 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
Efficacy the of Confinement Policies on the COVID-19 Spread Dynamics in the Early Period of the Pandemic
University of Louisiana at Lafayette（路易斯安那大学拉斐特分校）；Stanford University（斯坦福大学）
在这项研究中，我们提出了一种基于时间序列数据的聚类方法，以捕捉COVID-19大流行早期的传播模式。我们基于不同地理位置的不同国家，分析COVID-19早期和后期阶段的传播动态。此外，我们还研究了限制策略及其对传播的影响。我们发现，相同的限制政策的实施在不同的国家表现出不同的结果。具体而言，在人口密集地区，由于不愿遵守社交距离措施，封锁变得不那么有效。一些国家缺乏检测、接触者追踪和社会意识，使人们无法自我隔离和保持社交距离。生活条件不健康的大型劳改营也助长了依赖外国劳工的国家的高社区传播。对政府政策的不信任和假新闻在发达国家和欠发达国家都煽动了传播。大型社交聚会在几乎所有地方迅速爆发疫情方面发挥着至关重要的作用。一些国家通过实施严格和广泛采用的隔离政策遏制了传播，而另一些国家则借助社交距离措施和严格的检测能力遏制了传播。在大流行病开始时及早迅速作出反应是遏制传播的必要条件，但这并不总是足够的。
2021-11-04 cs.LG physics.soc-ph
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
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
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
Analysis of the Impact of Mask-wearing in Viral Spread: Implications for COVID-19
在COVID-19大流行期间，口罩被用作限制传播和拯救生命的全面措施战略的一部分。关于戴口罩对COVID-19大流行的影响的研究引起了多个学科的极大兴趣。在本文中，我们研究了复杂网络中戴面具对传播过程的影响。这是通过研究多类型网络模型上的非均质键渗流过程来完成的，其中节点可以是两种类型之一（戴面具和不戴面具）。我们提供的分析结果准确地预测了预期的流行规模和出现概率作为传播过程特征的函数（例如，传输概率、掩模的向内和向外效率等），戴面具者在人口中的比例，以及潜在的接触网络的结构。除了理论分析之外，我们还对随机网络进行了大量的模拟。我们还评论了这里研究的面具模型和多株病毒传播模型与最近研究的突变Eletreby等人之间的类比。
2020-11-09 cs.SI physics.soc-ph
Diverse local epidemics reveal the distinct effects of population density, demographics, climate, depletion of susceptibles, and intervention in the first wave of COVID-19 in the United States
SARS-CoV-2大流行在全世界造成了严重的死亡率和发病率，几乎没有一个社区幸免。由于这种疾病在未来几年可能仍然是一种威胁，因此了解人口统计和定居点以及气候、易感人群耗竭和干预等动态因素对局部流行病传播的确切影响对于采取有效应对措施至关重要。我们考虑了美国当地的一整套流行病;广泛的人口统计学，人口密度和气候因素;以及当地的流动性数据，跟踪社交距离干预措施，以确定推动病毒传播和遏制的关键因素。假设第一个线性模型的指数增长率（或衰减）的情况下/死亡率，我们发现，人口加权密度，湿度和中位年龄占主导地位的增长和下降的动态，一旦干预占。对不同大都市地区的关注表明，一些地区受益于几乎同时发生的全国范围内的关闭时间和/或3月中旬的区域气候条件;而其他地区在干预之前就遭受了严重的疫情爆发。使用感染传播的第一性原理模型，然后我们对放松社交距离和当地气候条件的影响进行预测。有证据表明，有相当一部分人口受到感染的少数地区，通过减少易感人口，疫情已部分得到解决（即，“群体免疫”），而美国大部分地区仍然非常容易受到影响。这些结果对于干预策略的优化管理非常重要，这可以通过我们的在线仪表板来实现。
2020-07-01 physics.soc-ph q-bio.PE q-bio.QM
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
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
On the Interplay of Regional Mobility, Social Connectedness, and the Spread of COVID-19 in Germany
由于呼吸道病毒传播的主要模式是人与人之间的相互作用，我们需要重新考虑身体相互作用模式，以减少感染COVID-19的人数。虽然研究表明，非药物干预（NPI）对国家流动模式有明显影响，但我们调查了相对的区域流动行为，以评估人员流动对COVID-19传播的影响。特别是，我们探讨了从Facebook活动中产生的人员流动性和社交联系对2020年3月3日至6月22日期间德国每周新感染率的影响。我们的研究结果证实，减少社会活动降低感染率，占区域和时间模式。社会距离的程度，以留在联邦行政区内的人的百分比来量化，对感染的发生率有总体的负面影响。此外，我们的研究结果显示了基于地理和社会距离的空间感染模式。
2021-07-02 physics.soc-ph stat.AP
