Improving epidemic testing and containment strategies using machine learning
University of Gothenburg（哥德堡大学）；CNR-IPCF, Istituto per i Processi Chimico-Fisici（意大利国家研究委员会化学物理过程研究所）
控制流行病的爆发需要付出巨大的社会和经济代价。具有成本效益的遏制战略依赖于有效识别受感染者，尽可能充分利用现有的检测资源。因此，快速确定最佳测试策略至关重要。在这里，我们证明了机器学习可用于识别哪些个体最有利于测试，自动和动态地调整测试策略以适应疾病爆发的特征。具体来说，我们使用原型易感染-传染-恢复（SIR）模型模拟疫情，并使用第一批确诊病例的数据来训练一个神经网络，该网络学习对其余人群进行预测。利用这些预测，我们能够比标准方法更有效、更迅速地控制疫情。此外，我们还演示了如何使用这种方法时，也有可能再感染（SIRS模型），以有效地消除地方病。
2020-11-23 cs.LG physics.soc-ph q-bio.PE
Limited efficacy of forward contact tracing in epidemics
本研究针对隐性传播传染病的防控问题，构建基于SIS的仓室模型分析前向接触追踪的效果，发现其对流行阈值的提升作用有限，并量化了依从性等因素的影响，结果经模拟和更复杂模型验证。
2023-10-18 physics.soc-ph
Effects of vaccination efficacy on wealth distribution in kinetic epidemic models
2019冠状病毒病疫情的蔓延凸显了经济与健康在应急管理方面的紧密联系。广泛的疫苗接种运动被认为是控制经济后果的主要工具。本文将集中在财富分配模型的水平上，在疫苗接种运动的有效性方面，对经济的改善。疫情期间的经济趋势通过一个数学模型进行评估，该模型将包括接种疫苗的个人的经典房室模型与基于二元财富交换的财富分配动力学模型相结合。财富交换和传染病进展之间的相互作用是通过假设一方面不同隔室中的个体在经济过程中的行为不同，另一方面疫情影响经济交易中的风险来实现的。使用动力学理论的数学工具，可以确定系统的平衡态以及由于人口财富分配中的大流行病而形成的不平等。数值实验强调了疫苗接种运动的重要性及其在减少多主体社会中的经济不平等方面的积极作用。
2022-01-10 nlin.AO physics.soc-ph
A Closed-Loop Framework for Inference, Prediction and Control of SIR Epidemics on Networks
受持续的COVID-19大流行的启发，我们提出了一个闭环框架，该框架结合了测试数据的推理，学习动态参数和最优资源分配，以控制网络上的易感染-恢复（SIR）流行病的传播。我们的框架结合了测试数据中存在的几个关键因素，例如高风险个体更有可能接受测试。然后，我们提出了两个易于处理的优化问题，以评估控制流行病的增长率和非药物干预（NPIs）的成本之间的权衡。我们通过对COVID-19真实公开测试数据的广泛模拟和分析，说明了拟议闭环框架的重要性。我们的研究结果说明了早期检测的重要性，以及如果NPI过早退出，第二波感染的出现。
2021-04-26 cs.SI math.OC physics.soc-ph
Bi-stability of SUDR+K model of epidemics and test kits applied to COVID-19
受世界各国政府对COVID-19的各种反应的启发，我们在这里开发了一个依赖疾病检测的流行病传播的玩具模型。我们的模型，我们称之为SUDR+K，基于通常的SIR模型，但它将感染个体的总比例分为两个部分：未检测到的部分和通过测试检测到的部分。此外，我们假设可用的测试从流行病开始以恒定的速度增加，但被消耗以检测感染的个体。引人注目的是，我们发现一个双稳态行为之间的阶段与一个巨大的分数感染和一个阶段与一个非常小的分数。我们表明，这两种制度之间的分离是由测试的速度和感染传播的速度在给定的时间之间的匹配。我们还表明，两个阶段的存在并不依赖于数学选择的形式的术语描述率未被发现的个人进行测试和检测。现有的研究表明，在流行病进入大规模流行阶段之前，积极的早期检测活动有可能使流行病得到控制，即使检测率发生很小的变化，也可能使整个流行病的规模增加或减少不同数量级。为了将现实模型真正应用于正在进行的流行病，我们很乐意与现场流行病学家合作，以开发测试过程的定量模型。
2020-04-24 cond-mat.stat-mech nlin.AO physics.soc-ph
Smart Testing and Selective Quarantine for the Control of Epidemics
本文基于以下观察：在新冠疫情期间，选择哪些人应接受检测对选择性隔离措施的有效性有重要影响。该决策问题与传感器最优选择问题密切相关，而传感器最优选择问题是控制工程中一个非常活跃的研究课题。本文的目标是提出一种策略，智能地选择要测试的个人。其主要思想是将流行病建模为随机动态系统，并根据某些最优标准选择要测试的个体，例如，最小化未检测到无症状病例的概率。每天，利用该现象的随机模型和前几天收集的信息更新不同个体的感染概率。一个封闭的社区10000个人的模拟表明，所提出的技术，再加上一个选择性的禁闭政策，可以减少疾病的传播，同时限制个人禁闭的数量相比，简单的接触追踪阳性和离线测试选择策略的基础上的接触人数。
2020-12-22 cs.SY eess.SY physics.soc-ph
An epidemic model for COVID-19 transmission in Argentina: Exploration of the alternating quarantine and massive testing strategies
COVID-19疫情对全球各级政府管理当局构成挑战。在面对如此严重的疾病时，当局拥有预测工具，提前估计对卫生系统的影响以及所需的人力、物力和经济资源，是有用的。在本文中，我们构建了一个扩展的易感-暴露模型，该模型结合了马德普拉塔的社会结构，马德普拉塔是阿根廷$4^\circ$人口最多的城市，也是普埃尔雷顿将军市的负责人。此外，我们还考虑了根据疾病严重程度对感染者进行的详细划分，以及当地卫生资源的数据，以使这些预测更接近当地的现实。调整COVID-19的相应流行参数，我们研究了一种交替隔离策略，其中一部分人群可以在任何时候不受限制地流动，而其余人群则被平均分为两组，并进行连续的正常活动和封锁，每个阶段的持续时间为$τ$天。此外，我们在人口上实施随机测试策略。我们发现，$τ= 7$是隔离策略的一个很好的选择，因为它与每周周期相匹配，因为它减少了感染人口。关注卫生系统，从截至9月30日的情况预测，我们预计难以避免ICU饱和，因为所需的流动性极低。在最坏的情况下，我们的模型估计将发生4000人死亡，其中30%可以通过适当的医疗护理来避免。尽管如此，我们发现，积极的测试将允许增加的人的百分比，可以不受限制地流通，作为设备所需的处理额外的危重病人相对较低。
2021-07-16 physics.soc-ph q-bio.PE
Contact Tracing: Computational Bounds, Limitations and Implications
近年来，接触者追踪从不同角度进行了广泛的研究。然而，目前还没有明确的迹象表明，为什么这种干预措施在某些流行病（SARS）中被证明是有效的，而在其他一些流行病（COVID-19）中则大多无效。在这里，我们对新型超级传播随机网络的随机测试和接触者追踪进行了详尽的评估，试图确定哪些流行病更容易被这些措施所控制。我们还探讨了阳性率作为人口实际感染状况的代理的适用性。此外，我们提出了新的理想策略，以探索测试和跟踪策略的潜在限制。我们的研究建议谨慎，无论是在假设流行病控制和推断实际的流行病进展，目前的测试或跟踪策略。然而，它也为未来带来了一线光明，有望实现巨大有效性的新型测试策略的潜力。
2021-02-26 cs.SI physics.soc-ph
Mass testing and proactiveness affect epidemic spreading
当病原体中含有无症状表型时，疾病的检测和管理变得相当复杂，正如最近的COVID-19大流行期间所证明的那样。疾病的传播在易感-感染-传播-死亡（SIRD）动力学范式下得到了广泛的研究。各种博弈论方法也解决了疾病传播，其中许多将S，I，R和D视为策略而不是状态。值得注意的是，上述方法的大多数研究并没有说明疾病的症状或无症状方面之间的区别。众所周知，洗手、戴口罩和保持社交距离等预防措施可以显著减少许多传染病的传播。在这里，我们把采取这样的预防措施看作是战略，把S、I、R和D看作是状态。我们还试图捕捉不同的网络拓扑结构上的症状和无症状的疾病所产生的传染病传播的差异。通过大量的计算机模拟，我们研究了维持预防措施的成本以及在人群中进行大规模检测的程度会影响社会责任个人的最后一部分。我们注意到，如果出现无症状疾病，缺乏大规模检测可能导致大流行。网络拓扑似乎也起着重要作用。我们进一步观察到，主动个体的最终分数取决于感染者和主动个体的初始分数。此外，边缘密度可以显著影响整体结果。我们的研究结果与从持续的COVID-19大流行中吸取的教训大致一致。
2021-05-14 cs.SI physics.soc-ph 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
A Polarized Temporal Network Model to Study the Spread of Recurrent Epidemic Diseases in a Partially Vaccinated Population
受COVID-19大规模爆发的启发，即使在疫苗接种率高的人群中也会发生，我们提出了一种新的多人群时间网络模型，用于研究复发性流行病的传播。我们研究了人类行为、检测和疫苗接种活动对控制当地疫情和感染流行的影响。我们的建模框架验证了疫苗在预防传播和严重症状发展方面的有效性。此外，该框架考虑了接种疫苗决定的两极分化效应，并捕捉了同质性，即，人们与志趣相投的人交往的倾向。通过平均场方法，我们解析地推导出流行阈值。我们的理论结果表明，虽然疫苗接种活动减轻了医院的压力，但它们可能会促进疫情的重新爆发，突出了检测活动在根除疾病方面可能发挥的关键作用。数值模拟，然后确认和扩展我们的理论研究结果，以更现实的情况。我们的数字和分析结果一致认为，如果不开展大规模的检测活动或依靠人口的责任，疫苗接种不足以实现完全根除。此外，我们表明，同质性在控制局部疫情中起着至关重要的作用，突出了两极分化的网络结构的危险。
2022-09-16 math.DS physics.soc-ph
COVID-19 Epidemic in Mumbai: Projections, full economic opening, and containment zones versus contact tracing and testing: An Update
孟买是世界上人口最稠密的城市之一，在印度所有城市中，病例数量第四多，死亡人数最多（截至2020年10月28日）。与印度其他地区一样，自2020年3月25日以来，孟买一直处于不同程度的封锁状态。鉴于封锁以及对人员和货物流动的相关限制对该国造成了巨大的经济损失，迅速开放经济尤其是在孟买这样的金融中心变得至关重要。在这份报告中，我们使用IISc-TIFR代理为基础的模拟器开发长期预测孟买的现实情况下，孟买的开放的工作场所，或等效的，经济，以及相关的公共交通，通过当地的火车和公共汽车。这些预测是考虑到如果经济和当地列车在2020年11月1日或2021年1月1日完全开放，可能会出现第二波。如果学校和大学在2021年1月的第一周开放，对孟买感染传播的影响也被考虑在内。我们还试图解释在Ganeshotsav节以及Navratri/Dussehra和Diwali节期间人口之间的混合增加。根据我们的模拟，我们的结论是，只要合理的医疗基础设施到位，11月1日全面开放经济的影响是可控的。此外，1月份开学的学校和学院不会导致感染人数过度增加。该报告还探讨了接触者追踪与隔离区的相对有效性，并包括2021年2月为老年人接种疫苗的效果的初步结果。
2020-10-29 physics.soc-ph q-bio.PE
Incentives, lockdown, and testing: from Thucydides's analysis to the COVID-19 pandemic
在这项工作中，我们提供了一个通用的数学形式，以研究通过激励封锁和测试来最佳控制流行病，如COVID-19大流行病。特别是，我们将政府和人口之间的相互作用建模为具有道德风险的委托代理问题，如La Cvitanić，Possamação和Touzi [27]，而流行病则根据Gray，Greenhalgh，Hu，Mao和Pan [45]以及Tornatore，Buccellato和Vetro [88]分别提出的分区随机SIS或SIR模型所给出的动力学进行传播。更确切地说，为了限制病毒的传播，人口可以通过减少个体之间的相互作用来降低疾病的传播率。然而，政府无法完全监督这一努力，这是以人民的社会和货币成本为代价的。为了降低这一成本，从而鼓励人口的封锁，政府可以采取税收或补贴形式的激励政策。此外，政府还可能实施检测政策，以便更准确地了解疫情在国内的传播情况，并隔离受感染者。在技术结果方面，我们展示了最佳形式的税收，指数的感染者的比例，以及人口的最佳努力，即选择在响应此税的传输率。政府的优化问题可以归结为求解一个哈密尔顿-雅可比-贝尔曼方程。数值结果证实，如果税收政策的实施，鼓励人口显着减少其相互作用。如果政府也调整检测政策，那么在人群方面就不需要那么多努力，个体之间几乎可以照常互动，通过对检测阳性个体进行有针对性的隔离，疫情基本得到控制。
2022-04-13 econ.TH math.OC math.PR
A model for the spread of an epidemic from local to global: A case study of COVID-19 in India
在本文中，我们提出了一个新冠肺炎传播的流行病学模型。传播的动力学是基于人口中的四个基本类别的人：测试和感染，未测试但感染，测试但未感染，和未测试而未感染。该模型是基于两个层次的人口传播的动态：在地方一级和全球一级。地方层面的增长以数据和参数描述，包括COVID-19的测试统计数据、全国封锁等预防措施以及邻近地区的人口迁移。在印度的情况下，当地位置被视为地区，跨地区的迁移或交通流量由感染COVID-19的地区的集合人口网络的归一化边权重定义。根据当地的增长情况，对COVID-19阳性检测人数进行了州一级的预测。此外，考虑到当地的位置作为国家，预测国家一级。模型参数的值是使用网格搜索和最小化误差函数来确定的，同时用真实数据训练模型。这些预测是基于目前的测试统计数据，以及州和国家一级测试的线性和对数线性增长。最后指出，如果试验次数能按一定的因素线性或对数线性增加，并在不久的将来采取预防措施，则可以抑制扩散。这对于防止感染人数急剧增加和消除第二波大流行病也是必要的。
2020-06-04 cs.SI physics.soc-ph q-bio.PE
A Behaviour and Disease Model of Testing and Isolation
Commonwealth Scientific and Industrial Research Organisation (CSIRO)（联邦科学与工业研究组织）；James Cook University（詹姆斯库克大学）；Civic Health Innovation Labs（公民健康创新实验室）；Institute of Population Health（人口健康研究所）；NIHR Health Protection Research Unit in Emerging and Zoonotic Infections（英国国家卫生研究院新兴与动物源性感染卫生保护研究组）；University of Liverpool（利物浦大学）；Department of Mathematics, University of Manchester（曼彻斯特大学数学系）；Department of Statistical Science, University College London（伦敦大学学院统计科学系）；Department of Health, Medicine and Caring Sciences, Linköping University（林雪平大学健康、医学与护理科学学院）；New Zealand Institute for Advanced Study, Massey University（梅西大学新西兰高级研究院）
本文提出一个结合行为与疾病动力学的模型，研究测试和隔离决策对传染病传播的影响，并分析其基本再生数和流行病持续性。
2025-12-08 physics.soc-ph q-bio.PE
Testing lockdown measures in epidemic outbreaks through mean-field models considering the social structure
本文提出一种考虑社会拓扑结构的介观均场模型，用于评估社交距离与封锁措施对疫情的影响，能定性再现COVID-19多波感染高峰并灵活模拟不同干预策略。
2023-04-03 nlin.AO physics.soc-ph
Collapse transition in epidemic spreading subject to detection with limited resources
University of Zaragoza（萨拉戈萨大学）；Institute of Biocomputation and Physics of Complex Systems (BIFI), University of Zaragoza（萨拉戈萨大学复杂系统生物计算与物理研究所 (BIFI)）；Instituto Tecnológico y de Estudios Superiores de Monterrey（蒙特雷高等技术学院）；Institute Gulbenkian of Science (IGC)（古尔本基安科学研究所 (IGC)）；Queen Mary University of London（伦敦玛丽女王大学）；Università di Catania and INFN（卡塔尼亚大学及意大利国家核物理研究所 (INFN)）；Complexity Science Hub Vienna（维也纳复杂性科学中心）
本研究基于含检测隔离机制的仓室模型，揭示检测资源有限时除${\mathcal{R}}_0=1$的流行转变外，${\mathcal{R}}^*_0>1$处会发生检测系统崩溃转变，并给出相图以估算抗疫所需检测资源与管控水平。
2023-07-07 physics.soc-ph
Reverse Engineering the Reproduction Number: A Framework for Data-Driven Counterfactual Analysis, Strategy Evaluation, and Feedback Control of Epidemics
提出数据驱动框架，通过逆向工程再生数进行反事实分析、策略评估和反馈控制，利用检测数据而非模型，并在UIUC和Purdue数据上验证有效性。
2023-10-31 cs.SY eess.SY physics.soc-ph
Assessing potential insights of an imperfect testing strategy: Parameter estimation and practical identifiability using early COVID-19 data in India
本文提出含感染者检测的确定性模型研究检测策略影响，利用印度早期COVID-19数据估计参数并验证可辨识性，发现提高检测率与效能可显著降低峰值病例数、推迟峰值并减轻疾病负担。
2022-11-16 physics.soc-ph q-bio.PE
Using excess deaths and testing statistics to improve estimates of COVID-19 mortalities
死亡率的定义不统一、疾病流行的不确定性和有偏见的抽样等因素使流行病期间死亡率的量化复杂化。无论采用何种死亡率衡量标准，都需要对感染人口和感染导致的死亡人数进行一致的估计，以比较各区域的死亡率。我们结合历史和当前的死亡率数据，统计检验模型，和SIR流行病模型，以提高估计的死亡率。我们发现，整个美国的平均超额死亡人数比报告的COVID-19死亡人数高出13 $\%$。在一些地区，如纽约市，每周死亡人数比往年高出约8倍。秘鲁、厄瓜多尔、墨西哥和西班牙等其他国家的超额死亡人数明显高于其报告的COVID-19死亡人数。相反，我们发现丹麦、德国和挪威在2020年部分和全部时间的超额死亡人数可以忽略不计或为负数。
2021-01-10 physics.soc-ph q-bio.QM
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
Study of lockdown/testing mitigation strategies on stochastic SIR model and its comparison with South Korea, Germany and New York data
我们目前正面临一场全球性大流行病的高度危急情况。新型冠状病毒（SARS-CoV-2，又名COVID-19）已被证明具有极强的传染性，最初从亚洲爆发的疫情现已蔓延到所有大陆。这种情况将有益于研究病毒的传播，评估有效的对策，以衡量所采取的战略的影响。标准的易感-传染-传播（SIR）模型是一个非常成功和广泛使用的预测流行病传播的数学模型。我们在随机网络上采用SIR模型，并将该模型扩展到包括控制策略{ \em锁定}和{ \em测试} -两种常用的缓解策略。这些策略在控制大流行病传播方面的能力通过改变其实施的有效性来研究。在撤回缓解战略后，详细评估了第二次爆发的可能性。我们注意到，在任何情况下，这种缓解战略的突然中断都可能导致第二次疫情的重新爆发，其高峰将与易感个体的数量相关。事实上，我们发现，在群体免疫力实现之前，一个群体仍然容易受到感染。我们还用韩国、德国和纽约的疫情传播的真实统计数据和信息测试了我们的模型，发现与模拟数据非常一致。
2020-06-20 physics.soc-ph q-bio.PE
Human behavior-driven epidemic surveillance in urban landscapes
本文提出一种基于城市人类行为特征的流行病监测策略，通过整合居住与出行数据构建混合矩阵以识别病原体传播路径，证明集中资源于特定交通站点的靶向检测优于非靶向方法，提升了城市疫情防范与韧性。
2024-04-22 physics.soc-ph
Mobile phone data reveal spatiotemporal dynamics of Omicron infections in Beijing after relaxing zero-COVID policy
该研究利用大规模手机位置数据推断个体感染状态并重建北京2022年11月至2023年1月奥密克戎感染时空动态，发现12月21日感染达峰、1月14日80.1%人口感染，为疫情监测提供了高覆盖率数据来源。
2023-06-25 physics.soc-ph q-bio.PE
Effective vaccination strategy using graph neural network ansatz
接种疫苗的有效性在很大程度上取决于接种疫苗的个体的选择，即使接种疫苗的个体数量相同。用介数中心性（BC）和特征向量中心性（EC）等高中心性指标对个体进行疫苗接种可以有效遏制流行病。然而，在许多现实世界的情况下，每个人都有不同的流行特征，如传染性，恢复，病死率，效力和对疫苗严重反应的概率。此外，疫苗接种策略的相对有效性取决于可用疫苗注射的数量。以中心为基础的战略不能考虑到流行病特征的可变性或疫苗的可获得性。在这里，我们提出了一个框架的疫苗接种策略的基础上，图神经网络分析（GNNA）和微观马尔可夫链方法（MMCA）。在这个框架中，我们可以制定一个有效的疫苗接种策略，考虑每个节点的属性，并根据疫苗的可用性定制的疫苗接种策略。我们的方法是高度可扩展的大型网络。我们验证了许多现实世界的网络拆除的方法，同质和异质的传染/恢复率的易感染的易感（SIS）模型，易感染的恢复死亡（SIRD）模型。我们还将我们的方法扩展到边缘免疫策略，该策略代表非药物遏制措施，如旅行法规和社交距离。
2021-12-28 physics.soc-ph
Group testing as a strategy for the epidemiologic monitoring of COVID-19
样本合并包括将来自多个个体的样本合并到单个池中，然后使用独特的检测试剂盒进行检测。阳性测试意味着池中至少有一个人被感染。在这里，我们提出了一个分析和应用样本池的流行病学监测COVID-19。我们首先介绍了一个模型的RT-qPCR过程中用于测试的病毒在样品中的存在，并构建了一个统计模型的病毒载量在一个典型的感染个体的灵感来自琼斯等人的临床数据。等（2020）。然后，我们提出了一种方法，用于测量的患病率在人群中，基于组测试，考虑到与此方法相关的假阴性的数量增加。最后，我们提出了一个应用程序的样本池在封闭的连接社区（如养老院）的流行病爆发的预防。
2020-06-25 physics.soc-ph q-bio.QM stat.AP
Agent-based modeling for realistic reproduction of human mobility and contact behavior to evaluate test and isolation strategies in epidemic infectious disease spread
Helmholtz Centre for Infection Research（亥姆霍兹感染研究中心）；Unisanté (Center For Primary Care and Public Health)（洛桑大学公共卫生与初级保健中心）；Institute for Transport Research, German Aerospace Center（德国航空航天中心交通研究所）；Jülich Supercomputing Centre, Forschungszentrum Jülich（于利希超级计算中心，于利希研究中心）；Life and Medical Sciences Institute, University of Bonn（波恩大学生命与医学科学研究所）
本文提出一个高度模块化的智能体模型，模拟呼吸道疾病传播，并利用德国布伦瑞克真实流动数据评估检测与隔离策略，发现症状无关检测影响有限，隔离时长比效率更关键。
2025-04-03 cs.DC cs.MA physics.soc-ph
