US faces endemic Covid-19 infections and deaths; ways to stop the pandemic
一个新的新型冠状病毒疫情模型已经构建并模拟了美国八个州。该模型的系数基于七个耦合微分方程，并根据记录的病例和死亡数据进行了仔细评估。这些预测表明，新冠肺炎将成为地方性疾病，传播时间将超过两年。如果居家令放宽，2021年大部分州可能会出现二次高峰。如果继续封锁，在大多数开放的州，新冠肺炎死亡人数本可以显著降低。此外，我们的模型预测，将接触率降低10%，或将检测增加约15%，或将封锁依从性（从目前的$\sim$ 15%）增加一倍，将在一年内消除德克萨斯州的感染。应用于整个美国，基于当前情况的预测表明，到2020年11月1日，总感染人数约为1100万（包括未发现的），累计确诊病例为800万，累计死亡人数为63万。
2020-07-21 physics.soc-ph q-bio.PE
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
Forecasting the transmission of Covid-19 in India using a data driven SEIRD model
使用确定性暴露-感染-恢复-死亡（SEIRD）房室模型研究了印度特定病例的SARS-CoV-2病毒感染和死亡情况。其中最重要的流行病学参数之一，即感染的有效繁殖数是从报告的感染的日增长率数据中提取的，并将其包含在具有时间变化的模型中。我们评估了迄今为止实施的控制干预措施的效果，并估计了这些限制性措施避免的感染和死亡病例数。我们进一步预测未来COVID-19在印度的传播程度，并预测在各种潜在情况下的可能感染人数和死亡人数。
2020-06-08 physics.soc-ph q-bio.PE
Modelling the second wave of COVID-19 infections in France and Italy via a Stochastic SEIR model
COVID-19迫使全球多个国家采取隔离措施。事实证明，这些措施有效地大大降低了病毒的流行率。迄今为止，没有有效的治疗方法或疫苗。为了保护公众健康以及经济和社会结构，法国和意大利政府已部分解除封锁措施。在此，我们使用敏感-暴露（SEIR）模型推断两国疫情的长期行为，其中参数被随机扰动，以处理COVID-19患病率估计的不确定性。我们的结果表明，参数和初始条件的不确定性在模型中迅速传播，并可能导致流行病的不同结果，导致或不导致第二波感染。使用实际知识，在这两个国家，COVID-19流行率的渐近估计值可能会波动1000万单位。
2020-06-09 physics.soc-ph q-bio.PE
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
Phenomenological description of spread of Covid-19 in Italy: people mobility as main factor controlling propagation of infection cases
自2019年底开始，冠状病毒（COVID-19）的传播已在意大利确定了多项旨在防止卫生系统饱和的干预措施。我们已经研究了这些措施的影响，提出了一个平均场模型，描述了一个简单的扩散过程的基础上，所有可观察到的变量的感染传播（对感染仍呈阳性的人数、住院和死亡病例、治愈的人数和感染的总人数）取决于平均参数，即扩散系数，感染截面，和人口密度。虽然这个模型比文献中的其他模型复杂，但它使我们能够直接将流行病统计信息（住院病例，死亡人数，感染人数等）的趋势联系起来。到一个定义明确的可观察的物理量：任何个人每天遇到的平均人数。该模型非常符合流行病数据，并使我们能够将住院病例和疫情死亡人数的时间演变与人员流动性的变化严格联系起来，从而在意大利实施渐进式限制，直到现在（2020年11月15日）。
2020-11-17 physics.soc-ph q-bio.PE
Comparative analysis of the diffusion of Covid-19 infection in different countries
新型冠状病毒肺炎（COVID-19，即2019冠状病毒病）在中国以外地区的突然蔓延，促使世界卫生组织（WHO）于3月11日承认这场持续的疫情是一场大流行病。在这一阶段，至关重要的是要了解目前在感染传播方面落后的国家应向感染传播较早的国家学习什么。这项工作的选择是更喜欢及时性而不是全面性。通过采取纯粹的经验方法，我们将限于根据不同国家的不同功能行为，确定不同国家的不同阶段，并进行比较分析。对登记病例曲线的比较分析突出了显著的相似之处，特别是在西方国家之间，同时也有一些微小但至关重要的差异。我们强调及时性如何在很大程度上减少个别国家疫情的规模，最终限制最终死亡人数。我们的数据表明，不幸的是，西方政府没有表现出预测其决策的能力，这是基于早些时候受到疫情打击的国家的经验。
2020-03-18 physics.soc-ph q-bio.PE
Counting the uncounted : estimating the unaccounted COVID-19 infections in India
本研究针对印度COVID-19大量感染未被统计的问题，在SEIR模型中新增未检测仓室，结合PINN估算20个重灾邦及全国两波疫情的未检测感染规模等指标，并用基于特征训练的ANN实现可靠疫情预测。
2024-03-01 physics.soc-ph q-bio.PE
Short-term predictions of country-specific Covid-19 infection rates based on power law scaling exponents
冠状病毒（COVID-19）感染的数量在全球范围内增长。为了建立短期预测，为全球大流行的程度做好准备，我们分析了来自受影响最严重的25个国家的感染数据。结果表明，所有国家的具体感染率遵循幂律增长行为和每个国家的标度指数计算。我们发现两种不同的增长模式：从一开始就稳定的幂律增长，适度的标度指数为3-5或爆炸性的幂律增长，显着的标度指数为8-11。在美国的情况下，我们甚至发现指数为16.59。通过数据分析，我们确认，制定严格的封锁措施，加上人口的强烈遵守，是降低增长率的有效手段。虽然许多国家已采取措施，但迄今只有三个国家（丹麦、挪威和韩国）的封锁导致增长率大幅下降。在丹麦的情况下，我们计算的标度指数从6.82移动到1.47的减少。
2020-03-26 physics.soc-ph q-bio.PE
An in-host model of HIV incorporating latent infection and viral mutation
我们构建了一个七组分模型的人体免疫缺陷病毒1型（即艾滋病毒），占潜伏感染和病毒突变的倾向，在主机动态。对该模型进行了动力学分析，并给出了一个刻画其长时间行为的定理。最后，我们研究了抗逆转录病毒药物的作用和治疗意义。
2015-08-30 q-bio.PE
A Dynamical Framework for Modeling Fear of Infection and Frustration with Social Distancing in COVID-19 Spread
在本文中，我们介绍了一种新的建模框架，将感染的恐惧和挫折与社会距离到疾病的动力学。我们发现，由此产生的SEIR行为感知模型有三个主要模式的定性行为-没有爆发，控制爆发，和不受控制的爆发。我们还表明，该模型可以产生短暂的和持续的感染波符合二次爆发。我们将该模型与来自多个地区的COVID-19病例和死亡率数据进行了拟合。我们的分析表明，在第一波感染后出现显著下降的地区，如加拿大和以色列，更有可能遏制第二波感染，而在最初减缓疾病传播方面仅取得适度成功的地区，如美国，可能会出现大量的第二波或不受控制的疫情。
2020-08-13 math.DS physics.soc-ph q-bio.PE
A model for COVID-19 and bacterial pneumonia coinfection with community- and hospital-acquired infections
我们提出了一个新的数学模型来研究COVID-19和细菌性肺炎的合并感染动力学。我们的模型包括两种肺炎感染途径，分别对应于社区获得性感染和医院获得性感染。我们证明了平衡点的存在性和局部稳定性取决于三个不同的参数，这三个参数被解释为COVID-19、细菌性肺炎和细菌种群的基本繁殖数。进行了数值模拟以补充我们的理论分析，我们表明，如果COVID-19的基本繁殖数大于1，这两种疾病都可以持续存在。
2022-07-27 q-bio.PE
Transparent Covid-19 prediction
我们提出了一种非常简单和透明的方法来解释确诊的COVID-19病例的时间序列。粗略地说，对每周每天新增感染病例的分析是界定和及早发现疫情转折点的工具。在意大利，新型冠状病毒活动的增长在一周前被克服，奥地利和瑞士紧随其后。本说明强调了从感染到将感染列入中央数据库之间的两周这一至关重要的延迟。我们对新型冠状病毒活动和繁殖率的时间进程的估计可以将信息差距缩短数天。我们表明，西班牙和德国已经超越了转折点。一般而言，估计繁殖率在主要封锁措施后短时间内变得低于临界值，其后Covid-19活动开始减少。这份说明对所有采取了严格控制措施的区域的前景表示非常乐观。
2020-04-08 physics.soc-ph q-bio.PE
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
Optimal control of COVID-19 infection rate considering social costs
COVID-19疫情已构成政策制定危机，减缓或结束疫情的努力与经济优先事项相冲突。本文通过疾病传播的理想化分区模型和社会经济成本的简化模型，对最优疾病控制策略进行了数学分析。两个局部最优控制最优控制策略被发现和分类为“抑制”和“缓解”的战略。我们分析这些策略如何改变时，我们将疫苗接种到模型中，并找到一个新的最佳的“延迟缓解”策略。
2021-02-12 math.OC physics.soc-ph q-bio.PE
Coupling between COVID-19 and seasonal influenza leads to synchronization of their dynamics
COVID-19和其他病原体之间的相互作用可能会改变它们的动态。具体而言，当两种感染的症状难以区分时，这可能会阻碍经验数据的建模。我们引入了一个耦合COVID-19和季节性流感动力学的模型，模拟合作，竞争和不对称相互作用。我们发现，耦合的两种感染，具有很强的影响，流感的动力学，减少其时间范围的一半。
2020-09-17 physics.soc-ph q-bio.PE
Estimating the infection horizon of COVID-19 in eight countries with a data-driven approach
COVID-19大流行影响了世界所有国家，造成大量死亡，并对其社会、金融和教育组织造成重大破坏。中国实施的严格纪律措施非常有效，因此随后被世界大多数国家不同程度地采用。感染持续时间和感染人数对于防治这一流行病至关重要。我们使用中国疾病传播的量化景观作为基准，并利用来自8个国家的感染数据来估计这些国家中每个国家感染的完整演变。该分析成功地预测了每个国家每天的预期感染人数，也许更重要的是，预测了每个国家的流行持续时间。我们的定量方法是基于一个高斯传播的假设，这是由于在一个简单的动态感染模型的措施。一旦这种现象结束，这可能会产生后果，并揭示政策的效率。
2020-04-22 physics.bio-ph physics.soc-ph q-bio.PE
The COVID-19 pandemic: growth patterns, power law scaling, and saturation
越来越多的国家显示，由于政府实施有效的封锁和社交距离措施，新冠肺炎感染人数显著放缓。我们通过局部斜率分析分析了受影响最严重的25个国家的增长行为，发现各个国家根据封锁协议的严格程度遵循三种不同的模式：指数上升和下降，幂律或逻辑。对于呈现幂律增长的国家，我们确定了标度指数。对于感染率大幅下降的国家，我们推断了感染人数的预期饱和度和预期最后日期。使用了两种不同的外推方法（logistic和抛物线）。这两种方法在饱和度和结束日期的数量级上是一致的。用同样的方法分析全球感染率。这些外推的相关性和准确性进行了讨论。
2020-04-08 physics.soc-ph q-bio.PE
Homeostatic behavioural response to COVID-19 infections returns R to a set-point of 1
2019冠状病毒病大流行中的一个明显行为方面是人们对社区报告或观察到的感染人数的关注和反应。我们描述了一个简单的传染病传播模型，在大流行的情况下，人们的行为受到当前感染风险的影响，这种行为反应的行为稳态返回感染风险到一定的首选水平。该模型预测繁殖率$R$将集中在中值1附近，并且新感染数量的相对变化的相关度量将遵循标准柯西分布。对全球COVID-19数据的分析显示，估计的繁殖率中位数为1，并且从报告的新感染人数计算的相对变化的这一指标在总体和单个国家层面上都严格遵循标准柯西分布。
2022-02-23 q-bio.PE
Detectability of the novel coronavirus (SARS-CoV-2) infection and rates of mortality from the novel coronavirus infection in different regions of the Russian Federation
相关性：新型冠状病毒（SARS-CoV-2）感染的实验室诊断结合对感染者接触者的隔离会影响SARS-CoV-2感染的传播和相关死亡率水平。检测SARS-CoV-2感染的做法在俄罗斯各地不同。例如，在圣彼得堡市，2020年10月25日的COVID-19死亡率是俄罗斯联邦最高的，每一例COVID-19死亡对应于人口中15.7例COVID-19检测病例，而整个俄罗斯的相应数字为58.1，表明圣彼得堡的COVID-19轻度/中度病例检测有限。研究方法：更积极的SARS-CoV-2检测可降低病死率（即在人群中所有SARS-CoV-2感染病例中检出COVID-19病例的比例）。我们使用COVID-19病例和死亡数据来研究俄罗斯联邦不同地区COVID-19的病死率与死亡率之间的相关性。结果如下：2020年10月25日，俄罗斯联邦不同地区COVID-19的病死率与死亡率之间的相关性为0.64（0.50，0.75）。在俄罗斯联邦的几个地区，SARS-CoV-2感染的可检测性相对较低，而COVID-19的死亡率相对较高。结论：SARS-CoV-2感染的可检测性是影响COVID-19死亡率水平的因素之一。为了提高可检测性，应该对所有有呼吸道症状寻求SARS-CoV-2感染治疗的个人进行检测，并采取额外措施增加SARS-CoV-2检测量。这些措施，加上对感染病例及其密切接触者的隔离，有助于减缓SARS-C…
2020-10-25 q-bio.PE
Why are most COVID-19 infection curves linear?
许多国家已经度过了他们的第一个COVID-19疫情高峰。传统的流行病学模型将其描述为非药物干预导致增长率低于恢复率的结果。在大流行的这一新阶段，许多国家的确诊病例在很长一段时间内几乎呈线性增长。这种新的遏制机制很难用传统模型来解释，在传统模型中，感染人数要么爆炸性增长，直到达到群体免疫，要么疫情被完全抑制（零新病例）。在这里，我们根据接触网络的结构来解释这个令人困惑的观察结果。我们发现，对于任何给定的传播率存在一个临界数量的社会接触，$D_c$，低于此线性增长和低感染率必须发生。在$D_c$之上发生传统的流行病学动力学，例如在SIR型模型中。当我们根据传播率和传染天数的经验估计校准相应的模型时，我们发现$D_c\sim 7.2$。假设真实的接触网络度约为5，并假设封锁措施将减少到家庭规模（约2.5），我们以惊人的精度再现了实际的感染曲线，而无需拟合或微调参数。特别是，我们比较了美国和奥地利，作为一个最初没有采取措施的国家和一个在早期采取严厉封锁措施的国家的例子。我们的研究结果质疑标准房室模型描述COVID-19遏制阶段的适用性。在这些地区观察到线性增长的可能性几乎为零。
2020-05-22 physics.soc-ph q-bio.PE
Racial Impact on Infections and Deaths due to COVID-19 in New York City
划红线是一种歧视性做法，即机构因人口统计而避免在某些社区投资。在此，我们探讨红线对纽约市COVID-19传播的持久影响。使用通过住房抵押贷款披露法案提供的数据，我们通过多层次的物流模型为每个纽约市人口普查区构建了一个红线指数。我们将此红线标记指数与每个纽约市邮政编码列表区域的COVID-19统计数据进行比较。准确绘制大流行病地图将有助于确定最脆弱的地区，并允许最有效地分配医疗资源，同时减少族裔健康差距。
2020-07-09 physics.soc-ph q-bio.PE stat.AP
Total Effect Analysis of Vaccination on Household Transmission in the Office for National Statistics COVID-19 Infection Survey
我们调查了国家统计局COVID-19感染调查（ONS CIS）中家庭继发病例数量的分布，并按家庭接种疫苗和感染的时间进行了分层。这表明，接种疫苗后，家庭的二次发病率在统计上显著下降，大约减半。
2021-07-14 q-bio.PE stat.AP
Infection dynamics of COVID-19 virus under lockdown and reopening
受COVID-19的启发，我们开发并分析了一个简单的疾病在人群中传播的随机模型。我们跟踪感染者和重症患者的数量如何随着时间的推移而发展，以估计对医院系统的需求。为了控制这种需求，我们考虑了一类简单的减缓和重新开放社会的政策，并从几个不同的角度比较了它们在减缓病毒传播方面的效率。我们发现，为了避免医院系统不堪重负，政策必须实施严厉的封锁，或者必须迅速做出反应（或者两者兼而有之）。虽然迅速反应对所有人都有利，但只有当该国对重新开放有耐心，并且邻国协调其缓解努力时，严厉才能得到回报。我们的工作强调了关闭时果断行动的重要性，以及重新开放时邻国之间耐心和协调的重要性。
2020-12-30 physics.soc-ph q-bio.PE
Identifying Mitigation Strategies for COVID-19 Superspreading on Flights using Models that Account for Passenger Movement
尽管商业航空公司要求佩戴口罩，但已有多起记录在案的COVID-19在航班上超级传播的事件。我们使用了三个航班的可用数据，包括机舱布局和受感染和未受感染乘客的座位位置，以建议干预措施，以减轻航空旅行中的COVID-19超级传播事件。具体而言，我们研究了：1）伦敦至河内，乘客201人，其中乘客继发感染13人; 2）新加坡至杭州，乘客321人，其中继发感染12至14人; 3）日本私人飞机上发生非超级传播事件，乘客9人，无继发感染。我们表明，包括乘客流动更好地解释了感染传播模式比传统的模型。我们还发现，使用FFP 2/N95口罩可以将感染率降低95- 100%，而布口罩只能将感染率降低40- 80%。这表明需要更严格的指导方针，以减少与航空相关的COVID-19超级传播事件。
2021-06-18 physics.soc-ph q-bio.PE q-bio.QM
Robust predictive model for Carriers, Infections and Recoveries (CIR): first update for CoVid-19 in Spain
本文报告了先前在arXiv：2003.13890v1中提出的模型评估的第一次更新。新的可用数据已被用来喂养的模型和与实际数据的比较仍然显示出良好的协议。该模型的主要新颖之处在于，它跟踪单个个体的感染日期，并使用随机分布来聚合共享相同感染日期的个体。此外，它使用两种类型的感染，轻度和严重，具有不同的恢复时间。这些特征在一组微分方程中实现，该微分方程确定携带者、感染、恢复、住院和死亡的数量。
2020-04-12 q-bio.PE
A simple Stochastic SIR model for COVID 19 Infection Dynamics for Karnataka: Learning from Europe
在这篇简短的说明中，我们使用随机SIR模型对COVID-19感染演变的区域趋势进行了建模。SIR动态使用\textit{Itô-stochastic differential equations}表示。我们首先根据欧洲地区24天的感染、康复和死亡历史，从现有的每日数据中推导出模型的参数。得出的参数已被汇总，以预测印度次大陆的未来趋势，目前处于感染周期的早期阶段。该等预测旨在作为制定社会政治应对措施以减轻COVID-19的指导方针。
2020-04-16 math.DS q-bio.PE
Nonlinear trend of COVID-19 infection time series
本文提出一种非线性时间序列分析方法，通过解析方程提取COVID-19感染数据的单一非线性趋势，验证了基于周的增长率合理性，并成功拟合Delta变异株数据及展示向Omicron的转变。
2024-04-01 cs.NA math.NA physics.soc-ph
Some fractal thoughts about the COVID-19 infection outbreak
关于广义逻辑方程描述COVID-19感染爆发以及其他许多流行病爆发的表观能力的物理动机，提出了一些想法。这里的主要重点是：描述"传染事件集"的轨迹的复杂、可能是分形的结构;从具有"羊群行为"的营养网模型中可以学到什么。
2020-04-08 math.DS physics.bio-ph q-bio.PE
Spatial autocorrelation and the dynamics of the mean center of COVID-19 infections in Lebanon
在本文中，我们研究了黎巴嫩COVID-19感染的空间传播。我们检查了全国26个行政区每日新感染病例的传播情况，并实施了Moran的$I$统计数据，以分析感染与各种变量（由相邻性、邻近性、人口、人口密度、贫困率和贫困密度等参数化）之间的时空聚集性，我们发现，除贫困率外，感染的传播是成簇的，并且在7月（地理上相邻和接近）或8月（人口、人口密度和贫困密度）至10月之间的时间跨度内与这些参数以不同的幅度相关联。我们还确定了自3月下旬以来新的和累积感染的平均中心的地理位置的时间动态。所取得的成果使区域和地方能够调整卫生政策和措施，提高该国的公共卫生安全水平。
2020-11-02 q-bio.PE
Modeling time evolving COVID-19 uncertainties with density dependent asymptomatic infections and social reinforcement
University of Technology Sydney（悉尼科技大学）
COVID-19大流行在建模其复杂的流行病传播、感染和传染方面带来了重大挑战，这些流行病与已知流行病有很大不同。量化COVID-19复杂性的挑战包括有效建模其流程和数据的不确定性。不确定性在于隐性和高比例的无证感染、无症状传染、感染的社会强化以及报告数据中的各种质量问题。在COVID-19大流行的前两个月，当相关知识、病例报告和检测都有限时，这些不确定性变得更加明显。在这里，我们介绍了一种新的混合方法易感-未记录的感染-记录的感染-复发（SUDR）模型。首先，SUDR（1）描述并区分了COVID-19潜伏期常见的无记录（U）和有记录（D）感染以及无症状感染。其次，SUDR通过捕获外源过程来表征感染的概率密度。最后，SUDR通过将贝叶斯推断纳入SUDR，近似计算了COVID-19随时间的流行密度可能性。与现有的COVID-19模型不同，SUDR描述了未知传播过程中未记录的感染。为了捕捉COVID-19传染期间时间传播和社会强化的不确定性，传播率由未记录传染病例的时变密度函数建模。通过从具有合理先验的平均场后验分布中采样，SUDR处理了在公开的COVID-19病例数据中广泛出现的COVID-19观测结果的随机性、噪声和稀疏性。结果表明，上述不确定性的定量理解，与经典的SIR，时间依赖的SIR，概率SIR模型相比。
2022-04-05 cs.LG q-bio.PE stat.ML
A demographic scaling model for estimating the total number of COVID-19 infections
了解COVID-19的传播范围对于研究大流行的进展至关重要。尽管努力仔细监测大流行，但确诊病例数可能低估了感染总数。我们引入人口比例模型，使用广泛适用的方法估计COVID-19感染，该方法基于最低数据要求：COVID-19相关死亡、感染病死率（IFR）和生命表〈动〉<动>。由于许多国家缺乏对特定年龄IFR的可靠估计，我们使用剩余预期寿命作为标记来衡量国家之间的IFR，以说明年龄结构，健康状况和医疗服务的差异。截至2020年5月13日，在COVID-19死亡人数最多的10个国家中，感染人数估计是确诊病例数的4倍[95%预测区间：2-11]。跨国差异很大。意大利的估计感染人数为140万（确诊病例数的6倍）;美国为310万（确诊病例数的2.2倍）;是德国确诊病例数的1.8倍，德国的检测相对广泛。然而，根据当地血清阳性率研究，我们的流行率估计值明显低于大多数其他人。我们引入公式来量化我们的死亡数据中所需的偏倚，以重现其他地方发表的估计值。这种偏倚分析表明，COVID-19死亡人数被严重低估，被低估了两倍或更多;或者，基于血清阳性率的结果被高估，不代表总人口。
2020-05-26 q-bio.PE
COVID-19 infection and recovery in various countries: Modeling the dynamics and evaluating the non-pharmaceutical mitigation scenarios
2019冠状病毒病（COVID-19）大流行严重影响我们的生活，而COVID-19的传播╱感染和恢复动态仍不清楚。提出了一个时间依赖的易感、暴露、传染和隔离（SEIR）模型，并将其应用于拟合和预测中国各省和大城市在过去三个月（至2020年3月22日）观察到的COVID-19演变的时间序列。模型结果显示传播/感染率的空间依赖性和恢复率的显著时空变化，可能是由于筛查技术和公立医院系统的不断改进以及中国城市的全面封锁。经验证的SEIR模型随后被应用于预测美国、意大利、日本及韩国的COVID-19演变，这些国家迄今对监测及缓解COVID-19的反应不同，尽管由于不同国家的最大感染人口及感染/康复率的内在变化，这些预测包含高度不确定性。此外，开发了一个基于随机行走粒子跟踪方案的随机模型，类似于混合限制双分子反应模型，以评估缓解COVID-19传播的非药物策略。使用随机模型进行的初步测试显示，如果不是所有感染者都能及时得到诊断和隔离，自我隔离在减缓COVID-19传播方面可能不如严格的社交距离有效。
2020-03-31 q-bio.PE
Assessing the impact of social activity permissiveness on the COVID-19 infection curve of several countries
本文件旨在估计及描述多个国家为控制COVID-19传播而实施的社交距离措施的影响。该程序依赖于经典的易感-感染-清除（SIR）模型，该模型经过修改以纳入容许指数，代表通过社交距离和疫苗接种运动的未来发展实现的隔离，并允许数学模型再现多个感染波。调整后的SIR模型被用来研究经济的重新激活和由此产生的感染传播增加之间的妥协。该文件提出了一个图形算盘，描述了在可行的疫苗接种运动发展的同时逐步放宽社交距离措施的便利性
2021-06-25 q-bio.PE
Spatiotemporal fluctuation scaling law and metapopulation modeling of the novel coronavirus (COVID-19) and SARS outbreaks
我们对比分析了2019年新型冠状病毒（COVID-19）和SARS疫情的时空波动，以了解其流行病学特征。在方法上，我们引入TPL（泰勒幂律）来表征其时空异质性/稳定性，并引入Hubbell（2001）生物多样性统一中性学说〈动〉<动>（UNTB）[特别是Harris et al.（2015）HDP-MSN模型（分层狄利克雷过程多位点中性模型）]来近似冠状病毒感染的集合种群。首先，TPL分析表明，冠状病毒似乎具有特定的异质性/稳定性缩放参数（TPL-b），对于累积感染略大于2，对于每日增量感染略大于1，这表明它们可能是混乱的，不稳定的爆发。另一TPL参数（M0）（即，感染临界阈值）取决于病毒种类（COVID-19/SARS）、时间（疾病阶段）、空间（区域）和公共卫生干预（例如，移动性和移动性控制）。M0测量感染水平，在该感染水平下感染是随机的（泊松分布），低于该感染水平的感染遵循均匀分布，如果M0符合或低于Allee效应水平，则可能会死亡。研究发现，COVID-19爆发的风险似乎比SARS高出近两倍，而较低的感染阈值可能是由于其致死率低于SARS，因为较低的致死率可以促进病原体的存活和传播。第二，后趋性UNTB中性测试似乎适合于近似冠状病毒感染的后趋性。具体而言，从中性学说〈动〉<动>中借用的两个参数θ和M可用于评估通过局部传染感染与通过迁移感染的相对重要性，这两者都可能取决于时间、…
2020-03-08 q-bio.PE
Machine Learning the Phenomenology of COVID-19 From Early Infection Dynamics
Rensselaer Ploytechnic Institute（伦斯勒理工学院）
我们提出了一个强大的数据驱动的机器学习分析COVID-19大流行的早期感染动态，特别是随着时间的推移感染计数。目标是提取可操作的公共卫生见解。这些见解包括传染力，轻微感染变得严重的速度，估计非对称感染和预测新的感染随着时间的推移。我们关注的是从2020年1月20日首次确诊感染开始的美国数据。我们的方法揭示了显著的无症状（隐藏）感染，滞后约10天，并且我们定量地证实了感染力很强，从轻度到严重感染的转变约为0.14%。我们的方法是有效的，强大的和一般的，是不可知的特定病毒和适用于不同的人群或队列。
2020-04-03 cs.LG q-bio.PE stat.ML
Nowcasting fatal COVID-19 infections on a regional level in Germany
我们分析了与COVID-19感染相关的死亡率的时间和区域结构。我们将每个死亡患者的死亡日期与相应的感染登记日相关联，从而建立一个即时预测模型，使我们能够估计在以后的日期被证明是致命的当前感染的数量。这些数字被分解到德国的地区一级。鉴于死亡计数通常提供更可靠的信息，疾病的传播相比，感染计数，这不可避免地取决于测试策略和能力，所提出的模型和所呈现的结果允许获得可靠的洞察到目前的状态，在德国的大流行。
2020-11-21 q-bio.PE stat.AP
Estimation of Infection Rate and Prediction of Initial Infected Individuals of COVID-19
我们认为，在中国武汉市爆发新型冠状病毒后，COVID-19疫情在若干选定国家蔓延。我们使用官方报告的疫情早期数据，对易感（S）、可感染（I）、隔离（Q）和确认恢复（Rk）人群模型，即SIQRk模型，估计了COVID-19的感染率和初始感染人数。在报告的数据中，我们知道隔离病例和治愈病例。我们无法从无症状病例中区分出痊愈的病例。在SIQRk模型中，我们可以从数据拟合中估计模型参数和初始感染病例（确认和非对称病例）。我们得到的感染率在0.233和0.462之间的范围内，基本繁殖数Ro在1.8和3.5之间的范围内，和初始感染个体数在10和8409之间的范围内。利用拟合参数估计了德国在实施检疫政策时的最大传染时间。在第一批病人被发现后大约六个月，这种疾病正在经历平静的状态。
2020-04-27 nlin.AO physics.soc-ph q-bio.PE
Optimal Vaccination and Treatment Strategies in Reduction of COVID-19 Burden
在这项研究中，我们制定了一个数学模型，其中纳入了COVID-19的年龄特异性传播动力学，以评估疫苗接种和治疗策略在降低COVID-19负担规模方面的作用。首先，我们建立了模型解的正性和有界性，并计算了基本再生数。然后，我们制定了一个最优控制问题，疫苗接种和治疗作为控制变量。最佳的疫苗接种和治疗政策进行了分析，与疫苗接种的成本和不同的传染性水平的权重常数的不同值。这些研究结果表明，联合策略（疫苗接种和治疗）在最大限度地减少感染和疾病引起的死亡率方面效果最好。为了最大限度地减少COVID-19感染和COVID-19导致的死亡，据观察，最佳控制策略应优先考虑年龄大于40岁的人群。在轻度流行（$R_0 \in (0, 2)$）情况下，单独策略和联合策略之间没有太大差异。对于较高的$R_0 (R_0 \in (2, 10))$值，发现组合策略在最小化总体感染方面是最好的。还分析了不同疫苗效力的感染曲线，发现疫苗效力越高，感染和COVID诱导的死亡人数越少。
2021-02-19 math.DS physics.soc-ph q-bio.PE
A fractal viewpoint to COVID-19 infection
控制COVID-19大流行病的核心工具之一是了解其传播动态。在这里，我们开发了一个分形模型，能够描述这种动态，每天的新情况下，并提供一些预测的定量标准。提出了一种基于保形导数和分形时间尺度的分形动力学模型。得到了类分形方程的Burr-XII型解。使用来自几个国家的数据对该模型进行了测试，结果表明，单一函数能够描述非常不同的疫情形状。这些国家的疫情的不同行为进行了介绍和讨论。此外，还得到了判断大流行高峰存在的判据和群体免疫达到时间的表达式。
2020-07-14 physics.bio-ph physics.soc-ph q-bio.PE
Inferring the COVID-19 infection curve in Italy
本文的目的是展示一种简单的方法，从现有的汇总数据（如死亡和住院人数）推断新的COVID-19感染的时间进程（这是确定遏制策略效果的最重要信息）。用于艾滋病毒/艾滋病的方法被称为“反向计算”，它依赖于对感染和观察到的事件之间的延迟分布的良好估计;假设流行病遵循一个简单的SIR模型，具有已知的世代间隔，那么我们就可以通过最大似然估计定义随时间变化的接触率的参数。我们显示的应用程序的方法从意大利和它的几个地区的数据，它被发现，$R_0$一直低于1 3月20日左右，并在4月初，它是在0.5和0.8之间，在整个意大利和大多数地区。
2020-04-20 q-bio.PE
Analysis of COVID-19 Infection Dynamics: Extended SIR Model Approach
本研究基于扩展SIR/SEIR模型结合人口因素，利用奥兰治县四波疫情数据分析COVID-19感染动力学，发现R0>1时呈地方病状态，疫苗接种可降低有效再生数实现无病平衡，为公共卫生干预提供依据。
2025-05-19 math.DS physics.soc-ph q-bio.PE
How to Best Predict the Daily Number of New Infections of Covid-19
了解新冠肺炎每日新增感染人数非常重要，因为这是导致封锁和紧急医疗保健措施的政治决策的基础。我们以德国为例来说明官方数据的不足之处，至少在德国，官方数据的披露只有几天的延迟，并且在周末严重低估（超过40%）。这些缺陷表明迫切需要替代数据来源。约翰霍普金斯大学系统科学与工程中心（JHU）提供的另一个被广泛引用的来源也与德国的官方数据平均偏差79%。我们认为，谷歌搜索和Twitter数据应该补充官方数据。他们的预测甚至比约翰霍普金斯大学的原始值更好，而且提前了几天。这两个数据来源也可用于世界上没有官方数字或被认为不可靠的地方。
2020-04-08 cs.SI physics.soc-ph q-bio.PE
Estimating the number of COVID-19 infections in Indian hot-spots using fatality data
在印度，COVID-19感染人口尚未准确确定。与任何流行病的早期阶段一样，需要首先检测严重病例，这意味着尚未对无症状或轻度亚临床症状的人群进行分析。使用死亡人数和先前估计的疾病进展参数，我们对感染人口进行统计估计。倍增时间是影响这些估计值的关键未知输入参数，并且可能因地理位置而异。我们提出了一种在几天内估计不同地点COVID-19流行病学参数的方法，从而增加了衡量公共卫生干预措施成功与否所需的信息
2020-04-07 q-bio.PE
Using early data to estimate the actual infection fatality ratio from COVID-19 in France (Running title: Infection fatality ratio from COVID-19)
法国于2020年1月24日发现首批COVID-19病例。进行的筛选试验的数量和用于目标的患者测试的方法不允许直接计算的真实病例数和死亡率。在这份报告中，我们开发了一个“机械统计”的方法耦合SIR ODE模型描述未观察到的流行病学动态，描述数据采集过程和统计推断方法的概率模型。该模型的目的不是进行预测，而是估计法国在观察窗口期间感染COVID-19的实际人数，并推断与疫情相关的死亡率。主要结果法国感染病例的实际数量可能远高于观察结果：我们在这里发现一个因子× 15（95%-CI：4-33），导致观察期结束时的死亡率为5.2/1000（95%-CI：1.5 / 1000-11.7/ 1000）。我们发现R 0为4.8，这是一个高值，可能与20天的长病毒脱落期有关。
2020-04-17 math.DS q-bio.PE stat.AP
Measuring COVID-19 spreading speed through the mean time between infections indicator
我们建议使用平均感染间隔时间（MTBI）度量，从最近推出的非齐次马尔可夫随机模型。执行不同类型的参数校准。我们估计MTBI使用数据从不同的时间窗口和从整个阶段的历史，并比较结果。为了检测输入数据中的波和阶段，应用预处理滤波技术。显示了将该指标应用于阿根廷、德国和美国的COVID-19报告感染数据的结果。我们发现，MTBI的行为类似于不同的数据输入，而模型参数完全改变他们的行为。还显示了参数和MTBI指标随时间的演变。我们有证据支持这样的说法，即MTBI是一个相当好的指标，以衡量流行病的传播速度，具有类似的值，无论输入数据的大小。
2022-07-15 q-bio.PE
Unraveling implicit human behavioral effects on dynamic characteristics of Covid-19 daily infection rates in Taiwan
我们研究了新冠病毒传播动态，其基础是台湾最大的七个城市的84个地区在其原始激增期间的84条每日新冠病毒感染率曲线。我们的计算开发开始于从每个平滑的区域特定曲线中选择和提取18个特征。这一步的计算工作允许将非结构化数据转换为结构化数据，然后我们展示了所有相关曲线之间的非对称增长和下降动态。具体地说，基于条件熵和互信息的理论信息度量，我们计算了一阶和二阶的主要因素，这些因素对曲线的峰值和峰值处的曲率有显著影响，这是表征所有曲线的两个基本特征。此外，我们调查和展示的主要因素，确定的地理和社会经济引起的行为影响，编码这84个地区的两个二元特征：北与南和Unban与郊区。此外，基于这种数据驱动的知识在地区规模上，我们继续研究精细规模的行为对传染病传播的影响，通过相似性之间的96个年龄组的具体曲线的每日感染率在12个市区的台北市和12个郊区的新北市，这几乎占了四分之一的岛国的总人口。我们的结论是，人类的生活，旅行和工作行为确实深刻地影响了台湾各地COVID-19的传播动态。
2022-11-20 physics.soc-ph q-bio.PE stat.AP
Towards predicting COVID-19 infection waves: A random-walk Monte Carlo simulation approach
现象学模型和确定性模型通常用于估计流行病的传播参数和预测其增长轨迹。这类分析通常以单高峰爆发动态为基础。鉴于目前的COVID-19大流行，迫切需要更好地了解观察到的具有多个峰值结构的流行病增长，最好使用第一性原理方法。根据我们之前的工作[Physica A 574，126014（2021）]，我们在这里应用2D随机游走蒙特卡罗计算来更好地了解COVID-19通过接触相互作用传播。封锁方案和所有其他控制干预措施都是通过限制流动性和调节随机相互作用人群的感染率来实施的。随着时间的推移，对易感人群、感染人群和康复人群进行跟踪，无需求解微分方程即可获得每日感染率。对印度、塞尔维亚、南非和美国四个国家的人口密度进行了模拟。在所有情况下，我们的结果都捕捉到了观察到的感染增长率。更重要的是，模拟模型被证明可以预测第二波和第三波感染，具有合理的准确性。多重波结构的这种预测性质提供了一种简单而有效的工具，可能有助于在目前的大流行期间规划缓解策略。
2022-01-13 q-bio.PE
Infection Kinetics of Covid-19: Is Lockdown a Potent Containment Tool?
新型冠状病毒肺炎（COVID-19，即2019冠状病毒病）正在肆虐，其死亡率与感染率之比是有史以来最高的。由于缺乏疫苗和治疗手段，封锁成为唯一的遏制方式，从而造成社会排斥。在6维感染动力学模型中利用机器学习的预测能力，描述6个感染阶段的交互式演变-健康易感者（$H$），易感共病（$P$），感染（$I$），已恢复（$R$），免疫畜群（$V$）和死亡率（$D$）--PHIRVD模型首次提供了18个国家在不同战略封锁阶段的准确死亡率预测，最多30天，比上次数据培训更长。PHIRVD将死亡率与感染率之比确定为正确的大流行描述符，取代了繁殖数，并强调了早期和长期但战略性封锁的重要性，以遏制二次复发。重要性声明：1.准确预测18个国家的每日死亡率概况，超过数据培训的最后数据30天。2.精确量化早期与后期封锁措施的影响。3.准确预测继发性复发时间线/ 4。确立死亡率与感染率之比作为正确的大流行描述符，取代了流行的繁殖数量选择，这在预测未来感染动力学和继发性激增方面被证明是失败的。这些结果有可能重新定义健康的政策格局，特别是考虑到二次复发和未来可能发生的SARS-COV/埃博拉群体入侵。
2020-09-11 physics.soc-ph q-bio.PE q-bio.QM
Optimal COVID-19 infection spread under low temperature, dry air, and low UV radiation
由新型冠状病毒SARS-CoV-2引起的COVID-19大流行目前正在全球迅速蔓延，造成多人死亡和严重的经济损失。人们认为，炎热和潮湿的条件不利于新型冠状病毒，但由于与COVID-19数据相关的许多不确定性，这一点仍在争论中。在这里，我们提出了替代数据测试，以检查这种病毒在不同的气候条件下传播的偏好。我们发现，当温度为$\sim$ 10 $^\circ$ C，比湿度为$\sim$ 5 g/kg，紫外线（UV）辐射为$\sim$ 80 kJ/m $^2$时，该疾病显著（高于95%置信水平）更常见。相对湿度的显著性低于95%置信水平，未显示首选值。这些结果得到了全球和区域数据的支持，时间跨度为2020年1月至7月。COVID-19数据包括每日报告的新增病例和每日死亡病例;对于两者，人口规模要么被考虑，要么被忽略。
2020-10-06 physics.med-ph physics.soc-ph q-bio.PE
Estimating undocumented Covid-19 infections in Cuba by means of a hybrid mechanistic-statistical approach
我们采用参考文献[1]的混合机械统计方法来估计古巴无记录的Covid-19感染总数。该方案是基于最大似然估计的SIR类模型参数的感染人口，假设检测过程匹配伯努利试验。我们的估计表明，（a）60%的感染没有记录，（b）数据背后的真正流行病在报告提出的10天前达到峰值，（c）繁殖数量在80天后迅速消失。
2020-08-07 math.DS q-bio.PE stat.AP
Data-driven deep learning algorithms for time-varying infection rates of COVID-19 and mitigation measures
具有恒定参数的流行病学模型可能无法在大流行期间存在药物和非药物缓解措施的情况下捕获令人满意的感染模式，因为传染性是时间的函数。本文介绍了一种流行病学信息神经网络算法，用于在存在各种缓解方案的情况下学习COVID-19大流行的时变传播率。存在无症状感染者，大多数未报告，所提出的算法学习无症状感染者占总感染者的比例。使用累积和每日报告的有症状感染病例，我们模拟了非药物缓解措施（如早期发现感染者、接触者追踪和社交距离）对基本繁殖数的影响。我们证明了疫苗接种对COVID-19传播的有效性。在意大利、韩国、英国和美国的COVID-19数据的数据驱动模拟中，使用误差度量证明了所提出算法的准确性。
2022-05-13 q-bio.PE
An Epidemic Model SIPHERD and its application for prediction of the spread of COVID-19 infection for India and USA
Vellore Institute of Technology（维洛尔理工学院）；Visvesvaraya National Institute of Technology（维斯瓦萨瓦亚国家理工学院）
本研究提出考虑三类感染携带者、传播率与封控社交疏离相关、检测率与日检测量相关的SIPHERD流行病模型，经德韩疫情验证后用于预测印美不同封控检测条件下的新冠传播。
2020-05-11 q-bio.PE
A reproduction rate which perfectly fits Covid-19
我们提出了一种简单的技术，仅根据确诊病例的时间序列来比较不同地区的新冠疫情发展。每周新感染，每天服用，被解释为Covid-19的感染潜力。我们推导出一个强大的随时间变化的感染潜力，包括无症状病例，这不依赖于死亡率或测试强度的再现率。它几乎不需要什么假设，并且显示了比几个国家的官方再生产率更合理的时间进程。
2020-05-27 q-bio.PE q-bio.QM
