Spatial correlations in geographical spreading of COVID-19 in USA
COVID-19大流行的全球传播途径复杂,主要归因于病毒的高传染性、人类旅行模式以及多项缓解措施的实施。由此产生的地理模式描述了流行病的演变,并可以指示有爆发风险的地区。在这里,我们分析了美国县级新活跃病例的空间相关性,并描述了这些相关性在不同时间的程度。我们发现,流行病并没有统一的进展,我们确定了不同的阶段,区分的相关长度的显着差异。我们的研究结果表明,相关长度可能是大的,即使在案件数量下降的时期。我们发现,城市中心之间的相关性比农村地区之间的相关性要显著得多,这一发现表明,城市之间的旅行主要促进了远程传播,特别是在疫情爆发的头几个月。我们还显示,2020年11月存在一个渗透过渡,当时该国最大的部分地区连接到一个跨越集群,2021年1月存在一个较小规模的过渡,这两个时间都对应于该国的疫情高峰。
2021-06-26 physics.soc-ph
Quantitative Relationship between Population Mobility and COVID-19 Growth Rate based on 14 Countries
这项研究建立了一个框架,用于量化因社交距离而导致的人口流动性变化对COVID-19感染增长率的影响。使用易感-感染-传播(SIR)流行病学模型,我们建立了在一些温和的假设下,COVID-19死亡的增长率是COVID-19感染增长率的延迟近似值。然后,我们假设COVID-19感染的增长率是人口流动性的函数,这导致了一个统计模型,该模型预测COVID-19死亡的增长率是人口流动性的延迟函数。统计模型的参数直接揭示了感染增长率、依赖于流动性的传播率、不依赖于流动性的恢复率以及临界流动性,低于临界流动性,COVID-19增长率变为负值。我们根据来自14个国家的公开数据拟合了拟议的统计模型,这些国家截至2020年5月6日的每日死亡人数超过100人,超过3天。公开提供的谷歌流动性指数(GMI)被用作衡量国家一级人口流动性的指标。我们的研究结果表明,COVID-19死亡人数的增长率可以作为GMI过境类别的二次函数(调整后的R平方= 0.784)提前20天准确估计。关键流动性的估计95%置信区间在COVID-19前流动性的36.1%至47.6%之间。这一结果表明,要扭转COVID-19疫情的增长,需要大幅减少人口流动。此外,本文建立的定量关系表明,一个容易获得的人口水平指标,如GMI,可以成为COVID-19流行过程的有用指标。
2020-06-03 physics.soc-ph q-bio.PE
Risk mapping for COVID-19 outbreaks in Australia using mobility data
The University of Melbourne(墨尔本大学);The University of Adelaide(阿德莱德大学);Victorian Department of Health and Human Services, Government of Victoria(维多利亚州卫生与人类服务部);Department of Infectious Diseases, The Alfred and Central Clinical School, Monash University(蒙纳士大学阿尔弗雷德医院与中央临床学院传染病系);University of New South Wales(新南威尔士大学);Melbourne School of Engineering(墨尔本工程学院);The Peter Doherty Institute for Infection and Immunity, The Royal Melbourne Hospital and The University of Melbourne(彼得·多赫蒂感染与免疫研究所、皇家墨尔本医院和墨尔本大学)
本研究利用近实时人口移动数据提出一种空间传播风险评估方法,并在澳大利亚三个COVID-19疫情情景中验证,证明移动数据能有效预测暴露风险地理分布,有助于检测资源分配和针对性限制措施的实施。
2020-12-04 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 parsimonious model for spatial transmission and heterogeneity in the COVID-19 propagation
国家层面累计死亡人数的原始数据通常表明COVID-19疾病发病率的空间可变分布。一个重要的问题是要确定这种空间格局是否是环境异质性的结果,如气候条件,在爆发过程中。另一个基本问题是了解COVID-19的空间传播。为了解决这些问题,我们考虑了四个候选流行病学模型,在初始条件,接触率和非本地传输方面具有不同的复杂性,我们用混合概率ODE方法将它们拟合到法国的死亡率数据。使用标准的统计标准,我们选择的模型与非本地传输对应的扩散的县,取决于地理上的接近,与时间相关的接触率和空间常数参数的图。这个原始的空间简约模型表明,在一个地理上中等规模的中央集权国家,如法国,一旦流行病建立,全球过程,如限制政策,卫生措施和社会距离的影响,消除了当地因素的影响。此外,这种建模方法揭示了潜在的流行病学动态,包括当地的免疫水平,并使我们能够评估非本地相互作用对疾病未来传播的作用。鉴于其理论和数值的简单性及其准确跟踪COVID-19流行曲线的能力,我们在这里开发的框架,特别是非局部模型和相关的估计过程,在研究流行病的空间动态方面具有普遍意义。
2020-07-18 physics.soc-ph q-bio.PE
COVID-19 in Mexico: A Network of Epidemics
与世界其他地区一样,墨西哥目前正面临COVID-19疫情。鉴于其领土面积,控制这一疾病的努力涉及国家和区域措施。在这项工作中,比较了联邦政府报告的每个城市每日新病例的曲线。我们发现,114个城市形成了一个大型网络的统计依赖性流行病的现象。根据该网络的模块结构,这114个城市可以分为四个不同的协调流行病现象社区。这些集群不受地理位置的限制。这些发现可以帮助公共卫生官员评估过去的策略和开发新的定向干预措施。
2020-06-20 physics.soc-ph q-bio.PE
On the relation between active population and infection rate of COVID-19
对东京主要车站的乘客人数与COVID 19感染率之间的关系进行了实证研究。我们基于传统房室模型的分析表明:1)从真正的感染日到报告感染日的平均时间约为$15$天。2)活动人口密度与感染率之间的标度关系表明,感染率的增加是线性的活动人口,而不是二次,因为这是假设在传统的SIR模型。3)从整体标度关系的显着偏差似乎对应于人们的行为的变化,以响应行动调节的公告。
2020-09-21 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
SEIRD model in heterogenous populations: The role of commuting and social inequalities in the COVID-19 dynamics
在本文中,我们分析了通勤和社会不平等对新型冠状病毒(COVID-19)疫情发展的影响。有了这个目标,我们认为SEIRD(易感,暴露,感染,恢复和死亡的疾病)模型没有重要的动态人口分为补丁,有不同的经济资源,其中的个人可以从一个补丁到另一个(双边)。在建模中,我们任意选择社会和通勤参数。我们用下一代方法计算了基本再生数$R_0$,并分析了$R_0$对参数的敏感性。此外,我们运行的数值模拟,考虑人口分为两个补丁,使我们的模型考虑异质群体的总感染人数和累计死亡人数的一些结论。
2020-08-15 physics.soc-ph q-bio.PE
Multiscale Dynamic Human Mobility Flow Dataset in the U.S. during the COVID-19 Epidemic
了解不同地理尺度下人类流动的动态变化和空间互动模式,对于评估COVID-19大流行期间非药物干预措施(如居家令)的影响至关重要。在这个数据描述符中,我们介绍了一个定期更新的美国多尺度动态人类流动数据集,数据从2020年3月1日开始。通过分析SafeGraph提供的数百万匿名移动电话用户对各个地方的访问,计算、汇总并推断了三个地理尺度上的每日和每周动态起点到目的地(O-D)人口流量:人口普查区、县和州。我们的移动流数据集与公开可用的数据源之间存在高度相关性,这表明了所产生数据的可靠性。这样一个高时空分辨率的不同地理尺度的人类流动数据集可以帮助监测流行病传播动态,为公共卫生政策提供信息,并加深我们对前所未有的公共卫生危机下人类行为变化的理解。这种最新的O-D流量开放数据可以支持许多其他社会传感和交通应用。
2020-11-02 cs.SI physics.soc-ph
Optimal quarantine strategies for the COVID-19 pandemic in a population with a discrete age structure
这项工作的目标是研究巴西COVID-19疫情的最佳控制措施。研究了一类具有隔离区的年龄结构SEIRQ模型,其中控制变量为隔离区入口参数。然后,我们比较了最佳控制不同的检疫长度和分布的总控制成本,通过评估各自的减少死亡相比,同期没有检疫。最好的策略是提供一个日历,说明何时放松每个年龄组的隔离措施。最后,我们分析了隔离开始的延迟如何通过改变初始条件来影响该日历。
2020-05-19 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
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
Epidemic parameters for COVID-19 in several regions of India
报告了对2020年4月期间印度不同地理区域病例和死亡病例的公开时间序列的贝叶斯分析。研究发现,感染最初明显的快速增长可能部分是由于混杂因素,如疾病监测的最初快速增长。一个简短的讨论给出的谬误,如果出现这种可能性被忽视。4月10日之后的增长与时间无关,但与区域相关的指数一致。由此,使用已知病例和死亡率提取R 0。在许多情况下,这两个估计值被认为是一致的;对于这些CFR报告。可以看出,CFR和R 0一起增加。一些公共卫生的影响,这一观察进行了讨论,包括目标加倍间隔,如果医疗设施是保持足够的。
2020-05-18 physics.soc-ph q-bio.PE
You better watch out: US COVID-19 wave dynamics versus vaccination strategy
我们采用流行病重整化群(eRG)框架来理解、重现和预测COVID-19在美国的流行扩散。美国不同地理区域的人类流动是通过开源飞行数据建模的,同时还考虑了社交距离对每个区域的影响。我们分析了疫苗接种策略对美国当前大流行波动态的影响。我们观察到持续的疫苗接种运动不会影响目前的疫情,因此仍须制定严格的社交距离措施。为了遏制当前和下一波疫情,我们的研究结果无可争议地表明,仅仅接种疫苗是不够的,需要采取严格的社交距离措施,直到获得足够的免疫力。我们的研究结果对于美国成功的疫苗接种策略至关重要。
2021-03-31 physics.soc-ph q-bio.PE
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
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
SEIRD model to study the asymptomatic growth during COVID-19 pandemic in India
根据目前的认识,有症状、症状前和无症状的感染者都可以感染对SARS-Cov-2易感的健康人群。更重要的是,各种报告表明,无症状病例的数量可能比报告的有症状病例高出数倍。在这篇文章中,我们以截至9月1日印度和该国各邦报告的病例为样本,了解COVID-19的进展情况。采用改进的SEIRD模型,我们预测了COVID-19在有症状和无症状感染人群中的传播。考虑到报告的感染主要是由于症状,我们比较模型预测的结果与现有的数据,以估计无症状感染人群的动态。我们的数据表明,在没有无症状感染人群的情况下,有症状病例的数量会少得多。因此,通过广泛或随机检测来消除无症状感染人群,可以减少有症状感染的当前进展。本研究的动机严格限于学术追求;这种理论研究并不意味着影响政策决定或公共卫生实践。
2020-09-11 physics.soc-ph q-bio.PE
Human Activity and Mobility Data Reveal Disparities in Exposure Risk Reduction Indicators among Socially Vulnerable Populations during COVID-19
非药物干预(NPI)是缓解COVID-19大流行在美国传播和影响的一种方法。非营利组织促进保护行动,以减少接触风险,并可以减少社区内的流动模式。越来越多的研究文献表明,社会弱势群体受到COVID-19高感染率和高死亡率的不成比例影响,尽管对这种健康差异的潜在机制了解有限。因此,该研究在五个城市位置的粒度范围内检查了两个不同且互补的数据集。通过统计和空间分析,该研究广泛调查了由于NPI而减少社会弱势群体的暴露风险。移动数据集跟踪邮政编码之间的人口移动;它用于起点-目的地网络分析。人口活动数据集基于从人口普查街区组(CBG)到兴趣点(POI)的访问次数,如杂货店,餐馆,教育中心和医疗设施;它用于人口-设施交互的网络分析。流动性数据集显示,在实施国家保护倡议后,社会弱势人口以在邮政编码区之间流动的形式增加了流动性。同样,人群活动分析显示,基于更多的CBG流入POI的访问,社会弱势人群的暴露风险增加,这增加了POI的接触风险,以及更多的从POI到家庭CBG的流出访问,这增加了CBG内的传播风险。这些发现可以帮助应急规划人员和公共卫生官员了解不同群体如何能够实施保护行动,并为未来流行病提供更公平和数据驱动的NPI政策。
2021-07-15 physics.soc-ph q-bio.PE
Modeling the Dynamics of the COVID-19 Population in Australia: A Probabilistic Analysis
新型冠状病毒COVID-19于2020年1月25日左右抵达澳大利亚海岸。本文提出了一种新的方法,利用有限的数据,以高度的准确性和及时性对澳大利亚的COVID-19大流行进行动态建模和预测;这是一种宝贵的资源,可用于指导政府每天和/或每周对社会限制的决策。本研究中使用的“部分可观察随机过程“不仅预测了误差极低的未来实际值,还预测了未观察到的COVID-19病例在人群中的百分比。该模型还可协助决策者评估其决策过程中几种可能的备选方案的有效性。
2020-05-26 physics.soc-ph q-bio.PE stat.AP
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
Assessing the Impact of Social Network Structure on the Diffusion of Coronavirus Disease (COVID-19): A Generalized Spatial SEIRD Model
在本文中,我研究了一个广义的空间SEIRD模型中的流行病扩散,其中个人最初连接在一个社会或地理网络。随着病毒在网络中传播,由于预防措施和/或空间距离政策,人与人之间的互动结构可能会随着时间的推移而发生内在变化。我通过模拟探索动态连接疾病扩散和网络特性的协同进化过程的动态特性。结果表明,为了预测网络种群中的流行病现象如何演变,仅仅关注初始相互作用结构的性质是不够的。事实上,网络结构和隔间份额的共同进化强烈地塑造了流行病扩散的过程,特别是在其速度方面。此外,我表明,空间距离政策的时机和功能可能会显着影响其有效性。
2020-10-21 physics.soc-ph q-bio.PE
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
How macroscopic laws describe complex dynamics: asymptomatic population and CoviD-19 spreading
宏观增长规律,平均场方程的解,以一种有效的方式描述了潜在的复杂动力学。它们被应用于研究感染的传播,如CoviD-19的情况,其中检测到的感染个体的累积数量$N(t)$的计数是普遍接受的粗粒度变量,以了解流行阶段。然而,$N(t)$未考虑未知数量的无症状、未检出的病例$A(t)$。因此,出现的问题是,观察到的$N(t)$数据的时间序列是否是监测传染病演变的可靠工具。我们研究了一个耦合微分方程系统,其中包括有症状和无症状的个人之间的传播动力学和强大的遏制效果,由于社会隔离。因此,该解决方案与宏观法律的人口$N(t)$来自一个单一的,非线性的,微分方程没有明确的参考$A(t)$,显示这两种方法的等价性。事实上,$N(t)$考虑了更复杂和详细的种群动力学,这也允许对无症状个体的数量进行评估。然后将该模型应用于意大利的Covid-19传播,在最近的数据中观察到$N(t)$从指数行为向Gompertz增长的转变。那么$N(t)$的数据分析中包含的信息对于理解流行阶段是可靠的,尽管它没有描述总的感染人群。在传播的快速增长阶段,无症状人群大于有症状人群。
2020-04-19 physics.soc-ph q-bio.PE
A systems biology approach to COVID-19 progression in a population
数学流行病学中的一些模型已经被开发出来,以解释诸如疫苗接种或检疫等控制措施。然而,COVID-19带来了前所未有的社交距离措施,挑战在于如何以一种既能解释数据又能避免在参数推断中过度拟合的方式纳入这些措施。在这里,我们开发了一个简单的时间依赖性模型,社会距离效应类似于系统生物学中基因表达控制的粗粒度模型。我们应用我们的方法来了解湖北(武汉)与中国内地其他省份之间COVID-19感染和死亡人数的巨大差异。我们发现,这些不直观的数据可以通过湖北省和其他省份之间的传播率,有效保护和检测效率差异的相互作用来解释。更一般地说,我们的研究结果表明,地区差异可能会大大塑造感染爆发。所获得的结果证明了我们开发的方法的适用性,可以直接从医学上可用的数据中提取关键感染参数,以便它可以在全球范围内应用于许多国家的COVID-19爆发。总的来说,我们表明,应用不常见的策略,如从分子系统生物学研究到数学流行病学的方法和途径,可能会大大促进我们对COVID-19和其他传染病的理解。
2021-03-28 physics.soc-ph q-bio.PE
One City, Two Tales: Using Mobility Networks to Understand Neighborhood Resilience and Fragility during the COVID-19 Pandemic
本研究利用纽约市两年移动数据构建每周移动网络,发现社会经济与地理属性均能预测社区对COVID-19居家政策的适应能力,为提升城市抗疫韧性的规划提供参考。
2022-10-06 physics.soc-ph
Urban Scaling of COVID-19 epidemics
由于COVID-19大流行,对易感-无效-无效(SIR)数学模型的需求很高。它们被用于标准公式,或通过许多变体,试图拟合并有望预测未来几天或几周内任何地方,城市或国家的新病例数量。这是当局为卫生系统需求做好准备或实施限制以减缓传染曲线的关键知识。即使当模型可以很容易地解决-通过使用专门的软件或通过编程的微分方程的数值解,代表模型-,预测是一个不容易的任务,因为人们的行为变化反映在一个连续的变化的参数。一个相关的问题是,我们可以从一个城市到另一个城市利用什么;如果在马德里发生的事情可以适用于纽约,那么,我们从这个城市学到的东西是否对圣保罗有用。考虑到这一想法,我们分析了COVID-19的传播率相关指标,作为美国所有县的人口密度和人口规模的函数,以及巴西城市和德国城市。与流行病建模中的常见假设相反,我们观察到城市人口密度和人口规模越高,{\em人均}接触率越高。此外,我们发现,人口规模有一个更好的解释效果比人口密度。接触率标度理论提出了解释的结果。
2020-05-15 physics.soc-ph q-bio.PE
Masking the general population might attenuate COVID-19 outbreaks
掩蔽一般人群对COVID-19流行病的影响是通过使用两个独立的最先进的基于网络的软件进行计算机模拟来估计的,其中一个软件针对SARS-CoV-2病毒进行了校准。解决的问题是这些:1。普通人群使用口罩能限制SARS-CoV-2在一个国家的传播吗?2.有哪些类型的口罩,口罩必须有多精致才能有效地抵御COVID-19?3.口罩一定要在疫情初期使用吗?4.对口罩进行了简要的一般性讨论,并就口罩和SARS-CoV-2未来可能的研究问题进行了讨论。结果表明:(1)任何类型的口罩,即使是简单的自制口罩,都可能有效。口罩的使用似乎有降低新患者的效果,即使每个口罩的保护效果(这里称为“一个口罩保护”)很低。严格遵守口罩使用似乎并不重要。然而,发现将单掩模保护增加到> 50%是有利的。口罩似乎能够减少能力的溢出,例如重症监护。由于软件的默认参数包括另一种干预措施,因此似乎可以将面罩和其他干预措施结合起来。(2)口罩似乎确实减少了新病例的数量,即使是在流行病的后期引入。然而,及早实施有助于减少案件的累积和总数。(3)模拟表明,在有限的时间内通过广泛使用口罩来消除COVID-19疫情是可能的。这些模拟的结果令人鼓舞,但不一定代表现实生活中的情况,因此建议现在进行口罩的临床试验,同时持续监测效果和副作用。
2020-06-28 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
Mobility Based SIR Model For Pandemics -- With Case Study Of COVID-19
在过去的十年中,人类面临着许多不同的流行病,如SARS,H1N1和目前的新型冠状病毒(COVID-19)。一方面,科学家们正在关注疫苗接种,另一方面,有必要提出模型,帮助我们了解这些流行病的传播,因为它可以帮助政府和其他相关机构做好准备,特别是对像COVID-19这样传播速度更快的流行病。一些流行病转变为大流行病的主要原因是世界不同区域之间的连通性,这使得更容易影响更广泛的地理区域,往往是世界范围。此外,世界不同区域的人口分布和社会凝聚力也不一致。因此,一旦疫情进入一个地区,那么当地的人口分布就起着重要的作用。受这些思想的启发,我们提出了一个基于流动性的SIR模型的流行病,特别是考虑到大流行的情况。据我们所知,这是第一个考虑到全球不同地理位置的人口分布和连通性的模型。除了提出我们的模型的数学证明,我们已经进行了广泛的模拟使用合成数据,以证明我们的模型的通用性。为展示我们的模型的更广泛范围,我们使用我们的模型预测爱沙尼亚的COVID-19病例。
2020-04-26 cs.SI physics.soc-ph
Epidemiological geographic profiling for a meta-population network
流行病学地理分析是一种统计方法,用于从患者的地理分布推断可能的来源区域。流行病学地理分析算法的开发,以定位一个源的数据集上的新病例的数量为一个元人口网络模型。根据世卫有关SARS爆发的数据,在整个观察期内,香港仍然是最有可能的源头。在中国报告的可能病例数量缺失、不可靠和不全面的有限情况下,这种推理是相关的。这也可能意味着,与全球相连的香港作为传播者比中国更有影响力。新加坡、台湾、加拿大和美国紧随香港之后。
2015-11-17 cs.SI physics.soc-ph
Estimating the population-level effects of non-pharmaceutical interventions when transmission rates of COVID-19 vary by orders of magnitude from one contact to another
本文基于 COVID-19 传播概率的幂律特征,将接触间有效传播率的数量级差异纳入统计物理模型,估计全民佩戴 FFP2/N95 口罩可使有效再生数降低约九倍。
2024-10-03 cond-mat.stat-mech physics.soc-ph 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
Correlation between COVID-19 morbidity and mortality rates in Japan and local population density, temperature and absolute humidity
本研究分析了COVID-19大流行在日本不同都道府县的发病率和死亡率。在每日最高确诊死亡人数和每日最高病例数分别应超过4人和10人的限制下,纳入了14个都道府县,并对影响发病率和死亡率的辅助因素进行了评价。特别是,评估了确认的死亡人数,不包括医院感染病例和疗养院患者。发病率与人口密度呈轻度相关(R2=0.394)。此外,老年人占人口的百分比也不容忽视。在天气参数中,最高温度和绝对湿度在持续时间内平均被认为是在适度的相关性与发病率和死亡率,不包括医院感染的情况下。观察到较高温度和绝对湿度的发病率和死亡率较低。考虑到这些因素的多变量分析表明,决定系数的蔓延,衰减,和合并阶段分别为0.708,0.785,和0.615,分别。这些发现可能有助于未来大流行期间的干预计划,包括潜在的第二次COVID-19爆发。
2020-07-30 cs.CY physics.soc-ph q-bio.PE
Correlations Between COVID-19 and Dengue
本文提出了一种神经网络模型,通过分析新冠和登革热数据及其外部因素,揭示两者病例趋势的相似性,并利用LSTM模型估算登革热感染情况。
2022-07-27 cs.LG physics.soc-ph q-bio.PE
STAN: Spatio-Temporal Attention Network for Pandemic Prediction Using Real World Evidence
目标:COVID-19大流行带来了许多需要立即关注的挑战。已经开发了各种流行病学和深度学习模型来预测COVID-19疫情,但所有模型都有限制,影响预测的准确性和稳健性。我们的方法旨在解决这些局限性,并通过(1)使用来自不同县和州的患者EHR数据,编码当地疾病状态和医疗资源利用情况;(2)考虑不同地点之间的人口相似性和地理邻近性;(3)将流行病传播动态集成到深度学习模型中,从而更早,更准确地预测大流行病爆发。材料和方法:我们提出了一个时空注意力网络(STAN)的流行预测。它使用基于注意力的图卷积网络来捕捉地理和时间趋势,并预测未来固定天数的病例数。我们还设计了一个基于物理定律的损失项,以增强长期预测。STAN使用大量真实世界的患者数据和约翰霍普金斯大学在美国所有县提供的开源COVID-19统计数据进行了测试。结果如下:STAN在长期和短期预测方面均优于SIR和SEIR以及深度学习模型等流行病学建模方法,与最佳基线预测模型相比,均方误差降低高达87%。结论:通过使用来自真实世界患者数据和地理数据的信息,STAN可以更好地捕获疾病状态和医疗资源利用信息,从而提供更准确的流行病建模。通过基于流行病传播规律的正则化,STAN也取得了良好的长期预测性能。
2020-12-07 cs.SI physics.soc-ph q-bio.PE
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
Detecting Early-warning signals in Time Series of Visits to Points of Interests to Examine Population Response to COVID -19 Pandemic
本文的目的是通过检测访问兴趣点(POI)的时间序列中的预警信号,研究人口对COVID-19的反应和相关的政策干预。复杂系统,如城市,当它们接近相变响应外部扰动,包括危机,政策变化和人类行为变化时,会显示出预警信号。在城市系统中,对POI的人口访问代表城市这一复杂系统中的一种状态。由于人口对大流行风险的反应和干预政策,这些状态可能经历相变。在这项研究中,我们进行了预警信号检测的人口访问的POI,以检查人口对流行病风险的反应。我们研究了两个预警信号,增加自相关在滞后1和标准差,在美国的17个大城市的人口访问POI的时间序列。结果表明:(1)2020年2月14日至3月11日期间,17个城市检测到COVID-19人群反应预警信号;(2)17个城市检测到人群反应早于就地安置命令;(3)从必要POI访问中检测到的预警信号早于从非必要POI访问中检测到的预警信号;和4)检测到的人口反应和庇护所的地方订单之间的时间滞后较长,导致减少POI访问。研究结果表明,城市作为一个复杂系统,在发生危机时,预警信号的检测具有重要意义。早期预警信号可以提供关于人口对危机作出反应的时间和程度的重要见解,以供决策者参考。
2020-08-10 physics.soc-ph
Mobility patterns of the Portuguese population during the COVID-19 pandemic
SARS-CoV-2于2019年底出现。从那时起,它已经蔓延到几个国家,成为一种流行病。到目前为止,还没有确定的治疗方法或疫苗,因此最好的解决方案是通过保持社交距离来防止个人之间的传播。然而,很难衡量这些距离措施的有效性。因此,本研究使用谷歌COVID-19社区流动性报告的数据,试图了解葡萄牙人口在COVID-19大流行期间的流动模式。在本研究中,对葡萄牙的Rt值进行建模。此外,还计算了人口流动模式的变点。因此,流动模式的变化被用于了解社交距离措施对COVID-19传播的影响。因此,可以说,葡萄牙的初始Rt值非常接近3,25天后降至接近1的值。社会隔离措施很快被采取。此外,据观察,在大流行期间避免使用公共交通。最后,在疫苗或有效治疗出现之前,这是新的常态,必须理解,新的流动模式,社会互动和卫生必须适应这一现实。
2020-09-03 physics.soc-ph
Solvable delay model for epidemic spreading: the case of Covid-19 in Italy
我们研究了一个简单的现实模型,用于描述传染病在人群中的扩散。的动态是由一个单一的功能延迟微分方程,其中,在一个大的人口的情况下,可以精确地解决,即使在存在的时间依赖性的感染率。这种延迟模型比流行病学中常用的所谓SIR模型具有更高的准确度,SIR模型是用常微分方程来表示的。我们应用此模型描述新型传染病Covid-19在意大利的爆发,并考虑到政府为减缓病毒传播而实施的遏制措施以及人口的社会成本。
2020-09-10 cond-mat.stat-mech physics.soc-ph q-bio.PE
A Generalized Epidemiological Model for COVID-19 with Dynamic and Asymptomatic Population
在本文中,我们开发了一个扩展的标准流行病学模型,适用于COVID-19。这一扩展包括由于症状前或无症状的病毒携带者造成的传播。此外,这一模型还反映了由于人员往来于一个国家内不同行政边界而造成的疾病传播。该模型描述了由于(初期)人类传播和多个隔间的伴随影响,确诊病例数量的概率上升。模型中的相关参数可帮助设计公共卫生政策和大流行病的业务管理。例如,该模型表明,增加对有症状患者的检测对大流行的进展没有任何重大影响,但无症状人群的检测率发挥着极其关键的作用。该模型是使用获得的数据在印度共和国的恰蒂斯加尔邦。该模型被证明有显着更好的预测能力比其他流行病学模型。这种模式可以很容易地应用于任何行政边界(州或国家)。此外,该模型也适用于任何其他流行病。
2020-11-19 physics.soc-ph q-bio.PE stat.AP
Covid-19 pandemic and the unprecedented mobilisation of scholarly efforts prompted by a health crisis: Scientometric comparisons across SARS, MERS and 2019-nCov literature
在本世纪,每一次重大的冠状病毒爆发都引发了关于这一主题的学术出版物的迅速激增。然而,在2019年新型冠状病毒(Covid-19)之后,研究出版物的激增与以往不同。2019冠状病毒病(COVID-19)大流行引发的全球危机以前所未有的方式调动了科学界的努力。在不到五个月的时间里,已有超过12,000项研究项目被编入索引,而且数量每天都在增加。随着这场危机影响到生活的方方面面,对新冠肺炎的研究似乎已成为许多学科的关注焦点。本文分析了Covid-19文献的科学计量学方面,并与之前两种主要冠状病毒疾病(即SARS和MERS)的科学计量学方面进行了对比。重点是关键词的共现、书目耦合、期刊引文关系和国家间合作。在所有三篇文献中发现了某些重复出现的模式。这三次疫情通常会产生三个不同的主要研究队列:(i)与公共卫生应对和流行病控制相关的研究,(ii)与病毒化学结构相关的研究,以及(iii)与治疗、疫苗相关的研究和临床护理。虽然属于类别(i)的研究似乎是最早出现的,但与其他两个类别相比,它们总体上被引用的次数最少。2019冠状病毒病研究似乎分布在更广泛的期刊和学科领域。在每次暴发的地理起源或每次暴发的当地地理严重程度与源自各区域的研究规模之间观察到明显的联系。与SARS和MRS相比,Covid-19研究还显示了来自更广泛国家的作者的参与。
2020-06-01 cs.DL cs.IR physics.soc-ph
Early warnings of COVID-19 outbreaks across Europe from social media?
我们分析了来自Twitter的数据,以揭示2019-2020年冬季欧洲COVID-19疫情的早期预警信号,然后才首次公开宣布当地感染源。我们有证据表明,许多欧洲国家对肺炎病例的担忧程度出乎意料。举报主要来自最终成为感染主要滋生地的地理区域。这些发现表明,迫切需要建立一个综合的数字监控系统,在这个系统中,社交媒体可以帮助对传染链进行地理定位,否则这些传染链几乎完全不会被发现。
2020-12-14 cs.SI econ.GN physics.soc-ph
Urban Exodus? Understanding Human Mobility in Britain During the COVID-19 Pandemic Using Facebook Data
现有的实证研究集中在评估非药物干预措施对人类流动的有效性,以遏制COVID-19的传播。关于COVID-19大流行如何重塑各国内部人口流动的空间模式,人们知之甚少。在西方社会大流行的早期阶段,出现了城市人口从大城市流向农村地区的轶事证据。然而,这些说法没有经过经验评估。人口普查等传统数据来源提供粗略的时间频率,用于分析短时间间隔内的人口流动。利用Facebook用户的2100万次观察数据集,我们的目标是分析从2020年3月到2021年8月的18个月期间英国城乡连续体人口流动空间模式变化的程度和演变。我们的调查结果显示,在高度严格的措施期间,人口流动总体持续下降,人口最密集的地区报告的降幅最大。在这些时期,我们还发现了从人口高度密集地区到人口密度较低地区的流动性高于平均水平的证据,这为大城市的大规模人口流动提供了一些支持。然而,我们发现这些趋势是暂时的。在非药物干预措施放松后,整体流动性水平趋于恢复到冠状病毒爆发前的水平。在这些干预措施之后,我们还发现向低密度地区的流动减少,向高密度聚集地的流动增加。总体而言,这些发现表明,虽然COVID-19产生的冲击波导致英国人口流动模式发生暂时变化,但由此产生的震动并没有显著重塑全国人口流动模式的普遍结构。
2022-06-01 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
Temporal Clustering of Disorder Events During the COVID-19 Pandemic
University of Trento(特伦托大学);University of California, Los Angeles(加州大学洛杉矶分校);California State University at Northridge(加州州立大学北岭分校)
COVID-19大流行引发了多重公共卫生、社会经济和制度危机。为减缓病毒传播而采取的措施在当局和公民之间造成了严重的紧张关系,导致了一波又一波的社会动荡和反政府示威。我们研究了“COVID-19疾病追踪”计划所记录的大流行相关疾病事件的时间性质,重点关注事件数量最多的三个国家,印度,以色列和墨西哥。通过对数据流的泊松过程和霍克斯过程的拟合,我们发现,在这三个国家的无序事件是相互依赖和自激的。地理聚类证实了这些功能在国家以下一级,表明全国范围内的混乱出现的自我激励的中尺度模式的收敛。在计算国家以下各级群组之间事件的相关性时,观察到各国之间存在相当大的差异;这些差异是在具体的政治、社会和地理特征背景下讨论的。以色列是领土最紧凑的国家,也是为应对政府封锁而协调大规模抗议活动的国家,在事件发生后表现出最大的反应和最短的影响力,以及最强的全国同步性。在墨西哥,完全封锁命令从未被强制执行,反应性和全国同步性最低。我们的工作突出表明,当局需要促进地方宣传运动,以确保生计和病毒遏制政策不被视为相互排斥的。
2021-04-23 cs.LG econ.GN physics.soc-ph
Unraveling the Dynamic Importance of County-level Features in Trajectory of COVID-19
本研究的目的是调查多个县级特征在COVID-19发展轨迹中的重要性。我们使用数据驱动的机器学习模型研究了美国2,787个县的特征重要性。我们使用23个特征来训练随机森林模型,这些特征代表了影响大流行病传播的六个关键影响因素:县的社会人口统计数据、人口活动、县内流动性、跨县流动、疾病属性和社会网络结构。此外,我们根据人口密度将县分为多个组,并将COVID-19的轨迹分为三个阶段:爆发阶段,社交距离阶段和重新开放阶段。该研究旨在回答两个研究问题:(1)异质性特征的重要性在不同阶段的演变程度;(2)异质性特征的重要性在不同特征的县之间的变化程度。我们拟合了一组随机森林模型来确定每周特征的重要性。结果表明:(1)在2787个被研究的县中,社会人口特征,如国内生产总值、人口密度和少数民族地位,在COVID-19的整个阶段都保持着高重要性特征;(2)在人口密度较高的县群中,县内流动特征的重要性最高;(3)反映社会网络结构的特征(Facebook,社会联系指数)在人口密度较高的县的模型中具有较高的重要性。研究结果表明,数据驱动的机器学习模型可以提供重要的见解,为政策制定者提供有关不同人口密度和处于流行病生命周期不同阶段的县的特征重要性的信息。
2021-01-12 physics.soc-ph
Sustained Online Amplification of COVID-19 Elites in the United States
COVID-19大流行的持续性和流动性要求个人定期寻求有关最佳卫生实践、当地社区传播和公共卫生指南的信息。在美国没有统一应对疫情的措施,也没有联邦和地方官员明确、一致的指令的情况下,人们利用社交媒体集体众包COVID-19精英,即一小部分值得信赖的COVID-19信息源。我们对美国的COVID-19众包精英进行了一次普查,他们在疫情期间在Twitter上受到持续关注。通过使用与美国公共选民登记记录相关的Twitter用户小组的混合方法,我们发现记者,媒体机构和政治账户一直在COVID-19周围被放大,而流行病学家,公共卫生官员和医疗专业人员仅占Twitter上所有COVID-19精英的一小部分。我们发现,COVID-19精英在不同的人口群体中有很大的差异,而且各个群体及其精英的人口统计数据之间存在明显的种族,地理和政治相似性和差异。考虑到这种差异,我们讨论了利用众包COVID-19精英不成比例的在线声音来公平地促进及时的公共卫生信息和减少猖獗的错误信息的潜力。
2020-09-15 cs.SI physics.soc-ph
A statistical model of COVID-19 testing in populations: effects of sampling bias and testing errors
我们开发了一个统计模型,用于检验人口中的疾病患病率。该模型假设二元测试结果,阳性或阴性,但允许样本选择中的偏差以及I型(假阳性)和II型(假阴性)测试错误。我们的模型还结合了多种测试类型,并能够区分重新测试和排除测试后。我们的定量框架使我们能够直接将测试结果解释为误差和偏差的函数。通过将我们的测试模型应用于COVID-19测试数据和特定司法管辖区的实际病例数据,我们能够估计并提供疫情中至关重要的指标的不确定性量化,例如疾病患病率和死亡率。
2021-05-24 physics.soc-ph q-bio.QM stat.AP
Human Mobility in Response to COVID-19 in France, Italy and UK
为阻止COVID-19爆发而实施的政策是历史上最大的关键事件之一。了解这一过程对于制定和调整灾后救济工作至关重要。在这项工作中,我们通过来自1300万Facebook用户的地理定位数据进行了大量数据分析,研究了这种压力如何影响法国,意大利和英国的移动模式。我们发现,移动网络的整体效率普遍降低,伴随着地理碎片化,远程连接大量减少。然而,各国的影响因其最初的流动结构而异。事实上,我们发现,封锁后的移动网络更集中在法国和英国的情况下,更多地分布在意大利。这一过程可以通过渗透来近似,以量化封锁的实质性影响。
2020-05-13 cs.SI physics.soc-ph
Resilience of mobility network to dynamic population response across COVID-19 interventions: evidences from Chile
本研究利用智利和西班牙的手机数据,通过空间模型分析揭示财富、劳动力、发病率及网络指标对移动干预遵守的影响,并证明移动网络跨疫情波次具有韧性,历史移动数据可辅助未来疫情建模。
2024-05-29 physics.soc-ph
A stochastic agent-based model to evaluate COVID-19 transmission influenced by human mobility
COVID-19大流行迫切需要数学模型来预测流行趋势并评估缓解策略的有效性。要预测COVID-19的传播,一个主要挑战是准确评估多尺度人类流动及其如何通过密切接触者影响感染。通过结合基于随机主体的建模策略和空间容器的层次结构,对应于地理学中的地方的概念,本研究提出了一种新的模型,Mob-Cov,研究人类的旅行行为和个人健康状况对疾病爆发的影响和人口中的零COVID的概率。具体而言,个体在容器内执行幂律类型的局部移动,并在不同级别的容器之间执行全局传输。在小型容器(如道路或县城)内频繁的短暂流动和大量的人口规模影响了当地的人群拥挤,从而加速了感染和区域传播。大型集装箱(如城市和国家)之间的旅行促进了全球传播和爆发。此外,人口的动态感染和恢复能够驱动系统分叉到“零COVID”状态或“与COVID共存”状态,这取决于流动模式、人口数量和健康状况。减少总人口和当地人口积累以及限制全球旅行有助于实现零COVID。总之,Mob-Cov模型在广泛的空间尺度上考虑了更真实的人类流动,并在设计上同等重视性能、低模拟成本、准确性、易用性和灵活性。它是研究人员和政治家调查流行病动态和规划防治该疾病行动的有用工具。
2022-11-18 math.DS physics.soc-ph
Estimating the number of COVID-19 cases from population isolation level
我们使用逻辑函数来估计在一段时间内感染病毒的个体数量,作为感染发生前一段时间的社会隔离水平的函数。每个时期由一个固定的日期范围组成,以天为单位,社会隔离应该在下一个日期范围内的病毒传播中生效。样本为巴西圣保罗州的COVID-19病例和社会隔离水平数据。所提出的方法分为两个阶段:1)针对COVID-19经验数据拟合Logistic函数,以获得函数参数; 2)使用除总体增长率外的函数参数,以及所有时间段的社会隔离水平的平均值来计算一个称为$λ$的常数。使用$λ$和该时间段的隔离水平计算每个时间段的逻辑增长率。一段时间内的病例数是使用逻辑斯蒂函数和前一段时间的增长率来估计的,以获得在过去的时间内社会隔离的效果。在经验数据和估计数据之间产生更好相关性的时间段为5天。我们的结论是,该方法执行的数据估计与经验数据的高度相关性。
2021-10-26 physics.soc-ph
Distributed Link Removal Strategy for Networked Meta-Population Epidemics and its Application to the Control of the COVID-19 Pandemic
在本文中,我们研究了网络化元种群流行病的分布式链接删除策略。特别地,一个确定性的网络传染病-感染-恢复(SIR)模型被认为是描述流行病的演变过程。为了抑制流行病的传播,提出了基于谱的优化问题,该问题涉及由网络拓扑结构和转移率构成的矩阵的Perron-Frobenius特征值.提出了一种改进的分布式链路删除策略,使其适用于加权有向图上具有异质转移率的SIR模型。建议的方法是通过使用德国各州报告的感染和康复数据来控制COVID-19大流行。数值实验表明,采用分布式链路删除策略可以显著降低感染率。
2020-06-29 cs.SI cs.SY eess.SY