Scenario analysis of non-pharmaceutical interventions on global COVID-19 transmissions
本文引入动态面板SIR（DP-SIR）模型，利用全球9个国家的面板数据研究非药物干预（NPI）对COVID-19传播动态的影响。通过构建不同NPI组合的情景，我们的实证研究结果表明，各国可能会避免实施学校关闭、戴口罩和集中隔离的封锁政策，以达到控制COVID-19感染的类似结果。我们的研究结果还表明，截至2020年4月4日，美国和新加坡等某些国家可能需要采取额外的NPI措施，以更有效地控制疾病传播，而其他国家可能会谨慎考虑逐步取消一些NPI，以减轻整体经济的成本。
2021-06-04 physics.soc-ph q-bio.PE q-bio.QM
Optimal non-pharmaceutical intervention policy for Covid-19 epidemic via neuroevolution algorithm
University of Georgia（佐治亚大学）
各国对新型冠状病毒肺炎疫情的反应差异很大，从一切如常到完全关闭。旨在破坏病毒传播周期和防止医疗保健系统不堪重负的政策，同时也造成了经济损失。我们开发了一个干预政策模型，该模型包括非药物流行病干预的相对人力，经济和医疗成本，并使用神经进化算法得出最优策略。所提出的模型发现接触率的最低要求减少，以保持医疗保健系统的负担低于最大容量。研究发现，在疫情爆发初期，控制强度急剧增加，随后10周内随着疫情高峰期的到来，控制强度逐渐增加，最后随着人群向群体免疫方向发展，控制强度逐渐降低。我们还展示了这样一个模型如何在流行病的不同阶段提供有效的适应性干预政策，而无需了解其在人群中发展的整个历史。这项工作强调了及早实施干预措施的重要性，并为适应性干预政策提供了见解，以尽量减少疫情的经济影响，而不会给医疗系统带来额外负担。
2021-10-23 cs.LG cs.NE q-bio.PE
The COVID-19 Pandemic, Community Mobility and the Effectiveness of Non-pharmaceutical Interventions: The United States of America, February to May 2020
背景资料：个别非药物干预措施（NPI），如全州范围内的居家令、学校关闭和集会规模限制，对COVID-19疫情的影响尚不清楚。了解上述NPI对疾病传播的影响对政策制定者至关重要，特别是在某些地区病例数再次增加的情况下。研究方法：使用贝叶斯框架，我们重建了发病率和随时间变化的生殖数（Rt）曲线，以研究Rt，Google社区移动报告测量的个人移动性和NPI之间的关系。结果如下：我们发现生殖数量和流动性之间存在很强的关系，与基线相比，流动性每下降10%，预计Rt会降低10.2%。随着时间的推移，限制聚会规模、学校和企业关闭以及呆在家里的订单的影响主要受趋势的影响，这与生育数量减少48%有关，对NPI进行了调整。结论：我们发现，与时间相关的流动性下降可能是由于个人改变他们的行为，以应对感知的风险或外部因素。
2020-07-09 q-bio.PE stat.AP
Beyond just "flattening the curve": Optimal control of epidemics with purely non-pharmaceutical interventions
在无法获得有效的医疗和疫苗接种的情况下，非药物干预措施，如社交距离、家庭隔离和广泛关闭公共生活，是防止流行病传播的唯一可用战略。基于扩展的SEIR（易感染-暴露-感染-恢复）模型和连续时间最优控制理论，我们计算了最优的非药物干预策略的情况下，疫苗是永远不会发现，完全遏制（根除流行病）是不可能的。在这种情况下，最优控制必须满足相互竞争的要求：第一，最大限度地减少与疾病有关的死亡，第二，在措施结束时建立足够程度的自然免疫力，以排除第二波。此外，干预的社会经济成本应保持在最低限度。数值计算的最优控制策略是一个单一的干预方案，超越了激励性的干预和简单的“平坦化曲线”。“然而，对计算控制策略的仔细分析表明，所获得的解决方案实际上是接近系统稳定边界的走钢丝，其中社会经济成本和新爆发的风险必须不断相互平衡。模型系统经校准以重现COVID-19疫情在德国的初始指数增长阶段。
2020-07-14 math.DS math.OC physics.soc-ph
Analytical estimation of maximum fraction of infected individuals with one-shot non-pharmaceutical intervention in a hybrid epidemic model
面对新型传染病（如COVID-19）的全球流行，世界各地正在实施非药物干预措施（NPI），以减少传播率而无需医疗行动。在评估NPI的效果时存在的问题之一是，根据每个国家的情况，在不同的时间实施了不同的NPI;因此，关于政策的引入如何影响患者人群的假设很少。数学模型可以通过获得解析解以及数值模拟来帮助进一步理解这些现象。在SIR模型中引入一个NPI，对传染病在有限时间内传播率只有一次降为固定值的情况进行概念性研究，并从数值和理论上分析其效果。分析表明，如果干预开始得太早，感染者的最大比例和最终规模可能会更大。分析结果还表明，在第二波高峰期，如果采取更强有力的干预措施，可能会有更多的人受到感染。本研究提供了一次性干预的强度与无近似值患者数量减少之间的定量关系。这表明NPI的强度和时间的重要性，虽然详细的研究是必要的，在复杂的现实世界环境中的NPI的实施，因为在这项研究中使用的模型是基于各种简化。
2021-03-03 math.DS q-bio.PE
Use of mathematical modelling to assess respiratory syncytial virus epidemiology and interventions: A literature review
呼吸道合胞病毒（RSV）是全世界急性下呼吸道感染的主要原因，仅在美国就导致每年约六万名<5岁儿童住院，全球每年有三百万人住院。针对RSV的40多种疫苗和免疫预防干预措施的开发有可能在不久的将来显著降低RSV感染的疾病负担。在RSV这种高度传染性病原体的背景下，动态传播模型（DTM）是评估和比较不同干预措施有效性的宝贵工具。这篇综述是RSV DTM的第一篇此类综述，为未来的建模工作提供了宝贵的基础，并突出了我们对RSV流行病理解的重要差距。具体而言，我们使用Web of Science、Scopus、Embase和PubMed检索了文献，以识别所有报告DTM发展的已发表手稿，重点关注RSV的人群传播。我们回顾了由此产生的研究，并总结了其中开发的模型的结构，参数化和结果。我们预计，未来的RSV DTM与成本效益评估相结合，将在制定和实施干预计划的决策中发挥重要作用。
2021-03-23 math.DS q-bio.PE
Model-based Prediction and Optimal Control of Pandemics by Non-pharmaceutical Interventions
提出了一个基于模型的信号处理框架，通过在全球区域和国家层面使用非药物干预措施（NPI）进行大流行趋势预测和控制。控制目标是在不同的严格程度上规定可量化的NPI策略，在人为因素（如新发病例和死亡率）和每个地区/国家的干预成本之间进行平衡。由于各区域和国家在基础设施方面的差异以及优先事项方面的差异，战略家可以灵活地权衡不同的非营利组织，并在人的因素和非营利组织总成本之间选择所需的平衡。建议的框架是基于\textit{finite-horizon optimal control}（FHOC）制定的双目标问题和FHOC数值求解，通过使用一个特设的\textit{extended Kalman filtering/smoothing}框架的最佳NPI估计和流行趋势预测。该算法使战略家选择之间的人的因素和NPI成本与一组权重和参数的期望的平衡。模型的参数部分由COVID-19研究中的流行病学事实选择，部分由机器学习技术训练。自2020年1月起，牛津COVID-19政府应对追踪项目对全球300多个国家和地区的区域疫情应对进行了分类和量化。该数据集用于XPRIZE大流行应对挑战期间基于NPI的预测和处方。
2021-11-20 math.OC q-bio.PE
Analysis of non pharmaceutical interventions with SIR epidemic models: decreasing the infection peak vs. minimizing the epidemic size
Instituto Balseiro, Universidad Nacional de Cuyo（巴塞尔罗研究所，门多萨国立大学）；Comisión Nacional de Energía Atómica（国家原子能委员会）；Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET)（国家科学研究委员会）；Centro Atómico Bariloche (CNEA)（巴里洛切原子中心）
本文通过SIR模型分析不同非药物干预对流行病发展的影响，探讨了减少感染高峰与减小流行病规模的策略差异及实施时间的优化。
2026-04-09 physics.soc-ph q-bio.PE
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
Evaluating Efficacy of Indoor Non-Pharmaceutical Interventions against COVID-19 Outbreaks with a Coupled Spatial-SIR Agent-Based Simulation Framework
传染性呼吸道疾病，如COVID-19，取决于足够长时间的暴露，以成功传播潜在的病原体。各组织必须评估旨在减少其人员之间病毒传播的干预措施的效力。我们已经开发了一个操作风险评估模拟框架，耦合空间代理为基础的移动模型与SIR流行病学模型，以评估不同的干预策略的相对风险。通过将我们的模型应用于麻省理工学院的STATA大楼，我们评估了三个可能的干预维度的影响：单向与不受限制的流动，现场允许的人口规模，以及离开指定工作地点休息的频率。我们发现，有没有显着的影响，单向流动限制不受限制的流动。相反，我们发现，将入院人数降低到当前建议的水平以下，并建议个人减少离开工作站的频率，这两种方法的结合降低了接触网络中出现高度联系的个人的可能性，从而降低了感染的总体风险。我们发现三类可能的干预措施的基础上，其流行病学的影响。通过假设SIR模型中的二次发病率和传播率数据之间存在直接关系，我们比较了模拟区域内MERS、SARS、COVID-19和麻疹四种呼吸道疾病的相对感染风险，并推荐了适当的干预指南。
2021-08-25 cs.SI q-bio.PE q-bio.QM
Transmission Dynamics of COVID-19 Pandemic Non-pharmaceutical Interventions and Vaccination
非药物干预（NPI）在COVID-19大流行的早期控制中发挥重要作用。疫苗接种被认为是阻止SARS-CoV-2传播的必然途径。在此基础上，建立了一个带有NPI和疫苗接种的SVEIR模型.利用基本再生数$R_{0}$，证明了当$\mathscr{R}_{0}<1$时，无病均衡是全局吸引的，当$\mathscr{R}_{0}>1$时，COVID-19是一致持续的。以印度日期为例进行了数值模拟，发现我们的动力学结果与统计数据吻合得很好。因此，我们预测COVID-19疫情在印度的蔓延趋势。此外，我们的研究结果表明，提高NPI的强度将大大减少确诊病例的数量。特别是在疫苗效率相对较低的情况下，即使所有人都接种了疫苗，NPI也是必不可少的。通过模拟基本繁殖数$\mathscr{R}_{0}$、接种率和疫苗效力之间的关系，发现当疫苗效力低于$76.9\%$时，没有NPI就不可能实现群体免疫。因此，群体免疫区是由疫苗接种率和疫苗效力之间关系的演变来定义的。在对两个补丁的研究中，我们给出了印度和中国通航的条件。此外，印度和中国之间的人口的适当分散。讨论结束了论文。
2021-07-07 math.DS q-bio.PE
COVID-19: Forecasting mortality given mobility trend data and non-pharmaceutical interventions
我们开发了一种新的混合流行病学模型及其校准方法，以区分和评估流动限制（由Apple的流动趋势数据提供）与用于控制COVID-19传播的其他补充非药物干预措施（NPI）的影响。使用校准模型，我们估计，使用截至2020年8月13日的数据，流动性限制对疾病传播率的总体抑制作用为47%（美国各州）和47%（全球）。我们的模型的预测能力进行了评估做四周的预测。使用截至2020年6月30日的数据进行校准，美国（51个州）累积死亡个体预测的平均绝对百分比误差（MAPE）为5.0%，全球（49个国家）为6.7%。使用截至2020年8月13日的数据，美国的MAPE降至3.5%，全球为3.8%。我们发现，使用截至2020年8月13日的数据，全球确诊病例总数的MAPE较高，为11.5%，美国各州为10.2%。我们的校准模型使用截至2020年6月30日的数据实现了累积确诊和死亡病例的平均R平方值为0.992，使用截至2020年8月13日的数据实现了0.98。
2020-09-29 math.CA math.OC q-bio.PE
A knowledge transfer model for COVID-19 predicting and non-pharmaceutical intervention simulation
自2019年12月以来，一种新型冠状病毒（2019-nCoV）在中国爆发，可导致呼吸道疾病和严重肺炎。依靠疫情规模预测疾病暴发的数学和经验模型越来越受到人们的关注。鉴于该模型在传染病量表评价中的成功应用，本文提出了一个SUIR模型，为传染病的预测、预防和控制提供了有效的方法。我们的模型是一个改进的易感染-感染-恢复（SIR）模型，注入未诊断的状态，并提供预训练的有效繁殖数。我们的SUIR模型比传统的SIR模型更精确。此外，我们结合流行病的领域知识来估计有效再生数，解决了传染病模型的初始易感人群接近地面真理。这些发现对COVID-19疫情趋势的预测具有影响，因为这些发现有助于估计疫情的增长。
2021-01-04 math.DS math.OC physics.soc-ph
Optimal, near-optimal, and robust epidemic control
在没有药物和疫苗的情况下，决策者使用非药物干预措施，如社交距离，以降低致病接触率，目的是减少或推迟流行高峰。这些措施会带来社会和经济代价，因此社会可能无法在短时间内维持这些措施。干预政策的设计通常依赖于流行病模型的数值模拟，但比较政策和评估其稳健性需要适用于各种战略的明确原则。在这里，我们推导出理论上的最优策略，使用一个有时限的干预措施，以减少一种新的疾病的流行高峰在经典的易感-传染病-传染病流行病模型。我们发现，广泛的类制造商实施策略可以执行几乎以及理论上的最优策略。但是，无论是最优策略还是这些接近最优的策略，都不足以抵御实施错误：干预时机上的小错误会导致高峰患病率大幅增加。我们的研究结果揭示了非药物疾病控制的基本原则，并暴露了其潜在的脆弱性。为了实现强有力的控制，干预措施必须是强有力的、早期的和理想的持续性的。
2021-03-03 q-bio.PE
Estimating the number of infections and the impact of non-pharmaceutical interventions on COVID-19 in European countries: technical description update
随着新型冠状病毒（SARS-CoV-2）的出现及其在中国以外的传播，欧洲经历了大规模的流行病。作为回应，许多欧洲国家实施了前所未有的非药物干预措施，包括病例隔离、关闭学校和大学、禁止大规模集会和/或公共活动，以及最近的大规模社交距离，包括地方和国家封锁。在这次技术更新中，我们扩展了一个半机械贝叶斯分层模型，该模型推断了这些干预措施的影响，并估计了一段时间内的感染数量。我们的方法假设生殖数量的变化-传播的一种衡量标准-是对这些干预措施的立即反应，而不是更广泛的行为逐渐变化。我们的模型通过从观察到的时间数据向后计算来估计这些变化，以估计几周前发生的感染数量和传播率，从而考虑到感染和死亡之间的概率时滞。在本次更新中，我们扩展了我们的原始模型[Flaxman，Mishra，Gandy et al 2020，Report #13，Imperial College London]，以包括（a）人口饱和效应，（b）感染死亡率的先验不确定性，（c）更平衡的干预效应先验和（d）封锁干预协变量的部分合并。我们还（e）包括另外3个国家（希腊、荷兰和葡萄牙）。模型代码可在https://github.com/ImperialCollegeLondon/covid19model/上获得。我们现在在https://mrc-ide.github.io/covid19estimates/上在线报告我们更新后的模型…
2020-04-23 q-bio.PE stat.AP stat.ME
Projecting and comparing non-pharmaceutical interventions to contain COVID-19 in major economies
隔离、自我隔离、社交距离和病毒接触者追踪等非药物干预措施（NPI）可以大大减少大流行期间病毒的传播。在COVID-19大流行的浪潮中，许多国家实施了各种NPI以控制和缓解感染。然而，由于缺乏量化因素，非盈利机构的严格程度及其在不同国家之间产生的影响仍然不清楚。在本研究中，我们进一步使用政策强度因子（PIF）的概念将NPI的影响纳入流行病动力学模型。这一思想使我们能够将转移率描述为随时间变化的量，而不是恒定值，从而捕获流行病中基本繁殖数变化的动力学行为。通过利用政府和世界卫生组织报告的大量数据，我们预测了全球主要经济体的疫情动态，包括感染、易感和康复病例的数量以及疫情持续时间。据观察，建议的可变利率易感暴露-感染-恢复（VR-SEIR）模型拟合和项目的流行动态非常好。我们进一步表明，由此产生的PIF与NPI的严格程度相关，这使我们能够预测这些国家当前NPI实施90天，180天，360天后最终受影响的人数。它提供了对已实施的NPI的有效性的量化见解，并为最大限度地减少COVID-19的受影响人群和经济影响提供了新的视角。
2020-12-15 physics.soc-ph q-bio.PE
Modeling COVID-19 dynamics in Illinois under non-pharmaceutical interventions
我们展示了美国伊利诺伊州COVID-19疫情的建模，捕捉了居家令的实施情况及其最终发布的情景。我们使用一个非马尔可夫年龄的感染模型，能够处理长时间和可变的时间延迟，而不改变其模型拓扑结构。模型参数的贝叶斯估计采用马尔可夫链蒙特卡罗（MCMC）方法。这一框架使我们能够以统一的方式处理所有现有的输入信息，包括以前公布的流行病参数和现有的当地数据。为了准确模拟死亡人数以及对医疗系统的需求，我们将我们的预测校准为COVID-19患者的总死亡人数和住院死亡人数以及医院和ICU床位占用率。我们不仅将这个模型应用于整个国家，而且还将其子区域用于解释人口规模和密度的巨大差异。在没有关于非药物干预（NPI）的先验信息的情况下，该模型独立地再现了与Google和Unacast报告的移动性数据密切匹配的缓解趋势。该模型的前瞻性预测提供了对峰值位置和严重程度的可靠估计，并且还能够预测释放“呆在家里”订单的区域依赖性结果。由此产生的对这一流行病的高度限制性叙述能够提供对其不可见的进展的估计，并为可持续监测和控制这一流行病的设想提供信息。
2020-06-15 physics.med-ph physics.soc-ph q-bio.PE
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 advantage of self-protecting interventions in mitigating epidemic circulation at the community level
正如全球COVID-19大流行所戏剧性地表明的那样，可以部署多种类型的保护性干预措施（包括药物和非药物）来防止传染病的传播。在这里，我们详细研究了干预措施在人口水平上的影响，这些干预措施提供了参与单一互动的人之间的不对称保护。主要保护佩戴者或佩戴者的接触者的不同过滤类型的面罩是这些干预措施的突出示例。通过对网络上简单流行病模型的分析计算和广泛模拟，我们表明，更有效地保护收养者（例如口罩佩戴者）的干预措施比主要保护收养者接触者的干预措施更有效，可以降低疾病的流行率和同时感染的人数（“平坦曲线”）。这一观察是支持一个更现实的流行病模型的经验网络代表在波特兰市的接触模式的研究。我们的研究结果指出，推广佩戴者保护口罩和其他自我保护干预措施，尽管被认为是自私和低效的，但实际上可以成为有效遏制大流行病传播的更好策略。
2022-10-13 physics.soc-ph q-bio.PE
Dose-limited interventions in an epidemiological model
University of N’Djamena（恩贾梅纳大学）；North-West University（西北大学）；University of Manitoba（曼尼托巴大学）
本文研究了在流行病模型中考虑疫苗接种和治疗等干预措施，探讨了在治疗剂量有限的情况下，如何通过数学方法分析其对流行病传播的影响，并展示了预算限制对结果的影响。
2026-05-17 q-bio.PE
Modelling the Effect of Vaccination and Human Behaviour on the Spread of Epidemic Diseases on Temporal Networks
在接种疫苗和放松非药物干预措施后，许多国家观察到COVID-19病例数量不断增加，受此启发，我们提出了一个关于部分接种疫苗人群中复发性流行病传播的时变网络数学模型。该模型包含了几个现实的特点，如疫苗对传播和严重症状的发展的不同有效性，测试方法，可能实施的非药物干预措施，以减少传播，隔离检测到的个人，以及人类行为。使用平均场的方法，我们解析地推导出模型的流行阈值，如果系统高于这样的阈值，我们计算流行病流行的地方病平衡。这些理论结果表明，人类的病态行为和有效的检测实践是避免流行病爆发的关键。有趣的是，我们发现，在许多现实情况下，疫苗接种通过降低重症患者的患病率，成功地缓解了疫情，但它可能是一把双刃剑，在某些情况下，它可能有利于疫情的重新爆发，需要更高的检测率，更谨慎和更负责任的人群，或者重新引入非药物干预措施以实现完全根除。
2021-11-10 math.DS q-bio.PE
Inference, prediction and optimization of non-pharmaceutical interventions using compartment models: the PyRoss library
PyRoss是一个开源的Python库，为年龄和接触结构的流行病学分区模型中的NPI的推断，预测和优化提供了一个集成平台。本报告概述了PyRoss库的原理和功能，并提供了各种插图和示例，重点关注混合良好的年龄结构人群。PyRoss库支持随机（作为主方程）或确定性（作为ODE）制定的任意结构化模型，并允许从一个过渡到另一个。通过支持额外的随意分区，PyRoss可以模拟自感染以来的时间模型，并允许对住院或隔离等医疗阶段进行建模和预测。PyRoss库支持使用贝叶斯参数推断拟合流行病学数据（如可用），以便竞争模型可以根据其证据进行权衡。PyRoss允许完全贝叶斯预测的影响，理想化的NPI卷积流行病学数据，模型选择，参数和内在的随机性所产生的不确定性。算法，以优化时间相关的NPI方案对用户定义的成本函数。PyRoss目前针对混合人群的年龄结构分区框架将在未来的报告中扩展到包括按位置、职业、旅行网络的使用以及与评估疾病传播和NPI影响相关的其他属性结构的分区。我们认为，这种隔室模型，通过允许任意粒度的社会数据与贝叶斯参数估计相结合，为鲜为人知的疾病变量，可以使更强大和强大的预测比其他方法详细的流行病建模。我们邀请其他人使用PyRoss图书馆进行研究，以应对今天的COVID-19危机，并为未来的流行病做好计划。
2020-05-19 physics.soc-ph q-bio.PE q-bio.QM
A Quantum Approach for Optimal Transient Control in Network-Based Epidemic Models
Istituto Nazionale di Geofisica e Vulcanologia（意大利地球物理和火山学研究所）；Politecnico di Torino（都灵理工大学）
本文提出利用量子计算优化网络流行病模型中移动限制策略，通过二次无约束二元优化解决NP难的控制问题，展示量子算法在流行病控制中的应用潜力。
2025-07-17 physics.soc-ph q-bio.PE
Changes in behaviour when adherers to an intervention experience a different epidemic than non-adherers
Beijing University of Posts and Telecommunications（北京邮电大学）；Max Planck Institute for Evolutionary Biology（马克斯·普朗克进化生物学研究所）
本文研究了在流行病中，干预执行者与非执行者行为变化对疾病传播的影响，提出了一个结合行为和疾病动态的SIR框架模型，分析了不同策略下的感染情况。
2026-05-21 q-bio.PE
Intermittent non-pharmaceutical strategies to mitigate the COVID-19 epidemic in a network model of Italy via constrained optimization
本文关注的是利用网络流行病学模型设计间歇性非药物策略来减缓COVID-19疫情的传播。具体来说，通过研究一个变分方程的动态感染的网络模型中的流行病传播，我们得出，使用收缩参数，一个条件，可以用来保证，在流行病学方面，有效的繁殖数小于1。这个条件有三个优点：（i）它是容易计算的;（ii）它是直接相关的模型参数;（iii）它可以用来强制执行的可扩展性条件，禁止放大网络系统内的干扰。然后，我们包括满足这样的条件作为约束的模型预测控制问题，以减轻（或抑制）的流行病的传播，同时最大限度地减少干预措施的经济影响。数据驱动的模型，意大利作为一个网络的三个宏观区域（北，中，南），其参数是从实际数据中确定的，是用来说明和评估所提出的控制策略的有效性。
2021-10-04 cs.SY eess.SY math.OC
A general framework for optimising cost-effectiveness of pandemic response under partial intervention measures
COVID-19大流行带来了巨大的公共卫生和社会经济挑战。疫苗接种和非药物干预措施的健康影响往往与重大的社会和经济成本形成对比。我们描述了一个总体框架，旨在获得适应性成本效益的干预措施，足以应对最近和新出现的大流行威胁。我们还量化了净健康效益，并提出了一种强化学习方法来优化自适应NPI。该方法利用基于代理人的模型模拟澳大利亚的大流行应对措施，并考虑到异质人群的依从性随时间和个人而波动。我们的分析表明，一个显着的净健康效益可能会实现自适应NPI形成的部分社会距离的措施，再加上适度的社会愿意支付健康收益（避免健康损失）。我们证明，社会可接受的健康影响和所产生的经济成本之间的平衡是可以实现的，从长远来看，尽管可能的早期挫折。
2022-11-20 cs.MA econ.GN physics.soc-ph
Comparing intervention measures in a model of a disease outbreak on a university campus
本研究构建了考虑免疫力消退的大学校园疾病传播随机模拟模型，对比多种非药物干预措施的效果，明确了最有效的干预手段，为高校制定疫情应对策略提供参考。
2023-06-16 physics.soc-ph q-bio.PE
Minimizing the Epidemic Final Size while Containing the Infected Peak Prevalence in SIR Systems
数学模型有助于预测病原体的传播和评估非药物措施的有效性。最近已经开发了大量的最优策略来最小化感染高峰患病率（IPP）或流行最终规模（EFS）。虽然大多数的控制策略优化一个简单的费用函数沿固定的有限时间范围内，没有达成共识，如何同时处理IPP，EFS，并避免新的周期的感染反弹。在这项工作中，基于控制行动（包括平衡集的稳定性，在群体免疫力方面）的SIR型模型的动力学行为的表征，研究了如何最小化EFS，同时保持-在任何时候-IPP控制。本报告提出一个程序，透过将短暂控制目标与稳定控制目标分开，以定制非药物干预措施，并通过与COVID-19疫情相关的详细分析及模拟结果说明该策略的潜在效益。
2021-11-10 math.DS q-bio.PE
Data Driven Modeling of Projected Mitigation and Suppressing Strategy Interventions for SARS-COV 2 in Ghana
在呼吸道疾病大流行期间，呼吁非药物干预成为传染病和公共卫生专家的最高优先事项，而疫苗或医疗干预的竞赛正在进行中。个人可以改变他们的行为，并采取预防措施，以减少感染风险，以遵守政府官员和专家的呼吁。结果，初始传输速率和最终传输速率之间的关系变得微弱。这项研究评估了公共卫生专家针对COVID-19提出的行为变化（缓解和抑制措施），这些措施改变了人类的行为和日常生活。缓解和压制措施背后的动力减少了公民之间的接触，严重干扰了他们的身体和社会行为。结果表明，所有措施对传输速率的下降都有显著影响。然而，缓解措施可能会延长消除传播的时间，这可能导致严重的经济崩溃，然而，如果以极端的方式坚持，这些措施的组合显示出在30天内根除传播的可能性。结果表明，加纳的感染高峰期为感染时间的第64天至第74天。
2020-04-20 q-bio.PE stat.AP
