Adaptive Test Allocation for Outbreak Detection and Tracking in Social Contact Networks
我们提出了一个通用的框架，在社会接触网络中的病毒测试的自适应分配。我们提出并解决了几个互补的问题。首先，我们考虑设计一个社会传感系统，其目标是早期发现一种新的流行病爆发。特别是，我们提出了一种算法来选择一个子集的个人进行测试，以检测到的流行病爆发的开始尽可能快。我们把这个问题作为一个命中时间概率最大化问题，并使用子模块优化技术来获得明确的质量保证所提出的解决方案。第二，一旦检测到疫情爆发，我们考虑随着时间的推移自适应分布病毒测试的问题，以最大限度地提高所获得的有关疫情当前状态的信息。我们正式这个问题的信息熵和互信息，并提出了一个自适应分配策略的质量保证。对于这些问题，我们推导出任何随机房室传染病模型与马尔可夫动力学的解析解，以及有效的基于蒙特卡罗算法的非马尔可夫动力学。最后，我们在数值实验中说明了所提出的框架的性能，该实验涉及将Covid-19模型应用于真实的人类接触网络。
2020-11-03 cs.SI physics.soc-ph
Containing epidemic outbreaks by message-passing techniques
有针对性的网络免疫问题可以定义为在给定的流行病模型下，找到网络中的一个节点子集进行免疫或接种，以最小化接种成本和最终（静态）预期感染之间的权衡。虽然计算预期的感染是一个很难的计算问题，简单而有效的平均场近似已经提出了在最近几年的文献。该优化问题可以转化为一个约束问题，其中约束条件强制执行描述流行病过程平均稳态的局部平均场方程。对于广泛的一类流行病模型，包括易感染-感染-移除和易感染-感染-易感模型，我们定义了一种消息传递方法来进行网络免疫，该方法使我们能够研究存在免疫节点时流行病爆发的统计特性，并找到（接近）最佳免疫集，用于给定的参数和成本选择。该算法与图的大小成线性关系，即使在大型网络上也可以有效。我们比较其性能与拓扑为基础的算法，贪婪的方法，和模拟退火。
2013-09-11 cond-mat.dis-nn cs.SI physics.soc-ph
Information content of contact-pattern representations and predictability of epidemic outbreaks
了解人群的接触模式--谁与谁接触，以及接触发生的时间--对于传染病爆发的建模至关重要。传统的理论流行病学假设，任何人都可以以相等的概率遇到任何人。一种更现代的方法，网络流行病学，假设人们连接到一个静态的网络，疾病通过这个网络传播。较新的时间网络流行病学，包括接触表示中的时间。在本文中，我们研究的效果，这些连续的包含更多的信息。使用经验接近数据，我们研究了未知来源的爆发规模，并从已知状态的持续爆发。在第一种情况下，从完全混合模拟到网络，以及从网络到时间网络，存在很大的差异。在第二种情况下，差异较小。我们解释这些意见的时间网络结构的数据集。例如，节点和链接的快速翻转似乎使时间信息更加重要。
2015-03-23 cs.SI physics.soc-ph q-bio.PE
Efficient Stochastic Simulation of Network Topology Effects on the Peak Number of Infections in Epidemic Outbreaks
本文研究了接触网络结构对传染病爆发动力学的影响。特别是，我们专注于严重感染节点（PCIN）的峰值数量，确定重症监护病房的最大工作量，应保持较低。作为一种模型和仿真方法，我们开发了一个连续时间马尔可夫链（CTMC）模型和一个有效的模拟基于Gillespie的随机模拟算法（SSA）。这种方法结合了一个现实的近似的随机过程不依赖于平均场模型的假设和大的渐近大人口规模的微分方程模型，并在同一时间有效的方式来模拟网络的中等规模。根据COVID-19爆发的数据和乌克兰的人口数据，对不同情景下的方法进行了分析。从这些结果中，我们提取网络拓扑结构的功能，需要考虑有效地减少感染的峰值数量。CTMC模拟是在python中实现的，并集成在一个仪表板中，可用于交互式探索，并公开提供。
2022-02-27 cs.SI physics.soc-ph q-bio.PE
Contagion Source Detection in Epidemic and Infodemic Outbreaks: Mathematical Analysis and Network Algorithms
本专著系统阐述了基于网络中心性统计推断的传染源检测数学理论与算法，用于识别传染源、追踪传播轨迹并提升传染病与错误信息的监测防控能力。
2023-07-08 cs.SI
Why is it Difficult to Detect Sudden and Unexpected Epidemic Outbreaks in Twitter?
Twitter等社交媒体服务是决策支持系统的宝贵信息来源。许多研究表明，这也适用于医疗领域，Twitter被认为是公共卫生官员筛选相关信息的可行工具，以便早期发现，管理和控制流行病爆发。这是可能的，因为社交媒体服务的固有能力比传统渠道更快地传输信息。然而，目前的大多数研究将其范围限制在检测常见和季节性健康复发事件（例如，流感样疾病），部分原因是Twitter数据的噪声性质，这使得疫情检测和管理非常具有挑战性。在欧洲项目M-Eco中，我们开发了一个基于Twitter的流行病情报（EI）系统，该系统旨在处理更一般的意外和非周期性疫情。特别是，我们在这项工作中面临着三个主要的研究挑战：1）动态分类，以管理Twitter消息的术语演变，2）警报生成，以产生可靠的爆发警报分析（嘈杂）推文时间序列，以及3）排名和建议，以支持领域专家更好地评估生成的警报。在本文中，我们使用真实世界的疫情数据集和大量的推文，对我们提出的应对这些挑战的方法进行了实证评估。我们与领域专家一起验证了我们的解决方案，描述了我们的经验，并对分析社交媒体对公共卫生的好处和问题给出了更现实的看法。
2016-11-10 cs.CY cs.IR cs.SI
Identifying an influential spreader from a single seed in complex networks via a message-passing approach
识别最具影响力的扩散子是复杂系统物理中的突出问题之一。到目前为止，许多方法都试图对节点的影响力进行排名，但仍然缺乏准确性来选出有影响力的传播者。在这里，我们直接解决的问题，找到重要的传播者，通过分析解决的预期规模的流行病爆发时，传播起源于一个单一的种子。我们推导并验证了一个理论，用于计算一个单一的种子，使用消息传递方法的流行病爆发的规模。此外，我们发现，发生疫情的概率是高度依赖于种子的位置，但一旦发生疫情的大小是不敏感的种子。我们还表明，我们的方法可以成功地适应加权网络。
2017-12-11 cond-mat.stat-mech cs.SI physics.soc-ph
Data-Driven Allocation of Vaccines for Controlling Epidemic Outbreaks
我们提出了一个数学框架，圆锥几何规划的基础上，控制一个易感染的易感病毒传播过程中发生的有向接触网络与未知的接触率。我们假设，我们可以访问时间序列数据描述的传感器节点的集合在有限的时间间隔内观察到的传播过程的演变。我们提出了一个数据驱动的鲁棒凸优化框架来找到保护资源的最优分配（例如，疫苗和/或解毒剂）以尽可能快的速度根除病毒传播。与当前的网络识别算法不同，在该算法中，识别单个网络来解释观察到的数据，我们使用可用的数据来定义包含与经验观察一致的所有网络的不确定性集。我们的不确定性网络集的特征是易于处理的圆锥几何规划的背景下，最近提出的Escherasekaran和沙阿，这使我们能够有效地找到最佳的资源分配，以控制最坏情况下的蔓延，可以发生在网络的不确定性。我们说明了我们的方法在一个交通网络，我们收集的部分数据的动态的一个假设的流行病爆发在一个有限的时间。
2014-12-05 cs.SI math.OC
Asymmetrically interacting spreading dynamics on complex layered networks
疾病通过物理接触网络的传播和疾病信息通过通信网络的传播是两个密切相关的动力学过程。我们通过关注任何传播过程背后的两个基本量：流行阈值和最终感染率，研究了两种类型的传播动态之间的不对称相互作用，每种传播动态都发生在自己的层上。我们发现，接触层上的流行病爆发可以诱导传播层上的流行病爆发，信息传播可以有效地提高流行病的阈值。当两层之间存在结构相关性时，信息阈值保持不变，但可以提高流行阈值，使接触层对流行病爆发具有更强的弹性。我们开发了一个物理理论来理解这两种类型的传播动力学之间错综复杂的相互作用。
2014-05-08 cs.SI physics.soc-ph
Epidemic Outbreaks in Networks with Equitable or Almost-Equitable Partitions
我们研究了被划分为局部社区的网络上的流行病的扩散。这种层次网络的总体结构可以用商图来描述。这种方法的基本原理是，个体感染属于同一社区的人的概率高于其他社区的个体。因此，在社区模型中，节点感染概率预计主要取决于几个相互关联的大型集群的相互作用。在这项工作中，我们描述了一个连续时间的个人为基础的易感染的易感（SIS）模型，使用一阶平均场近似的流行病过程。我们的模型的一个关键特征是，这个较小的商图的谱半径（它只捕获社区网络的宏观结构）是我们需要知道的，以便确定整体健康状态是否定义了全局渐近稳定或不稳定的平衡。事实上，谱半径与系统的流行阈值有关。此外，我们证明，在阈值以上，另一个稳态存在，可以使用与商图上的过程的演变相关联的低维动力系统来计算。我们的调查是基于图论的公平分割的概念和它的最近和相当灵活的推广，几乎公平分割。
2015-11-13 cs.SI physics.soc-ph
Time evolution of predictability of epidemics on networks
新的病原体或已知病原体在新人群中的流行性爆发引起了极大的恐惧，因为它们很难预测。另一方面，对于疾病传播的理论模型，表征爆发的数量收敛于时间的确定性函数。我们在本文中的目标是阐明这种明显的差异。我们衡量的多样性（和，因此，可预测性）的爆发规模和灭绝时间作为时间的函数给定不同的情况下的信息量。在完全信息的假设下，知道每个人的疾病状况--可预测性随着时间呈指数下降，或者更快。对于每接触传输概率的中间值，衰减最慢。在对可用信息的假设较弱的情况下，假设我们只知道当前感染、康复或易感个体的比例，可预测性在大多数情况下也呈指数级下降。然而，在这种情况下，有一些特殊的地区，可预测性下降。换句话说，要以给定的准确度预测其最终规模，我们需要越来越多的关于疫情的信息。
2015-05-05 cs.SI physics.soc-ph q-bio.PE
Epidemic Intelligence for the Crowd, by the Crowd (Full Version)
跟踪Twitter的公共卫生已经显示出巨大的潜力。然而，最近的工作主要集中在将Twitter消息与流感发病率联系起来，这种疾病表现出明显的季节性模式。在突发疫情的情况下，如何利用社交媒体流来加强监测能力？2011年5月，德国报告了肠出血性大肠杆菌（EHEC）疫情。这是世界范围内描述的最大的EHEC/HUS爆发之一，也是德国最大的爆发。在这项工作中，我们研究了疫情期间人群在Twitter上的行为。特别是，我们报告如何跟踪Twitter帮助检测关键用户消息，触发信号检测警报之前MedISys和其他完善的早期预警系统。我们还介绍了一个个性化的学习排序的方法，利用发现的关系：（一）潜在的语义主题计算使用潜在狄利克雷分配（LDA），和（ii）观察Twitter的社会标记行为，排名的流行情报推文。我们的研究结果为基于社交媒体的新公共卫生研究提供了基础。
2012-03-06 cs.CY cs.SI physics.soc-ph
Tracking Dengue Epidemics using Twitter Content Classification and Topic Modelling
长期以来，检测和预防巴西和其他热带地区登革热和寨卡等蚊媒疾病的爆发一直是受影响地区政府的首要任务。流媒体社交媒体内容，如Twitter，越来越多地用于健康预警应用，如流感检测。然而，之前的工作并没有解决Twitter内容在多次疫情爆发中发生剧烈季节性变化的复杂性。为了解决这一差距，本文对比了两种互补的方法来检测与登革热疫情检测相关的Twitter内容，即使用主题建模的监督分类和无监督聚类。每种方法都有优点和缺点。我们的分类器基于约1，000个实例的小训练集实现了约80%的预测准确率，但需要手动注释使得难以跟踪流行病性质的季节性变化，例如某些地理位置出现的新型病毒。相比之下，基于LDA的主题建模扩展良好，从更大的样本中生成有凝聚力和分离良好的集群。虽然随着流行病的变化，聚类可以很容易地重新生成，但是这种方法很难将相关的推文清楚地分离到定义明确的聚类中。
2016-05-03 cs.SI
Predicting epidemic outbreak from individual features of the spreaders
了解哪些个体可以更有效地在确定的环境中传播病原体是疾病控制中的一个基本问题。事实上，在过去的几年里，流行病的传播及其与相关系统拓扑结构的关系一直是复杂网络理论中反复出现的话题，同时考虑到网络模型和现实世界的数据。在本文中，我们探讨了传染病的异质性传播由易感染-感染-恢复（SIR）模型，和起源顶点的几个属性之间的可能的相关性，考虑Erdös-Rényi（ER），Barabási-Albert（BA）和随机几何图（RGG），以及一个真实的研究案例，美国航空运输网络，包括美国500个最繁忙的机场以及相互连接。最初，考虑到RGG网络，在其中，我们解析推导出的传播率的分布在已建立的联系人之间的表达式，通过假设这样的速率呈指数衰减的距离，分开的个人的异质性的传播实现。这样的分布也被认为是ER和BA模型，我们观察到拓扑效应的相关性。在机场网络的情况下，扩展率是根据经验定义的，假设与座位可用性成正比。在所考虑的理论网络和真实网络中，我们观察到总流行率与流行源的程度、强度和可及性之间存在高度相关性。然而，对于诸如介数中心性和$k$壳指数之类的属性，相关性取决于所考虑的拓扑。
2012-06-15 cs.SI physics.soc-ph q-bio.PE
Complexity of Government response to Covid-19 pandemic: A perspective of coupled dynamics on information heterogeneity and epidemic outbreak
本研究基于复杂网络视角构建信息异质性与疫情耦合动力学模型，揭示了政府干预面临的“社会最优”与“私人最优”决策困境，并通过武汉疫情反事实分析证明了延长决策视野下信息封锁的灾难性后果，为未来预警系统设计提供启示。
2023-10-25 cs.SI physics.soc-ph
Inferring global network properties from egocentric data with applications to epidemics
社交网络很少被详细观察。在许多情况下，属性是已知的，只有一个样本的个人在网络中，它是可取的，以诱导全局属性的完整的社会网络从这个“自我中心”的网络数据。在本文中，我们研究了几种不同类型的自我中心数据，并展示了哪些全球网络属性与这些自我中心数据一致。两个全球性的网络属性被认为是：在网络中的最大连接组件（巨人）的大小，其次，可能的规模发生在网络上的流行病爆发，其中传输只发生在网络邻居之间，并与概率$p$。主要结论是，在大多数情况下，以自我为中心的数据允许巨人和爆发的可能大小的大范围。然而，后者有一个上限。对于网络是均匀选择的情况下，网络与规定的自我中心的数据（满足某些条件），渐近规模的巨人和爆发的特点。
2012-01-13 cs.SI math.PR physics.soc-ph
Impacts of Physical-Layer Information on Epidemic Spreading in Cyber-Physical Networked Systems
本文提出通过物理层信息影响疫情传播的模型，利用MMCA方法推导出爆发阈值，发现物理层信息可提高意识密度并抑制疫情传播，且在高密度2-简单形信息下能有效防止大规模疫情爆发。
2025-11-14 cs.SI physics.soc-ph
Inhomogeneous epidemics on weighted networks
通过将配置模型扩展到边具有权重的情况来对社交（性）网络进行建模，例如，反映个体之间的性接触的数量。在网络上定义了一个流行病模型，使得个体在易感性和传染性方面是异质的。基本再生数R_0的推导和研究的各种例子，但也有一个大爆发的规模和概率。定性的结论是，R_0随群落异质性的增加而增大，但不同的异质性（度分布、权重、易感性和传染性）有时会对群落的异质性产生累积效应，从而使$R_0$变小。对爆发的概率和最终规模的影响更为复杂。
2011-12-20 cs.SI math.PR physics.soc-ph
Use of mobile phone sensing data to estimate residence and mobility times in urban patches during the COVID-19 epidemic: The case of the 2020 outbreak in Hermosillo, Mexico
本研究利用手机GPS数据和Brownian bridge模型推断城市人口流动与停留时间，并将估计的居住-流动矩阵纳入多斑块SEIR模型，以评估政府干预对流动变化的影响。
2024-03-23 cs.SI physics.soc-ph stat.AP
Temporal prediction of epidemic patterns in community networks
以往关于复杂网络上流行病动力学的大多数研究都假设疾病最终会稳定在无病状态或地方病状态。然而，实际上，某些流行病在一个地区总是表现出零星和复发的行为，因为其他地方的地方病人群入侵。在本文中，我们解决了这个问题，并研究了一个网络上的两个社区，其中疾病是地方性的，但在另一个社区之间的交替爆发和预防的传染病模型。我们提供了一个详细的描述在后者社区的流行模式的时间动态。特别是，我们调查的爆发和灭绝的持续时间，两个连续的社区间感染的时间间隔，以及它们的频率分布。基于平均场论，我们从理论上分析了这三个时间尺度及其对每个社区的平均节点度、传播参数和社区间链接数的依赖关系，除了连续爆发之间重叠的概率太大之外，这与模拟结果吻合得很好。这些发现有助于我们更好地了解疾病在当地社区传播的突发性，从而提出有效的时间依赖性控制策略。
2013-11-17 cond-mat.stat-mech cs.SI physics.soc-ph
Competing spreading processes and immunization in multiplex networks
物理接触网络上的传染病传播自然会引入虚拟接触网络上的人类意识信息扩散，而意识扩散又反过来抑制传染病传播，从而形成多重网络中传染病与意识的竞争传播过程。在本文中，我们研究的竞争动力学的流行病和意识，这两者都遵循SIR过程，在一个两层网络的基础上微观马尔可夫链方法和数值模拟。我们发现，较强的意识传播和自我保护能力的个人可能会导致更高的流行阈值和更小的爆发规模。但个体的自我意识对疫情阈值和爆发规模没有明显影响。此外，本文还研究了在传染病和意识传播相互作用下，身体接触网络的免疫问题。结果表明，目标免疫的免疫效果明显优于随机免疫，且意识扩散可以显著降低随机免疫和目标免疫的免疫阈值。
2016-08-03 cs.SI physics.soc-ph
Periodicity in Movement Patterns Shapes Epidemic Risk in Urban Environments
人类流动性的每日变化调节了新出现疫情的速度和严重程度，但大多数流行病学研究假设接触模式是静态的。中国上海拥有超过2400万的高流动人口，是传染病输入和随后全球传播的高风险交通枢纽。在这里，我们使用一个动态集合种群模型，根据上海每小时的交通数据来估计数千种疫情情景下的流行病风险。我们发现，最初的流行病增长率变化超过20倍，这取决于疾病传入的时间和邻近地区。最危险的介绍是那些发生在靠近市中心和星期五的地方--这是工作日和周末交通模式的桥梁，从而连接了人口中其他不相连的部分。确定这些时空热点可以为更有效的哨兵监测目标和减轻传播的战略提供信息。
2018-09-13 cs.SI physics.soc-ph
