针对武汉、多伦多和意大利新兴 COVID-19 疫情的数据驱动网络模型
种群与进化
2020-06-01 v1 物理与社会
摘要
正在进行的 2019 冠状病毒病（COVID-19）大流行威胁着人类健康并造成巨大的经济损失。预测性建模和预测流行趋势对于制定缓解这一大流行的对策至关重要。我们开发了一个网络模型，其中每个节点代表一个个体，边代表感染可以传播的个体之间的接触。个体根据他们每天的接触次数（其节点度）及其感染状态进行分类。使用马尔可夫链蒙特卡罗（MCMC）优化算法，将该传输网络模型分别拟合于中国武汉、加拿大多伦多和意大利共和国的 COVID-19 疫情报告数据。我们的模型对这三个地区均拟合良好且置信区间较窄，并可被改造以模拟其他特大城市或地区。模型对遏制策略作用的预测可以帮助告知公共卫生当局规划控制措施。
引用
@article{arxiv.2005.14533,
title = {A Data-Driven Network Model for the Emerging COVID-19 Epidemics in Wuhan, Toronto and Italy},
author = {Ling Xue and Shuanglin Jing and Joel C. Miller and Wei Sun and Huafeng Li and Jose Guillermo Estrada-Franco and James M Hyman and Huaiping Zhu},
journal= {arXiv preprint arXiv:2005.14533},
year = {2020}
}