用于研究部分接种疫苗人群中复发性传染病传播的极化时序网络模型
动力系统
2022-09-19 v1 物理与社会
摘要
受即使在疫苗覆盖率高的群体中仍发生的大规模 COVID-19 暴发所推动,我们提出了一种用于复发性传染病传播的多群体时序网络新模型。我们研究了人类行为、检测和疫苗接种活动对控制局部暴发与感染流行率的影响。我们的建模框架解耦了疫苗在防护传播与减轻重症发展方面的有效性。此外,该框架考虑了疫苗接种决策的极化效应并捕捉同质性,即人们倾向于与志同道合的个体互动。借助平均场方法,我们解析推导了流行病阈值。我们的理论结果表明,尽管疫苗接种活动减轻了医院压力,却可能助长反复暴发的疫情,突显了检测活动在根除疾病方面可能起的关键作用。随后采用数值模拟来确认并将我们的理论发现扩展到更现实的场景。我们的数值与解析结果一致表明:若不开展大规模检测活动或依靠人群责任感,疫苗接种不足以实现完全根除。此外,我们表明同质性在控制局部暴发中起关键作用,突显了极化网络结构的危险。
引用
@article{arxiv.2209.08045,
title = {A Polarized Temporal Network Model to Study the Spread of Recurrent Epidemic Diseases in a Partially Vaccinated Population},
author = {Kathinka Frieswijk and Lorenzo Zino and Ming Cao},
journal= {arXiv preprint arXiv:2209.08045},
year = {2022}
}
备注
Submitted to IEEE Transactions on Network Science and Engineering