自适应流行病网络中隔离与自我疏离措施的平衡

我们研究两种关键传染病控制措施的相对重要性：内生的社会自我疏离与外生的强制隔离。我们利用自适应网络、矩闭合和常微分方程（ODEs）框架，基于易感-感染-恢复（SIR）动力学引入了若干新模型。首先，我们将计算代价高昂的自适应网络模拟与其对应且计算高效的 ODE 等价模型进行比较，发现二者高度吻合。其次，我们发现参数空间中关于流行病阈值的存在一个相对简单的临界曲线，这强烈暗示两种缓解策略之间存在相互补偿效应：只要社会疏离与隔离措施均足够强，就能防止大规模暴发。第三，我们结合解析估计与数值模拟，研究大规模暴发中的总感染人数与最大峰值。对于大规模暴发，我们也发现了类似于流行病阈值的补偿效应。这表明，若人群内社会疏离动机不足，则需严苛隔离，反之亦然。两种纯粹情形在实践中均不现实。我们的模型表明，唯有措施组合才可能成功控制传染病蔓延。第四，我们利用积分估计结合基于可观测量的矩闭合近似，解析地计算出自适应网络上总感染人数的上界。这是一项方法学创新。我们的方法使我们能够优雅而迅速地检验并交叉验证关于不同网络控制措施相关性的各种猜想。