补偿时间接触网络上流行病传播模拟中的人口抽样
物理与社会
2015-11-19 v2 社会与信息网络
摘要
描述人类互动的数据往往受限于对底层人口的不完全抽样。因此，使用数据驱动模型研究传染过程可能导致对流行病风险的严重低估。在此，我们提出了一种系统方法来缓解这一问题，并在由高分辨率时间分辨接触数据驱动的流行病模型背景下获得更好的风险估计。我们考虑了在各种背景下收集的多个此类数据集，并进行了受控的重抽样实验。我们展示了如何利用重抽样数据中包含的统计信息来构建一系列未知接触的代理版本。我们在生成的重建数据集上模拟流行病过程，并表明可以获得与使用完整数据集执行的模拟结果的良好估计。我们讨论了该方法的局限性和潜在改进。
引用
@article{arxiv.1503.04066,
title = {Compensating for population sampling in simulations of epidemic spread on temporal contact networks},
author = {Mathieu Génois and Christian L. Vestergaard and Ciro Cattuto and Alain Barrat},
journal= {arXiv preprint arXiv:1503.04066},
year = {2015}
}