多重网络中地方性疾病传播与渐进式意识扩散的耦合动力学

理解人类行为现象与传染病动力学之间的相互作用一直是数学流行病学中的核心挑战之一。然而，在早先的模型中，对于疫情暴发期间引发期望行为反应至关重要的社会认知过程常被忽视或过度简化。本文将微观马尔可夫链方法与全概率定律相结合，构建了一个描述多重网络中基于阶段的意识扩散进展与地方性疾病传播之间动态相互作用的数学模型。我们解析推导了该模型离散时间与连续时间版本的流行病阈值，并通过数值模拟证明了我们的解析论证在刻画疾病—意识耦合动力学的时序演化与稳态方面的准确性。我们发现，对于任意无聚类多重网络，我们的模型都是精确的，且在预测 contagion 的时间演化与最终流行规模方面均优于广泛采用的一种基于概率树的方法。我们的研究结果表明，仅向未察觉个体告知 circulating disease 不足以预防疫情暴发，除非所传播的信息能触发对感染风险的强烈意识并辅以适当的防护措施；并且，高意识个体的免疫性可提升流行病阈值，但仅当由弱意识到强意识的转变速率足够高时才成立。因此，本研究揭示，在产生对传染病流行病学动力学的影响时，意识扩散与其他行为参数可发生非平凡的相互作用，这意味着未来的公共卫生措施不应忽视这一复杂的行为相互作用及其对多层网络系统中 contagion 传播的影响。