COVID-19：简单模型的不合理有效性
种群与进化
2020-05-25 v1 物理与社会
摘要
当世界卫生组织（WHO）于 2020 年 3 月正式宣布新型冠状病毒 SARS-CoV2（COVID-19）为大流行时，科学界已积极行动，致力于理解全球各国当局收集的快速增长的海量数据。然而，尽管新型理论方法多种多样且许多广泛建立的模型十分全面，描述疫情发展过程的官方数据仍勾勒出一幅难以捉摸且令人畏惧的画面。在此我们明确指出，COVID-19 疫情的动力学属于 SIR 模型及其扩展的简单普适类。我们的分析自然地引导我们确立，任何理论方法都存在一个根本局限，即报告数据背后的检测框架的不可预测非平稳性。然而，我们展示了如何自洽地量化这种偏差，并利用其从数据中挖掘有用且准确的信息。具体而言，我们描述了报告率的时间演化如何控制表观疫情峰值的出现，在那些疫情初期检测力度不够的国家中，表观峰值通常滞后于真实峰值。早期果断检测的重要性作为我们分析的自然推论而显现，因为在疫情初期就进行大规模检测的国家显然其真实峰值出现得更早且总死亡人数更少。
引用
@article{arxiv.2005.11085,
title = {COVID-19: The unreasonable effectiveness of simple models},
author = {Timoteo Carletti and Duccio Fanelli and Francesco Piazza},
journal= {arXiv preprint arXiv:2005.11085},
year = {2020}
}
备注
main paper + supplementary material