无症状传播的流行病：基于递归接触者追踪的次临界相

COVID-19 疫情带来的挑战重新激发了人们开发对抗传染病新方法的热情。SARS-CoV-2 传播的一个显著特征是无症状传播占有显著比例。这可能影响用于隔离潜在感染者的标准接触者追踪程序的有效性。然而，无症状传播对网络上传染病传播的流行病阈值的影响在很大程度上仍属未知。在此，我们研究了一种简单传染病网络模型在存在用于即时隔离的递归接触者追踪算法时的临界渗流相变。我们发现，当无症状传播比例超过某一阈值后，标准接触者追踪便失去将传播抑制在流行病阈值以下的能力。但我们也发现，递归接触者追踪为控制具有高比例无症状或症状前传播的流行病提供了可能。特别地，我们计算了任意度分布网络以及不同递归深度下参与接触者追踪所需的网络节点比例，并讨论了递归深度与无症状率对流行病渗流相变的影响。我们利用感染树和网络上的数值模拟检验并说明了我们的理论结果。我们预期递归接触者追踪能为数字化的、基于应用程序的接触者追踪工具提供基础，将追踪效率扩展到具有高比例无症状传播的疾病。