在接触者追踪网络上识别大流行的隐藏传播者
物理与社会
2021-03-18 v1 种群与进化
摘要
COVID-19 感染病例已在全球激增，对社会和经济造成破坏。导致持续传播的一个关键因素是有大量无症状或隐藏传播者混在易感人群中，未被发现或隔离。在此，我们提出一种在接触者追踪网络中检测无症状传播者的有效非药物干预方法，并在新加坡的经验性 COVID-19 传播网络上进行了验证。我们发现，使用纯物理传播方程，可以以显著的准确度识别 COVID-19 的隐藏传播者。具体而言，基于 COVID-19 传播动力学的独特特征，我们提出了一个捕捉网络中不同感染状态间转移概率的计算框架，并将其扩展为一种识别无症状个体的高效算法。我们的仿真结果表明，使用我们预测的筛查方法优于本工作中作为基线设计的机器学习算法（例如图神经网络），以及中国早期暴发中广泛使用的随机筛查感染者的密切接触者。此外，即便在接触者追踪网络信息不完整的情况下，我们的方法仍提供高精度。我们的工作对 COVID-19 的非药物干预具有关键重要性，尤其是在各种新技术对接触者追踪措施的采用日益增加的情况下。除 COVID-19 外，我们的框架也可用于其他同样具有无症状传播特征的传染病。
引用
@article{arxiv.2103.09390,
title = {Identify Hidden Spreaders of Pandemic over Contact Tracing Networks},
author = {Shuhong Huang and Jiachen Sun and Ling Feng and Jiarong Xie and Dashun Wang and Yanqing Hu},
journal= {arXiv preprint arXiv:2103.09390},
year = {2021}
}
备注
14 pages, 4 figures