感染渗流：一种疾病传播的动态网络模型

疾病传播模型对于预测人群中感染增长和评估公共卫生政策至关重要。然而，标准模型通常用宏观参数表示个体间疾病传播的动态，无法准确体现人与人之间的变异性。为解决此问题，我们提出了一种动态网络模型，该模型提供了一种直接的方式来同时纳入个体尺度的疾病传播动态以及群体尺度感染的完整时空历史。我们发现疾病通过社交网络以感染行波的形式传播，随后出现恢复行波，其传播的起始和动态由疾病传播与恢复之间的相互作用决定。我们利用这些见解发展了一种标度理论，可预测不同疾病和人群中的感染动态。此外，我们展示了感染易感性的空间异质性可能加剧或抑制疾病传播，取决于其传染性。最终，我们的动态网络方法提供了一种建模疾病传播的简单方式，统一了以往的发现，并可推广至不同疾病、遏制策略、季节条件和社区结构。