推断非药物干预对 COVID-19 传播网络的影响
种群与进化
2021-05-18 v2 物理与社会
摘要
世界各国实施非药物干预（NPIs）以减缓 COVID-19 的传播。高效 NPIs 的设计需要识别疾病传播网络的结构。我们在此结合贝叶斯参数推断与基于个体的流行病学模型，针对德国第一波 COVID-19 感染在严格 NPIs 实施前、期间及之后的时间段，识别了 COVID-19 传播网络的关键参数。我们假设一个 Watts-Strogatz 小世界网络，其可区分人群中聚类团簇内的接触与非聚类的随机接触，而后者已被证明对维持流行病至关重要。与其他使用来自匿名数据（如手机数据）的粗粒度网络结构的工作不同，我们显式考虑个体代理人的接触。我们表明 NPIs 大幅减少了传播网络中的随机接触，增加了网络聚类，并使新病例从指数型转为常量型 regime。在此 regime 中，疾病像波一样以有限波速传播，波速以非线性方式依赖于接触数，这可由平均场理论预测。我们的分析指出，除新病例数在指数增长与指数下降之间的已知转变外，NPIs 还能诱导向另一种此前未被重视的常量新病例 regime 的转变。
引用
@article{arxiv.2012.03846,
title = {Inferring the effect of interventions on COVID-19 transmission networks},
author = {Simon Syga and Diana David-Rus and Yannik Schälte and Michael Meyer-Hermann and Haralampos Hatzikirou and Andreas Deutsch},
journal= {arXiv preprint arXiv:2012.03846},
year = {2021}
}