进化与流行病时间尺度的相互作用挑战了控制政策的效果

SIR 模型是数学流行病学的基石模型，解释了诸如疾病自由状态与流行状态之间的二次相变、疫情爆发的初始指数增长以及控制措施的短期效益等关键流行病特征。尽管如此，经典 SIR 模型假设病原体特征保持不变，从而忽略了病毒进化。我们提出了 SIR 模型的一个最小延展，允许传染性随时间演化。我们表明，这种演化会导致疫情爆发的超指数初始增长，创造突发性流行病相变，并削弱控制政策的有效性，因为过早地取消干预措施可能导致比不采取行动更糟的流行病情形。我们推导出临界突变率和干预时间的解析表达式，识别了控制策略之间的强烈不对称性：缩短感染期会阻止传播而不抑制病毒进化，而降低传播则既减少病例，又减缓病毒进化。