传染病分布数据的有限性暴露了流行病建模选择的模糊性

传统的疾病传播模型假设传染期呈指数分布，且恢复率在时间和个体间是固定的。这一假设提供了分析和计算上的便利，但往往不切实际。对非指数分布传染期进行建模的努力要么局限于特殊情况，要么导致模型不可解。此外，经验数据（传染期分布）与建模需求（相应的恢复率）之间的联系缺乏清晰的理解。在此，我们引入了一种将任意传染期分布映射到恢复率分布的方法。我们表明，在群体层面相同的传染期分布可以通过两种建模方案——基于宿主的方案和基于群体的方案——来重现，这取决于个体对感染的反应，而聚合的经验数据难以轻易区分正确的方案。除了概念上的不同，这两种方案还会导致不同的流行病轨迹。尽管在无病平衡点附近行为相同，但在 SIS 传播模型达到地方病平衡时，基于宿主的方案会偏离预期的流行病轨迹，而基于群体的方案则被证明等同于假设一个同质的恢复率。我们通过分析计算和在接触网络上的随机流行病模拟（使用生成网络模型和经验接触数据）证明了这一点。因此，在基于网络的传播模型中重现异质性传染期是可能的，但由此产生的流行率对用于解释经验收集的感染持续时间数据的建模选择敏感。在缺乏更高分辨率数据的情况下，研究应承认流行病预测中的此类偏差。