友谊网络在预测流行病风险中的局限性

现实世界社交网络上感染的传播由两个过程的相互作用决定：网络的动力学，其结构随时间根据个体间的接触而变化；以及网络上的动力学，其节点在接触后可以相互感染。物理接触是传染病传播最常见的载体，但关于接触的详细信息通常难以获得，因为其收集成本高、不切实际或涉及隐私敏感性。我们探讨社交网络中个体间的友谊关系是否能成功预测谁处于风险之中。使用来自一个流行在线评论服务的数据集，我们构建了一个作为用户间物理接触代理的时变网络和一个基于报告友谊的静态网络。通过计算机模拟，我们比较了所得网络上的感染过程，并表明，尽管友谊网络上的距离与流行病风险相关，但如果感染由物理接触驱动，友谊关系对处于风险中的个体的识别能力很差。这种局限性并非由于感染的随机性，而是由于两个网络的结构差异。与不同网络上传播过程的宏观相似性相反，由两种边定义决定的局部连通性差异导致了微观层面动力学的显著差异。尽管存在上述局限性，我们表明，对接触网络上的真实感染进行周期性且相对不频繁的监测，可以校正友谊网络上的预测感染，并达到令人满意的预测精度。此外，当免疫预算有限时，友谊网络包含有价值的信息，可有效遏制流行病爆发。