用于理解、预测和管理冠状病毒病 COVID-19 的元种群网络模型
种群与进化
2020-06-17 v2 定量方法
摘要
SARS-CoV-2 传播的数学模型被用于指导旨在遏制和减缓传染的缓解措施设计，并识别医疗服务系统超载能力的即将发生的突破。每日新增感染信息仅不完整这一挑战，因人口地理异质性而加剧。为解决此问题，我们提出利用基于网络、分布式的模型来考量农村与城市环境之间的差异，其中大流行的传播在具有嵌套 SEIR 模型的 distinct 局部队列中描述。模型参数的设定考虑到 SARS-CoV-2 传播主要通过人际接触发生，且个体间接触频率在城市与农村区域不同并可能随时间变化。此外，病毒传播至未感染社区的概率与来自存在感染的其他社区个体流入相关。为考量这些重要方面，网络的每个节点由其成员间接触频率及其与其他节点的连通水平表征。人口普查与手机数据可用于建立网络的邻接矩阵，而该矩阵又可被修改以考量不同水平的缓解措施。为使我们所提的网络 SEIR 模型易于定制，其以可从可用社区级数据估计的易解释参数表述。模型参数利用俄亥俄州与密歇根州的 COVID-19 数据通过贝叶斯技术估计。该网络模型还产生一种地理分布计算模型，可解释传染的地理动态，例如被郊区与农村环绕的大城市。
引用
@article{arxiv.2005.06137,
title = {Metapopulation network models for understanding, predicting and managing the coronavirus disease COVID-19},
author = {Daniela Calvetti and Alexander Hoover and Johnie Rose and Erkki Somersalo},
journal= {arXiv preprint arXiv:2005.06137},
year = {2020}
}
备注
21 pages, 15 figures