多季节分析揭示疾病传播的空间结构
种群与进化
2020-04-22 v1 数据分析、统计与概率
物理与社会
摘要
理解异质人群中传染病传播的动态是设计控制策略的重要因素。在此，我们发展了经典易感-感染-恢复(SIR)模型的一种新颖张量驱动多房室版本，并将其应用于互联网数据以揭示关于疾病传播复杂空间结构的信息。该模型用于分析来自美国、与两种病毒相关的州级Google搜索数据：呼吸道合胞病毒(RSV)和西尼罗河病毒(WNV)。我们拟合数据的相关系数R^2分别为RSV的0.70和WNV的0.52。尽管未对空间结构做先验假设，美国的人口流动模式解释了27-30%的估计州际传播率。州内传播率与已知人口统计指标（如人口密度和平均年龄）相关。最后，我们表明，利用前一季节估计的模型参数以及当前季节仅7周的数据，可以预测随后季节的疾病负荷模式。我们的结果适用于其他国家和类似病毒，使得能够在季节早期识别疾病传播参数并预测季节病毒的疾病负荷。
引用
@article{arxiv.1902.04073,
title = {Multi-Season Analysis Reveals the Spatial Structure of Disease Spread},
author = {Inbar Seroussi and Nir Levy and Elad Yom-Tov},
journal= {arXiv preprint arXiv:1902.04073},
year = {2020}
}