并非所有干预措施对第二波峰高度的作用都相同

在本文中，我们对具有暂时免疫的、类似 COVID-19 的传染病在有限空间与非空间网络模型上的传播进行了仿真研究。具体而言，我们假设传染病在无标度网络上随机传播，且网络中每个感染个体在传染期结束后获得暂时免疫。暂时免疫期结束后，该个体再次变为对病毒易感。当底层接触网络嵌入欧几里得几何中时，我们建模了三种旨在控制传染病传播的不同干预策略：社交距离、出行限制，以及每个节点最大社会接触数限制。我们的第一个发现是，在有限网络上，足够长的平均免疫期会在第一波峰之后导致大流行消亡，类似于“群体免疫”的概念。对每个模型，都存在一个临界平均免疫长度 $L_c$，超过该值就会发生上述情况。我们的第二个发现是，三种干预措施都能 flatten 第一波峰（其中出行限制最为高效），并降低临界免疫长度 $L_c$，但延长了传染病持续时间。然而，当平均免疫长度 $L$ 小于 $L_c$ 时，被压平的第一波峰的代价往往是高企的第二波峰：对于限制最大接触数，第二波峰可达第一波峰的 1/3 之高，且为无干预时的两倍。第三，干预措施给系统引入了振荡，且达到平衡的时间在几乎所有情景下都长得多。我们得出结论：基于网络的传染病模型能展现出连续仓室模型所未能捕捉的多种行为。