将社会接触矩阵投影至按已知同质性二值属性分层的人群

接触网络具有异质性。特征相似的人更可能互动，这一现象称为同配混合或同质性。尽管年龄同配性已得到充分确立，且通过大量调查工作已推导出按年龄分层人群的社会接触矩阵，但我们缺乏描述按性别、性取向、种族等其他属性分层人群接触模式的实证研究。考虑这些属性相关的异质性可对流行病学预测模型的动态产生深远影响。本文提出一种新方法，将给定的（例如基于年龄的）接触矩阵扩展至按具有已知同质性水平的二值属性分层的人群。我们描述任何有意义的社会接触矩阵必须满足的一组线性条件，并通过求解非线性优化问题找到最优矩阵。我们展示了同质性对疾病动态的影响，并简要描述了更复杂的扩展。可用的 Python 源代码使任何建模者都能在接触模式中考虑二值属性的同质性，最终产生更精确的预测模型。