在无标度网络上使用个体基于SEIR模型量化隔离效应
种群与进化
2020-08-18 v1 物理与社会
摘要
COVID-19大流行导致多个国家采取社交距离措施，这是已知的减缓病毒传播并维持医疗系统可控的唯一方法。此处我们使用个体基于模型（IBM）研究隔离的持续时间、开始日期和强度如何影响感染曲线峰值的高低与位置。我们表明，模型动力学固有的随机效应导致相同参数集下结果可变，使得计算每种结果的概率至关重要。为简化分析，我们将结果仅分为两类，称为最佳与最差情景。尽管长期且强力的隔离是终结流行病的最佳方式，但在实践中很难实施。此处我们表明，相对短期且强力的隔离期也能非常有效地压平感染曲线甚至消灭病毒，但此类结果的可能性较低。另一方面，强度相对较低的长隔离能以超过50%的概率延迟感染峰值并显著减小其规模，是比短期完全封锁更有效的政策。
引用
@article{arxiv.2005.14127,
title = {Quantifying the effects of quarantine using an IBM SEIR model on scalefree networks},
author = {Vitor M. Marquioni and Marcus A. M. de Aguiar},
journal= {arXiv preprint arXiv:2005.14127},
year = {2020}
}
备注
14 pages, 6 figures