通过求解逆常微分方程问题从感染数据恢复时变传播率

许多急性传染病的传播率随时间显著变化，但其潜在机制通常不确定。这些机制可能包括环境、接触率、免疫系统反应等的季节性变化。传播率一直被认为难以直接测量。我们提出了一种新算法，可以直接从患病率数据计算时变传播率，该算法不对易感者数量或生命率做任何假设。该算法遵循我们对 SIR 型传播模型的数学逆问题的完整且显式的解。我们证明，几乎任何感染曲线都可以通过具有可变传播率的 SIR 模型完美拟合。这清楚地表明了拟合此类传播模型存在严重的过拟合风险。我们使用历史上的英国麻疹数据说明了该算法，我们的观察结果支持了普遍认为的麻疹传播主要由学校接触驱动的观点。