基于美国郡县网络的 SARS-CoV-2 传播研究
社会与信息网络
2022-03-22 v2 机器学习
物理与社会
摘要
在 2020 与 2021 年间,严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 在世界人口中的传播以惊人速率增长。降低 SARS-CoV-2 及以类似方式传播的其他疾病的扩散,对公共卫生官员至关重要,因为他们力求有效管理资源与潜在的人口管控措施,如社交距离与隔离。通过分析美国郡县网络结构,可对潜在的高感染区域建模并加以拦截。郡县官员可在这些区域提供针对性信息、准备训练以及增加检测。尽管这些方法可能为局部区域提供充分对策,但对全美整体而言并不充分。我们通过收集来自美国疾病控制与预防中心的 2019 冠状病毒病 (COVID-19) 感染与死亡数据,以及从美国人口普查局获得的全部郡县间邻接关系,解决了这一问题。广义网络自回归 (GNAR) 时间序列模型已被提出作为网络数据集的高效学习算法。本工作融合网络科学与运筹学技术,以单变量方式对美国郡县网络结构中的 COVID-19 病例、死亡与现存幸存者进行建模。
引用
@article{arxiv.2111.13723,
title = {SARS-CoV-2 Dissemination using a Network of the United States Counties},
author = {Patrick Urrutia and David Wren and Chrysafis Vogiatzis and Ruriko Yoshida},
journal= {arXiv preprint arXiv:2111.13723},
year = {2022}
}