人口统计敏感型疾病传播中的时空动态：以纽约 COVID-19 蔓延为例
种群与进化
2020-05-05 v1
摘要
这种高传染性新型冠状病毒的快速传播已通过多种针对特定地域的数据引导方法加以刻画，试图理解疫情何时得到控制以及 imposed 的封锁措施何时可以放松。然而，这些主要基于病例数和死亡数训练数据的流行病学模型存在局限，因为它们未考虑主要促成疾病传播的时空人口动态。本文提出了一种由随机元胞自动机赋能的预测模型，能够准确描述依赖于人口统计的人口动态对疾病传播的影响。以纽约州冠状病毒蔓延为案例，该计算框架的结果与各组织报告的感染病例和死亡实际计数高度吻合。预测表明，某种形式的延长封锁（长达 180 天）可显著降低第二波疫情爆发的风险。此外，即便在较不严格的社交距离指导和 imposed 下，医疗检测可用性的提高也能减少感染患者数量。为该随机方法配备年龄比例、既往健康状况等人口统计因素，可增强模型在 future 疫情演变为流行病之前预测其传播能力的能力。
引用
@article{arxiv.2005.01001,
title = {Spatiotemporal dynamics in demography-sensitive disease transmission: COVID-19 spread in NY as a case study},
author = {Joydeep Munshi and Indranil Roy and Ganesh Balasubramanian},
journal= {arXiv preprint arXiv:2005.01001},
year = {2020}
}
备注
14 pages, 6 figures