网络上流行病的随机波动

人口统计随机性对地方性传染病长期行为的影响，长期以来被视为对基础确定性理论的必要补充。后者解释了复发性流行病的规律行为，而前者解释了观测到的发病率模式上叠加的噪声。最近，一种基于与内部噪声共振机制的随机理论将随机性的作用推向了中心舞台，该理论表明发病率数据中发现的主要动态模式可解释为共振波动，其行为在很大程度上独立于季节性强迫的幅度，相比之下对基本流行病学参数非常敏感。在此，我们进一步阐述该方法，加入了标准流行病模型中缺失的一个要素，即感染可能传播的“混合网络”。我们发现空间相关性对增强共振随机波动的幅度和相干性具有重大影响，从而提供了复发性流行病的有序模式，其周期可能与确定性平衡点附近的小振荡周期显著不同。我们还表明，即使在随机混合极限下，采用更现实的、时间相关的恢复剖面代替指数分布的传染期，也可能有助于产生同样的效果。