用递归延迟方法研究 Covid-19 的病程
种群与进化
2021-03-01 v2 物理与社会
摘要
在早前论文中我们提出了一种用于流行病的递归模型；本文中我们将该模型推广以纳入无症状或未记录症状的人群，我们称之为暗人群（暗部门）。我们称之为 SEPAR 模型。添加了模型的延迟微分方程版本；它允许与其他模型更好地比较。我们通过与经典 SIR 模型比较来进行此工作，并指出为何我们相信 SEPAR 模型对 Covid-19 可能比其他方法更有效。论文第二部分我们解释如何处理 JHU 提供的数据，特别解释如何从数据推导核心模型参数。其他参数，如暗部门的大小，较难获取，必须更粗略地估计，最好通过可获取的、然而仅少数国家有的代表性血清学研究结果。我们以拥有此类数据的瑞士开始国家研究。然后将模型应用于其他一些国家的集合：三个欧洲国家（德国、法国、瑞典），来自其他三个大陆的三个疫情最严重国家（美国、巴西、印度）。最后我们展示甚至聚合的世界数据也能由我们的方法很好表示。文末我们讨论模型的使用。或许最引人注目的应用是它允许对人们被送往隔离或医院前时间长短的影响进行定量分析。这表明采取手段缩短该时间是 flatten the curves（压平曲线）的有力工具。
引用
@article{arxiv.2101.08660,
title = {Studying the course of Covid-19 by a recursive delay approach},
author = {Matthias Kreck and Erhard Scholz},
journal= {arXiv preprint arXiv:2101.08660},
year = {2021}
}
备注
66 pages, 67 figures Changes in v2:Correction of formulas pp. 5, 6, 7, 20, general case of dark model, p_c \neq p_d included, tautological model for eta_7 added