时间异质性增加演化网络上的流行病流行率

实证研究表明，接触模式遵循异质性的间隔时间，即高活动期之后是静止期。结合个体的出生和死亡，这些时间约束以非平凡的方式影响感染的传播，并且依赖于特定的接触动态。我们提出了一个随机模型来生成时间网络，其中顶点按照异质性的间隔时间进行瞬时接触，并以固定速率离开和进入系统。我们通过模拟与网络结构共同演化的感染（SIR、SI和SIS）来研究这些时间特性如何影响感染的流行率，并估计R0（继发感染数）。我们发现，与同质场景相比，异质性接触模式在SIR模型上导致更早且更大的流行病。在SI和SIS情况下，异质性模式在早期阶段（流行率高达90%）传播更快，随后在渐近极限中减慢。在存在出生和死亡的情况下，与具有相同平均间隔时间的同质场景相比，异质性模式总是导致更高的流行率。我们的结果表明，如果在流行病建模中不考虑时间异质性，R0可能被低估。