COVID-19 疫情中的熵动力学
种群与进化
2020-07-09 v1 物理与社会
定量方法
摘要
随着 COVID-19 大流行的展开，疫情的数学建模已被视为并用作理解、预测和治理该大流行事件的核心要素。然而，很快便清楚长期预测极具挑战性。此外，尚不清楚应使用何种度量来全局描述疫情演变。然而，对大流动态的稳健建模以及传播度量的一致选择，对于深入理解宏观现象学和更明智的缓解策略至关重要。在本研究中，我们提出了一个马尔可夫随机框架，旨在描述 COVID-19 大流行期间熵和瞬时再生数的演变。然后我们引入并使用基于熵的全局传播度量来衡量大流行事件的影响和时间演变。在模型表述中，疫情的时间演变由统计平均个体的非线性马尔可夫过程的主方程建模，从而得到清晰的物理解释。我们还提供了用于校准的完整贝叶斯反演方案。熵率的时间演变、系统熵的绝对变化以及瞬时再生数是该框架自然且透明的输出。该框架具有可应用于任何区室传染病模型的吸引人特性。作为示例，我们将所提方法应用于易感-暴露-感染-移除（SEIR）模型的一个简单修正。将模型应用于湖北地区、韩国、意大利、西班牙、德国和法国的 COVID-19 数据集，我们发现熵的绝对变化存在显著差异，但熵演变和瞬时再生数均呈现高度规律的趋势。
引用
@article{arxiv.2007.04136,
title = {The dynamics of entropy in the COVID-19 outbreaks},
author = {Ziqi Wang and Marco Broccardo and Arnaud Mignan and Didier Sornette},
journal= {arXiv preprint arXiv:2007.04136},
year = {2020}
}