漏失链接：大城市流行病期间评估不完整数据的接触者追踪

接触者追踪（Contact tracing, CT）在控制新发传染病的早期传播中起着关键作用。然而，关于信息缺失——如未被追踪的病例或未被通知的接触者——对CT有效性的定量影响仍不充分地被理解。我们构建了一个基于流行病学模型的随机智能体模型，模拟了不同形式的信息损失如何影响流行病传播动力学。我们基于两种类型（感染者遗漏（infector-omission, IO）和接触遗漏（contact-omission, CO））构建信息损失场景，包括选择性遗漏（SCO）和均匀遗漏（UCO）场景；IO对应于在追踪过程中遗漏受感染个体（节点），导致其所有运动轨迹和下游传播链路丢失，而CO对应于遗漏特定接触事件（边），即使识别出受感染个体，其部分传播链路仍未被检测或通知。不同遗漏类型的对流行病动力学的灵敏度差异显著：IO场景在传播结构和流行病结果上表现出显著且突变性的变化，而CO场景产生更渐进的影响。在两种场景中，这些影响的大小在不同城市之间都有所不同，人口较少的城市（Busan）对信息损失的容忍度高于最大城市（Seoul），这凸显了在CT策略中进行区域性定制的重要性。IO和CO场景都会导致传输网络直径随信息损失的增加而增大，这表明较小的网络直径反映了有效的接触者追踪，从而限制了传播链的深度。