文摘

这项研究估计风险传播的后果,比如COVID-19,使用network-agent动力学。鉴于几个场景,network-agent模型提供了重要的见解感染风险使用模型驱动的方法来相互联系的干预措施。仿真结果表明,利用与治理结构与进化个体相互作用参数指导下测试可以帮助抑制疫情主治能力水平低于标准。此外,设置保护水平的宏观尺度和个人交互的微尺度的缩小,社会距离的影响疾病传播率是反映在模型。此外,该参数可以确定反映最好的可行的场景。这些发现COVID-19流行相关政策中相互关联的干预措施降低风险传播的社会经济成本。

1。介绍

大流行传染病,传播后指数增长的一般原则(1]。因此,每个代理是感染,传播风险至少翻倍。最初,虽然情况下增加缓慢,整个人口可以在几天内感染2]。Socioeconomically COVID-19(即。,a systemic risk) has wreaked catastrophic global damage since early 2020. The impact has driven fundamental social changes across the globe [3]。了解这些影响发生和更好的识别它们,它们的基本性质和结构被广泛研究[4]。

当整个人口是负面影响,系统性的治疗和干预的失败必然会发生(5]。大量研究关注这方面的生物学、金融、医学等等。因为各种风险传播不同,整个的任何风险程度必须well-gauged有效地减轻它。因此,使用合适的方法进展(6]。最近的研究提供了清晰的风险现象(建议观察到的变化7]。理想的情况是,尽管风险是不可变的,他们是缓解和抑制各种干预措施的应用8,9]。详细说明这个论点,我们考虑几个国家使用的常见的干预。

1.1。封锁

许多研究把重点放在了COVID-19[的社会经济影响10]。大数据被用来测量传播模式(即百分比变化。、社区流动)[11]。因此,某些国家实施检疫,减少传输∼90%。别人关闭边境建立全国性的封锁(12]。然而,许多这些封锁部分放松,后来取消了之前的风险被完全控制。流动性恢复正常在许多地方,和风险降低是降级到个人选择13]。一些国家没有实施封锁,他们的流动性仍减少出于类似的原因。学校、咖啡馆、餐馆和商店保持开放,以避免破坏经济(14),全职政策建议。然而,公民自愿减少10 - 20%的流动从全球基准。

这引发了质疑最好的场景。国家实施严格的封锁和经历了巨大的社会经济损失恢复现在展览近正常模式。相反,一些国家实施严格的封锁看到巨大的减少社会经济地位和尚未恢复15]。一些国家没有严格的限制,他们仍然遭受极大。其他国家采用各种反应基于其强大的社会经济地位和表现更好,这意味着他们现在也基本上恢复了正常16]。

1.2。群体免疫

另一个策略表明群体免疫可以获得对大流行,首先导致指数感染率平,紧随其后的是一个稳定的下降(17]。不幸的是,群体免疫不适用,在一些场景中,病菌或病毒发生变异,导致新的传染性病毒。我们在本文进一步研究这个问题18]。理论上群体免疫保护相当数量的弱势群体从疾病(例如,儿童)17,18,表面上看,它应该允许全球经济重新开放安全;一些人认为它最终将导致大流行。然而,通往群体免疫包括重大障碍,专家建议可能需要数年时间才能实现。

广泛的感染和疫苗(19)是两个科学方法达到群体免疫力。专家估计,全世界只有不到5%的人感染COVID-19 [20.]。达到群体免疫,这个数字要60 - 70%。为此,必须超过40亿人感染。这将导致数千万人死亡,数百万成为重病(19]。这将破坏全球经济。此外,它是完全不必要的。此外,并不能保证一个广泛的感染会导致根除。我们没有很多例子探讨完整的自然条件引起的免疫力,因为人口继续增加指数(21]。因此,所有新后代仍容易受到感染。

1.3。疫苗

免疫专家建议一个更有效的方法是通过接种疫苗(22]。这就是科学家(几乎)根除天花。因为疫苗的儿童死亡率显著下降了几十年了。专家COVID-19可能没有足够的信息来预测的可能性达到群体免疫(23),有相当大的障碍,实现这一目标。即使有疫苗,科学家们确定自然免疫力可能持续多久的22]。6个月的免疫力有很大区别,保护了10 +年。其他已知的呼吸道病毒(如流感),抗体会削弱。科学家已经观察到在COVID-19病人康复;因此,目前尚不清楚多久COVID-19疫苗仍将有效,和有效性的时期将在几个月或几年,而不是测量寿命(23]。另一个挑战是,并不是所有的疫苗以同样的方式(即工作。新COVID变体),它们的有效性将不同24]。

随着全球病例激增,一些专家感到乐观25]。根据最近的疫苗接种报告(26),据估计,感染者的数量可以减少如果接种率足够快,尽管每个疫苗的功效。科学家已经证明,繁殖指数是不固定的,是不断完善通过检查过去的经验(即。、中东呼吸综合症(即)。这类似于当前COVID-19突变。生殖指数很有可能重复一个递增/递减模式,包括感染后接种疫苗(27]。因此,健康专家继续推荐实施适当的干预措施和措施在相互关联的宏观和微尺度来减缓传播(24,27]。因此,有必要继续严格控制(26]。更重要的是,个人倾向于保持安全距离从他人和剩余的孤立有更好的生存机会25]。

1.4。多嘴的声明

尽管上述假设可以帮助实现anticontagion性能,详细调查COVID-19仍然是必要的(28]。未来需要结合大型存储库的数据预测轨迹提供现实的选项(29日]。因此,计算机个性化模型可以作为一个基本工具,结合实际情况与模拟(30.]。结果可以被视为一个样本子集的社交网络(31日]。例如,如果一个似是而非的底层网络和其代理人动力学模型被发现,我们可以推断出这接触可能会创建一个传播途径(32]。的确,附近的个体之间的沟通通常比远程连接更频繁,从而为病毒传播提供有效路径,观察到在小世界网络。此外,和串行算法的机制,巩固我们对风险的理解传播网络代理必须评估(33)来帮助我们确定共同的理由整合知识和策略。我们可以达成一致的定义和调和的方法采用多个字段为一个跨学科研究的系统性风险。

1.5。目的

本研究的目的是分析风险传播的潜在后果,因为病原体在调节感染扮演不可或缺的角色。特别是,通过加入详细的宏观尺度(与)和微尺度(进化)现实世界的网络机制(见材料与方法部分)(34),深刻的信息可以获得network-agent模拟估计参数范围从一个扩展为易感疾病模型,暴露,感染,可恢复(西)模拟。这种结合方法的优点是它的灵活性。因此,我们扩展某些典型的疾病模型的结果(例如,种群动态)到更现实的模拟(例如,基于主体动力),充分考虑这些潜在后果假设大多数人会遵循一个可靠的长期策略。

1.6。价值

流感大流行的风险是一个重要的问题在许多国家,和他们在各个领域被广泛的研究35,36因为没有具体疗法许可用于治疗疾病(37]。了解潜在的风险,我们建议通过适当干预当代动态模型研究。一些结果考虑感染风险之间的直接关系和干预的水平降低。,一个显著的机会出现时,我们可以生产减轻策略来改变整个人口的系统性风险。

2。材料和方法

风险是系统互连的属性,它可以描述系统的不稳定,这是造成或加剧了特殊事件,导致一个潜在的灾难(38]。特别是,理解风险和连接模式是一个关键元素的框架如何相互通信(39]。因此,有人建议,战略决策过程可以用来探索网络代理之间的交互作用的影响(40),了解人工系统的架构从网络属性的角度来看(41,42]。在本文中,我们开发一个模型,这些流程参照COVID-19大流行及其传播。以下模型规范建立在基于个体模型的系统性风险发展战略确定保护投资对级联故障,最初由Ulf Dieckmann开发和分析一起Chulwook公园国际应用系统分析研究所(IIASA),奥地利。

2.1。网络属性

许多实证小世界网络图形建模(例如,Facebook和维基百科)43]。有个人(节点)和邻居每个节点表示链接的数量,其中一些可以重塑。从本质上讲,他们可以被附加到遥远的邻居模型广域连接(44]。的小世界方面我们的网络模型允许一套相对有效的链接,不需要许多分散的资源保持连接(见补充材料我基本的网络属性的更多细节)。这代表一个范围的度分布(随机←⟶定期)(图1)。例如,我们可以推断出从结构支持随着感染途径的社会联系。自然,附近的人通常更频繁的交往比远程连接,提供有效的病毒传播路线,所描述的一个小世界网络。典型的节点之间的连接和本地中心可以显著;然而,这不是明显高。因此,我们可以形成网络属性来帮助集中我们的分析。

2.2。运行机制

操作网络具有小世界出现和顶点之间的关系(节点)和边缘(行)。因此,获得一种机制(表1和2)

任何节点( )可以与任何其他节点。因为节点的集合的概率影响连接( ),我们的模型进行网络连接的分布(即。度的概率)。此外,网络重新布线( )会有不可预知的影响与个人关系,因为这允许多样化的风险(即不同的方法。、流动和迁移)。这是由于节点相互影响以同样的方式作为原始策略和分布式安全(例如,公司,银行,食物网,供应链,和细菌)。

2.3。个人财产

观察传播过程,相应的network-agent演化动力学(45模型使用一个数组(向量)代表感染的概率,[∈(0,1)],与给定组影响节点(≤1j≤N)、用( )。每个节点可以坚持两种状态之一:未感染或感染。所有节点最初没有感染。

矩阵不再代表了邻接矩阵( )。它继续被贴上行和列1和0的值;关键的区别是显示每个节点的状态的可能性(1 =感染;0 =没有感染)基于时间步(见图2)。

2.4。Immunodynamics病毒抗体

与基本模型特点,我们规定一个基本水平的风险(即。感染,瀑布)取决于的共存和节点。在这些动力学,代理人与每个节点和特点是其免疫和战略(战略价值和通过社会学习和发展战略勘查;参见(vi)更多的细节)。对于每一个时间步,每个代理接收到一个单位的免疫力,这是添加到代理的免疫能力, ,的分数和分别用于维护和保护。因此,价值更新的能力 。

2.5。易感动力学(基本传输速率随着个人感染数量的一个人)

病毒感染可能可以产生在每个节点的概率, ,它可以用一个概率传播沿每个链接, ,在每个时间步。这个比率反映了传输速率( ),这是个体的平均数量感染易感人群的一个人。当这个值大于一个(例如, ),这意味着一个个人传播疾病或病毒感染两人(即, ),和病毒传播成倍增长。然而,如果这个比率小于1(即, ),新感染的人数减少(例如, )。

来匹配这个上下文传播机制,让我们表示的数量和分数没有代理和 ,分别考虑两个连续的步骤和 。假设,在时间 ,有和失败,没有失败的节点,分别。因此,没有失败的节点的数量 是 ,和失败的节点的数量 。在这里,平均保护之间的概率不是失败的节点。上面显示的价值关系是一个递减函数的 。为= 1(即。,full protection), there will be no failed agents. We modified the propagation probability, ,因为需要更换 。这个方程隐式导致 。

这种速度让我们知道感染传播的速度从一个个体( )到下一个(即。,the basic reproduction number: COVID-19 is estimated to be between 2 and 4). Thus, we apply this rate to COVID-19 and embed these potential infections that become infections with a probability of ,根据代理的投资保护。因此,一个可能的选择

在这里,表示指定的最大保护。表示一个引用(在单位的分配 :简化了保护概率 ),和代表了一个进化的保护水平乘以更新后的免疫能力。感染持续时间步(默认),导致的损失一个代理的免疫能力。对于那些策略,每个代理选择根据启发式的保护水平: 截短的间隔 :

初始化的战略价值,向量化的两个数组添加: 在哪里表示向量化的指定策略( )。 代表了向量化的指定战略( )从图(乘以特征向量中心 ),这表明代理的中心节点,规范化的间隔 :

特征向量中心( )为节点我是( ),在矩阵和特征值表示网络吗 。

2.6。战略动力学(作为社会互动)

战略价值,和 ,通过社会学习和发展策略探索,反映出个人交互期间COVID-19如下:在每个时间步,每个代理作为榜样的概率随机选择另一个 和模仿,代理的策略值的概率, 在哪里的概率表示模仿的榜样被接受,代表焦个体的免疫能力,表示个体的免疫能力的作用,“经验”表示指数,和表示选择的强度(< 1 =弱的选择, =强大的选择)。焦点附近个人模仿角色个体的策略,比较其新的免疫(大=大免疫能力差;小=小免疫能力差)。然后,焦个体选择模仿角色个体的策略(见表3(代码书)机制的细节)。

此外,在每个时间步,每个代理的概率 随机选择的两个策略值,改变正态分布增加零均值和标准差 在哪里表示个体免疫力,代表的意思是(位置),表示方差(平方规模)(见表4(代码书)的详细机制)。

2.7。复苏动力(隔离检疫的延迟)

鉴于经济复苏,在这种情况下,是指恢复个人的分数有免疫力,这个函数(或感染)持续一个时间步和结果在一个代理的损失按照重置病毒感染免疫的潜力: 在哪里 表示随机选择的个体有一定概率( )和任何个人的潜在传染性( ),这是根据一定的概率选择趋于零。在每个时间步,所有失败的代理将会恢复。

默认情况下,这个回收率由重置每次潜在传染性实现 时间的步骤。同时,控制干预,我们允许时间步骤的数目是由另一个参数控制( ),代表社会距离的延迟,感染的隔离、检疫(直到恢复)的恢复时间延迟。这些macrovariables的参数化( )和microvariables ( )旨在提供洞察从病毒中复苏的更现实的条件和更复杂的恢复机制。

3所示。绩效评估(包括解释的结果)

3.1。假设Network-Agent动态的疾病(西)动态

首先,我们假设一个潜在风险(病毒)所代表的COVID-19基本生殖号码( )(46]network-agent动态的感染数量( )。流行病学项可以从新的后代的平均数量所产生的每个个人和反映了传输速率的影响( )。不同的表达,目前受感染的人数在地区和新感染的比例。高价值意味着它很容易传播,和较低的值表示反抗。这里的关键假设是,每个人都敏感;没有人被排除在外。

有三种基本的场景感染( ),匹配的繁殖数量( )。它可以小于1,这意味着新病例的数量随着时间将减少;它也可以等于1,这意味着案件数量随时间是稳定的;也可以是大于1,这意味着感染是自我维持的,除非实施控制措施。当潜在传染性( )受到这种模型的机制= 1,一个个人传播疾病的另一个地方。这些人会传染给其他人在pessimistic-case场景中或在一个乐观情况的场景。因此,感染数量保持稳定。如果潜在传染性或繁殖数量小于1, 。因此,随着时间的推移,病例数将减少,由没有感染的情况下,这是最理想的结果。当潜在传染性或繁殖数量大于一个( ),保护= 0.1。因此,当每个人感染另一个(多个)和新感染者(不止一个),然后传染他人感染数量的增加呈指数(见图3)。

对潜在模拟(图3),人口将N我们已经应用到韩国(2019;5164万);结果被表示为分数的人口(45]。在每一刻,人口总共分为四个类别,添加1 (年代=敏感,E=暴露,我=感染,R=恢复(或死亡),受疾病模型),这表明分数的人口发展如下: 在参数可用于受感染的速度每天个人感染或不感染以固定参数。例如,COVID-19情况( )反映了估计时间的影响超过18天47]。的参数代表的那些暴露在病毒感染;此外,它被认为是一个固定的参数( )反映了估计潜伏期。因此,COVID-19 4天的潜伏期在韩国48]。在这里,传输速度,类似于传染性潜在的定义吗 在network-agent模拟。人感染,一小部分年代/N是敏感的。因此,转变发生在接触。参数管理的感染率随时间变化(见补充材料II西珥模型机制的更多细节)。

3.2。第1部分:与规模效应与重新布线

基于上述前提,保护可以实现动态传播病毒。network-agent动态模型允许代理成本高昂的投资保护。我们假设风险是潜在传染性的概率 ; 当感染持续时间步。

图4提出了不同的观察与参数化的宏观参数( )作为主要保护变量的创建矩阵网络(=特征向量中心)。观察到的模式的四个参数化提供不同的基于时间序列的进化模式。对于小连接(低←连接 )个体,一个弱传播模式是观察到的中心是广泛分布,并有很强的联系,而不是广泛的链接(高←连接 )被观察到,在中心紧密分布。此外,我们看到,当保护厚度,一个强大的政权出现的足够程度的免疫力产生对称模式之间的中心和保护水平和保护不力没有。结果提供见解可能模式可用人为指定的参数有可能是保护性因素对病毒扩散。

3.3。实施重组

即使在观察到的场景匹配的疾病模型,我们提出的危机可能加剧的重连概率nonrevolutionary量表( ),感染造成的额外成本(即。、流动和移民)。我们确定干预提供了相关值和传播条件的宏观尺度( )为每个节点。这一观点使我们获得一种内部传播系统的性质不同。这种类型的感染是有限的连接,是由于监管。换句话说,还有另一个速度继续增加保护政权层叠感染原因,即使个人继续投资他们的潜力。

图5代表个人,不同在他们的潜在的接触率( ),假设的低利率重新布线越脆弱的同时与他们之间的交互行为反应公众与干预措施。这表明传染性不同个人即使在团体中,由于人口的非均匀特征。我们还表明,个人可以改变,因为他们接受能力,或大规模干预的可用性( )这似乎防止传播。

此外,节点控制的重组似乎维持他们的潜力只有他们可以避免失去保护, 。我们扩展这个观察到的过程不改变(即属性。,实现平稳性)。因此,他们既不增加也不腐烂,和过程收敛于一个固定的概率(见补充材料稳定性的数学机理III)。

在稳定性方面,我们看到不同层次的保护电位之间的参数( )(图6)。因此,为了减少额外损失的后果,弱连接和重新布线可能倾向于潜在的损害( )从个体感染,但它可能保证战略可能是大破产数量的个人成为保险连接器(见补充材料4更详细的数学机制)。

3.4。第2部分:进化规模效应与复苏

受COVID-19的启发,发现了与规模效应的基本繁殖数量( ),我们现在network-agent分析表征。这是确定另外一个策略可能会影响感染趋势,通过文化进化(即发展。社会学习和探索)。我们开始这个模拟假设环境保护(高 )和温和的中心( );然而,代理(不)有足够的机会与其他策略( )与值( )反映进化微尺度相匹配的社会距离( )疾病的模型。模仿和探索概率导致不同的保护级别, ,根据病毒感染机制:

参数设置假设不同的值 和 不能动态,导致一个给定的保护水平。因此,即使我们组高保护宏观尺度,每个代理(不)会选择另一个作为一个榜样和模仿,代理商的战略价值(免疫力)在每一个时间步的应用函数( )。此外,每个代理(很少)可以改变其战略价值,因为没有机会去探索另一种。

数据7和8进化表明针对不同网络感染不同的策略。对于大多数实际网络,仿真结果使用模仿和探索参数,非线性扩张。致密化表明,现有的结构会抑制出现在下一个时间步。参数之间的证据表明,感染发生在非常早期的阶段,表明扩散可以通过个体之间的相互作用被夸大了。因此,社会学习的概率可能是另一个关键因素导致小说趋势对社会经济地位有重大影响(参见下面的数学机制的更多细节)。

3.4.1。进化的数学机制微尺度参数的效果

现在让我们考虑后面的数值的洞察力观察了解进化的微尺度参数的结果可以解释。我们假设应用模型是获得最直接的网络算法,包括n输入和输出,n是数据集的特性(即的数量。、进化参数)。通过网络传递数据的过程被定义为传播,进行系统性风险(病毒)如下。

为输入,把输入值与潜在的和和增加的值。相对应的潜在机制的模型是由相互作用的强度(模仿和探索)保护个人之间,它用于确定影响的程度,将分配给输入个人的输出。如果潜在的有一个更高的价值比潜力 ,输入将会有更重要的影响输出比吗 。

行向量的输入和潜力= ( ),= ( ),分别给出了他们的产品

因此,总和等于向量的乘积和 :

接下来,让我们添加一个风险(病毒)增加价值的总和,我们称之为表达式 。风险(也称为偏移量)是必要的向左或向右移动整个激活函数来生成所需的输出值。

然后,我们通过的价值非线性函数作为个体的我们观察到非线性输出,这是网络应用功能。此外,输出有一个显著的影响在网络的传播速度,网络属性有一个角色( )他们的基本机制,是在这里定义的 在哪里表示函数,输出后我们获得投影称为预测价值 。这个逻辑包含一个算法计算电位变化的速度。变化的速度的平方计算实际的区别( )和预测( )值,这对整个数据集,计算平均。

找到最好的潜力和风险对我们的模型,我们需要决定如何基于势函数的变化和风险。这是变化的速度的帮助下实现。在我们的例子中,我们需要确定函数的变化率的潜力和风险。我们计算函数的变化率潜在的使用偏微分法。因为函数( )不可能直接相关 ,我们用链式法则(概率)

确定以下三个利率的变化 ,我们计算函数的变化率(C)相关的预测价值(ŷ)。

也就是说,当=实际向量和=预测向量,方程

现在,我们找到的变化率预测价值z。

为简化,

的变化率z的重量是

因为等于 ,它产生

因此,我们得到

这里的风险是在概念上认为有一个恒定的输入值为1。因此,

最后,我们优化的最佳元素从一组可用的替代方案,这在我们的例子中,是最好的选择潜力和风险。让我们选择变化率下降作为优化算法,这改变了潜在风险,它正比于消极的C函数的变化率,对相应的潜在的或风险。率(α)是一个hyperparameter用来控制潜在的变化和风险。潜力( )和风险( )更新如下,变化的速度重复直到我们实现平稳性(发散或收敛)。

我们建议这个数学机制背后的模拟是一个基本的概念来获得所有类型的结果拟合模型(有一些修改)。尽管对数扩张我们的小世界网络,如果我们探索接触个人或熟人网络,网络的地图创建传播与他们的邻居之间的联系数值对应的解释。

3.5。实施复苏

评估过程是使宏观尺度(如机构竞争和中央干预)的观察,和微尺度(例如,个人行为和相对增益)评估同时获得。解决中央干预社会距离和隔离方法仿真,证实了我们扩展模型以适应一个复苏的估计(微级个体免疫力恢复)和恢复延迟(宏观的干预延迟),从而获得更详细的见解网络结构。

模拟显示在图中9意味着病毒扩散可能会加剧由恢复和恢复时间延迟(图10),导致一个重要的社会成本。我们也观察到,立即或延迟时间干预(如社会距离,隔离,隔离)与微观和宏观尺度传播标准在每一个节点。节点控制 似乎失去了保护的能力,尽管他们强烈的保护水平( )。因此,感染是不限于保护或策略(=恢复个人)。然而,随着时间的推移速率是受监管(=时间延迟),由于感染的传播。结果有直接恢复(图在左边)似乎有可能防止感染传播。相反,结果与故障(在右边设置情节)没有这种潜力,即使个人保持免疫能力。

3.6。符合Network-Agent动态(进化的微尺度效应)疾病人口动态

我们建议的价值取决于三个因素。首先是传染性的疾病的持续时间。多长时间可以被感染的个体( )导致感染其他人呢?答案不是简单的因为这个值不同。传染性似乎天生基因与个人相关,这取决于国家的保护,个人潜在的(感染)。在不同阶段,影响个人了不同数量的传染性的潜力。二是感染感染和易感个体之间的概率。这取决于类型的接触和传播的方法。因此,复制号码( )会有所不同,占病毒传播和有限的传播风险。第三是个体的平均速率交互控制的社会互动( )感染和易感个体之间。这个变量取决于类型的结构、交互、社会活动,等等,个人参与。

前两个因素影响与宏观尺度特征(即、政权、治理和监督),由系统的中心。第三是影响进化的微尺度特征,活动,如干预(即。,社会距离)扮演了一个重要的角色49]。在图11我们参数化率允许一个初始段强烈的干预措施(即应用程序。社会距离= )紧随其后的是一个放松的措施,使社会经济活动恢复: 因此,

在这里, 表示的初始值 ,代表病毒的传播在其初始阶段。的参数为 表明的长期价值收敛。因此,最终,收敛于 。获得一个u型的模式 ,我们做功能和急剧下滑一个缓慢上升的函数。的参数控制的速度感染 。的参数控制的速度增加对 。对于每个仿真,我们得到不同的结果,它允许我们提供减轻尺度参数。

我们进行仿真来获取图像如图11。从模拟,我们可以检测各种干预措施(即的影响。,distancing and social learning) on the number of cases and how they change over time. Thus, we have states of infection, absence of infection, and recovery, in a free-for-all attempted intervention (i.e., quarantine, moderate distancing, and extensive distancing).

4所示。讨论

拟议的感染概率模型创建运行许多模拟时间步的基础上在整个网络病毒传播风险,最终提供最终数量的感染。结果表明,个体影响时高度与网络(49]。因此,感染的概率是由连接数和节点的重新布线的规范在宏观的比例。这些观点背后的基本原理是,摘要代理人更容易受到感染比低的耦合度,从而增加潜在的级联(50]。

从这些观察中,我们试图找出稳定传播率。在这方面,我们知道有延迟请求和接收测试,获得疾病的结果,并将结果发送给卫生当局(51]。我们有一个变量 反映了潜在的感染在指定的人口。与此同时,在每个试验变量不是常数,由于干预,(不)由()相关的试验52]。在我们的结果,这一趋势是在模型中观察到的(非)进化的宏/微尺度参数。然而,他们的影响不相同的加权(53]。干预应用于风险潜在的可以持续短暂,我们可以把这作为病毒感染。因此,减少潜在的影响( ),互联和直接干预倾向于确定的潜在损害个人感染保证策略从损失中恢复保险连接器是可能的(54]。

受以上提供的合理的场景,我们集中在进化参数( )有更多的个性化的视角与时间的步骤。结果产量的重要洞察力弱中央政权允许大量的个体之间的相互作用不应推荐(55在当前的模型。此外,我们应该从现存的主要潜力转变,规范,程序会导致小说趋势(图有重大影响12)。

证据表明,严格限制个人运动扩散的关键,感染发生在早期阶段(见图8)。因此,个人交互(例如,社会距离)概率和利率是至关重要的因素,导致违反预期和新颖的趋势产生重大影响56]。以下的观察,我们可以假设,成功的结果需要一种微妙的平衡在这些基本组件(宏观和微尺度)。个人和组织可能会发现他们在减少感知价值病毒风险潜在的遵循这个建议。虽然对于其他网络结构方面仍存在许多问题,治理方案和内容随时间演变和互动和新的COVID变异,资源应该用来帮助评估潜在的潜力。的观察我们的模拟可能导致有益的网络结构和连接支持的联合治理[57]。

这个解释有助于估计国家如何解决大流行通过连接governmental-individual水平的努力。例如,一些国家迅速回应[首发病例45]。他们推出了一个“测试、跟踪和追踪(3 t)”方法,快速的测试套件的大规模生产,并设置免下车窗口步行测试中心(即。强劲的宏观尺度参数),24小时内提供结果。他们测试了许多人(即每天。,∼20,000), globally the highest at that time [58]。在早期的情况下,当局试图跟踪每个人遇到感染者和测试他们阻止病毒的蔓延。那些被证实正被要求自愿隔离(弱微尺度相互作用)和下载应用程序,提醒当局如果他们离开他们的家。附近的人(即受感染的个人也收到警报。从政府、电话)。这种测试方法允许政府避免一个全国性的封锁;然而,大型的公共集会被禁止,学校被关闭。

在宏观尺度,所有进入该国的移民应该被隔离(即。两周)。这么做的国家包含病毒的早期传播(59]。所有积极的测试,因此,政府应该测试和跟踪所有联系人打破传播链。此外,国家应该准备接触者追踪措施。法律应该适应允许政府收集患者数据和安全录像暴发期间增加他们的大规模干预60]。在微尺度,所有的步骤都应该被记录和共享,提醒人们避免感染之路(即。,减少连接)的数量。网站和私人应用编译这个信息让每个人都能看到,被感染的人或被当。公民应该积极检查,避免感染的地区。这种微级自愿的努力将是非常有用的在控制传播。追踪人们的运动通常被认为是有争议的;然而,政府应该优先考虑公共安全/隐私暴发期间(61年]。

这样的努力将使国家快速和有效地测试成千上万的人,从而使其更容易包含病毒。通过这样做,积极锁定可以避免。此外,它会主动帮助爆发平曲线的陡峭的水平。目前,世界上已经在流行一个角落;然而,我们必须继续做好准备。水平的警惕已经让一些国家与众不同62年),通过这种方式,展示了广泛的测试的好处(63年]。更多的测试是必需的,但积极的策略可能很难实现更大的国家的人口。

5。结论

传染病和持久性模式不应被视为有因果关系;相反,他们应被视为由互联性(64年]。可能是由于宏观和微尺度参数(65年]。延迟响应时间会增加传播风险,这可能会允许广泛的感染,从而导致减少网络(社会)福利。治理和个人不当行为(例如,低估或高估的情况),有时,许多网络延伸,从而增加了风险66年]。鉴于进化机制实现在这个仿真模型与真实的疾病模型,我们常常观察进化反应得到合理的保护电位的临界值(67年]。虽然结构有很高的潜在传染性的病毒风险,互联macroscale-microscale干预措施成为弱放大器保护增加(68年]。

据世界卫生组织(2020),COVID-19流行和相关的经济危机带来了巨大的全球和地方的挑战。健康、社会和经济影响影响人口;然而,它尤其不利于弱势社会群体,包括贫困人口,老年人,残疾人,原住民。流行病和经济危机产生不成比例的影响这些弱势群体,可以触发恶化的不平等和贫困。全球危机需要利益相关者的协调,一个全球性的解决方案,当地实现有效的社会经济和公共卫生政策,和团结69年]。这个想法是同时饿死病毒通过检疫、无处不在的社会距离,并限制旅行。关键因素是同步的反应(70年]。在一个典型的大流行,当一个国家达到顶峰,另一个可能是首次观测情况下(甚至变异)。而不是领导人回应自己辖区内发生了什么,世界应该被视为一个巨大的互联系统。如果协调得当,全球努力很快就会结束这样的大流行,从而确保减少人员伤亡。然而,除非完全根除病毒,这是极不可能的,传播风险将持续71年]。

因此,寻找大流行的全球应对策略是关键。突破症状也会使病毒的治疗和预防的危险要低得多,同时要求更少的极端控制措施(72年]。最终,突破,社会服务和系统开发可用于一个更好的未来。

数据可用性

使用的数据来支持本研究的结果都包含在这篇文章。

伦理批准

本研究经当地伦理委员会批准(SNUIRB号1509/002 - 002),符合道德标准的1964年赫尔辛基宣言》(合作机构培训行动计划、报告ID 20481572)。

同意

所有的参与者在研究提供书面知情同意。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者希望感谢Ake Brannstrom在国际应用系统分析研究所(奥地利),Henrik Sjodin Umea大学公共卫生和临床医学(瑞典),和Seung Ki门敏统计物理学釜庆国立大学(韩国)为他们的富有成果的讨论在本文的发展。这项研究受到了基础科学研究项目通过韩国国家研究基金会由教育部资助(批准号2020 r1l1a1a01056967)(π:Chulwook公园)。这项工作也支持国际合作项目框架下由韩国国家研究基金会(批准号2021 k2a9a1a0110218711)(π:Chulwook公园)。

补充材料

补充文件包括模型机制和参数计算。(我)数学基础网络属性的机制。(2)西珥模型机制。(3)稳定性的数学机理。(IV)的数学机制与宏观尺度参数的影响。补充材料(补充材料)