宿主活动停留时间的异质性及空间流行病传播
本文研究人类移动性在感染病毒建模中的重要性，并通过分析 29 个国家的移动数据和构建重力模型，以及将短程通勤流纳入全球疫情结构化流行病模型中，证明通勤流的引入会影响到疫情在近距离群体中的传播，但对全球模式的影响相对较小。
Jul, 2009
通过新提出的潜在影响点过程模型 (Latent Influence Point Process，LIPP) 来量化传染病在人口密集地区的内部动态对事件发生的反馈（触发区域性爆发疫情的前期病例存在的可能性），并研究了昆士兰州 15 年的登革热病例，发现爆发主要由州间全局扩散所驱动，而密集地区的疫情受到前期流行病的缓慢而持续的反馈，而边缘区域的疫情则受到快速但不稳定的反馈。该模型揭示了不同组之间的直接和间接扩散过程以及基于接触和向量传播疾病的概率因果关系。
Jan, 2018
通过分析美国纸币的流通，我们发现人类旅行遵从 Levy 飞行的规律，可以通过一个双参数连续时间随机漫步模型进行数学描述，并证明人类在地理尺度上的旅行是一个具有二重性的超扩散过程。
May, 2006
我们引入了一种新方法，通过引入移动性变量来抓住群体的异质性，从而将传统的 ODE 系统转化为一组描述不同部分的人群密度动力学的积分 - 微分方程。我们的结果表明，对于相同的基本传播数，基于移动性的模型相对于传统的分隔模型，其人群密度在我们的基于密度的框架中被表示为 Dirac delta 函数，能够预测出更小的最终流行病规模，从而解决了许多经典模型常见的高估问题。此外，我们证明了感染人口的时间序列足以唯一确定移动性分布。我们使用基于机器学习的框架重建了这种分布，为有效地利用真实世界数据来限制基于移动性的模型提供了理论和算法支持。
Jun, 2024
本研究通过结合多个不同参数的 SEIR 模型的流行病曲线，生成了三个复杂的流行病情景，并考察了流行病学参数估计的目前现状和局限性，结果表明忽略数据生成过程中的复杂性和异质性会掩盖底层地理和人口特定的流行病动态。
Jun, 2021
本文提出一种 SIS 模型的改进版，将警惕性引入该模型，得到了一个连续时间马尔可夫过程，并且证明了该模型的传播具有两个明显的阈值。实验进一步证明了，警惕性可以被视为控制流行病的一种策略，对从传染病缓解到减少恶意软件影响的多个应用领域具有潜在的发掘价值。
Jul, 2011
本研究提出了一种基于 metapopulation 的两步方法来预测疾病传播，第一步使用 D^2PRI 网络推理模型来推理出潜在的传染病感染网络，第二步使用扩展的 SIR 模型进行传播预测和爆发模拟，证明该方法在网络推理、感染预测和爆发模拟方面表现出优越性。
Jun, 2018