IJCAIJun, 2021

聚合异质数据的流行病学建模的差异

PDF
TL;DR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。
epidemiological modelingbayesian inferencedata generationtransmission ratepopulation dynamics
发现论文，激发创造
  • 利用潜在亚群建模和预测 COVID-19 病例

    该研究提出了两种新的模型方法来预测 COVID-19 感染人数，分别为基于字典的方法和可拟合曲线的混合方法，通过子人群的线性组合进行建模，对 187 个国家的数据进行了实证研究，发现该字典方法在预测中表现最优。

    Feb, 2023

  • 宿主活动停留时间的异质性及空间流行病传播

    本文采用异质性逗留时间的总种群方法来模拟空间结构人群中的疾病动力学，结果表明，长度波动较大的逗留时间将对全球疫情入侵的阈值条件产生重要影响，并显示出重要的公共卫生意义。

    Jul, 2012

  • 基于数据同化的新型冠状病毒疫情流行病学建模方法

    我们提出了一种流行病学模型，它可以通过变分数据同化实时地整合新数据，用于预测和评估全球隔离措施的社会和经济成本，并分析和讨论中国、美国和意大利的感染率，尤其是我们开发了一个适用于中国城市疫情相关变量的定制隔室 SIR 模型，称为 SITR 模型，并应用混合数据同化方法使结果鲁棒性更强。

    Apr, 2020

  • SIR-Hawkes：将流行病模型与 Hawkes 过程联系起来，以模拟有限人口中的扩散

    研究了在线信息传播建模的统计工具，发现在 Hawkes 模型中，扩展事件的频率与 SIR 模型中的新感染率相同，并导出了 HawkesN 的级联大小分布。

    Nov, 2017

  • 人类网络中的疫情传播

    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

  • 复杂网络上的流行病过程

    本论文对流行病传播的理论分析进行了全面的综述，重点阐述了流行病学建模的共性和差异性，并探讨了复杂网络中的扩散和演化问题。

    Aug, 2014

  • 异质社会系统中疾病传播的因果推断

    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

  • 罪案和安全数据中多源聚类的建模与估计

    本文探讨了犯罪事件和安全事件数据的聚类机制，通过使用 Hawkes 过程和背景速率为高斯 Cox 进程的滤波算法，对芝加哥的财产犯罪数据、北爱尔兰和以色列的恐怖袭击数据以及伊拉克的平民伤亡数据进行了分析，量化了传染程度与独立历史相关性水平之间的不确定性。

    Nov, 2013

  • 基于时变 SIRD、粒子群优化和深度学习的流行病建模

    我们开发了一种涵盖流行病建模、粒子群优化和深度学习的混合模型，用于处理非平稳模式和流行病的多个波动，并在全部三个数据集上超越了现有方法。

    Jan, 2024

  • 多尺度移动网络与传染病大规模传播

    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