本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
大多數流行病傳播模型，包括許多專為 COVID-19 設計的模型，都隱含地假設社交網路是無向的，即只要發生接觸，感染就有可能向任一方向傳播。特別是，這一假設意味著最有可能傳播該疾病的個人也最有可能從其他人那裡感染該疾病。在這裡，我們回顧了隨機有向圖理論的結果，該理論表明，許多重要的量，包括再生數和流行病規模，敏感地依賴於入度和出度（「風險」和「傳播」）的聯合分佈，包括它們的異質性和它們之間的相關性。透過考慮各種類型的聯合分佈，我們闡明了為什麼某些類型的異質性會導致偏離 SIR 模型的標準 Kermack-McKendrick 分析，即所謂的質量作用模型，其中接觸是均勻且隨機的，而有些則不然。我們也表明，一些由不同類型的個體（年齡或活動）之間的複雜接觸模式告知的結構化 SIR 模型只是泊松過程的混合，並且往往不會顯著偏離最簡單的群體行動模型。最後，我們指出了這種定向結構的一些可能的政策影響，包括接觸者追蹤策略和旨在防止超級傳播事件的干預措施。特別是，有向網路具有經典「友誼悖論」的前向和後向版本——前向連結往往會導致高風險個體，而後向連結會導致高傳播個體——因此，需要結合前向和後向接觸者追蹤來發現超級傳播事件並防止未來的級聯感染。