[论文解读] Controlling contagious processes on temporal networks via adaptive rewiring

Belik Vitaly, Alexander Fengler+3 more|arXiv (Cornell University)|Sep 14, 2015

COVID-19 epidemiological studies被引用 5

一句话总结

本文提出一种自适应重连策略，通过在检测到感染节点后将其隔离，以控制时序网络中的复发性传染过程，显著扩展了流行病消亡的参数范围。在德国猪只贸易网络上的应用表明，该方法可减少流行病持续时间，尤其当检测时间在30天传染期内的7–10天内时效果显著，显示出控制效果在不同初始感染节点和检测时机下存在强烈异质性。

ABSTRACT

We consider recurrent contagious processes on a time-varying network. As a control procedure to mitigate the epidemic, we propose an adaptive rewiring mechanism for temporary isolation of infected nodes upon their detection. As a case study, we investigate the network of pig trade in Germany. Based on extensive numerical simulations for a wide range of parameters, we demonstrate that the adaptation mechanism leads to a significant extension of the parameter range, for which most of the index nodes (origins of the epidemic) lead to vanishing epidemics. Furthermore the performance of adaptation is very heterogeneous with respect to the index node. We quantify the success of the proposed adaptation scheme in dependence on the infectious period and the detection time. To support our findings we propose a mean-field analytical description of the problem.

研究动机与目标

• 为解决时变网络中流行病过程缺乏控制策略的问题，特别是针对具有动态接触结构的网络。
• 探究自适应重连（即在检测后临时隔离感染节点）是否能有效减轻现实时序网络中的流行病传播。
• 评估该非靶向、基于检测的控制机制在不同传染期和检测延迟下的有效性。
• 量化网络异质性及节点特异性爆发动态对控制成功率的影响。
• 建立并验证一个平均场分析模型，以解释观测到的流行病阈值和控制效率。

提出的方法

• 本研究在德国猪只贸易的时序网络上建立确定性SIS型流行病过程模型，其中节点代表农业场所，边代表每日的贸易事件。
• 感染节点在延迟δ后被检测到，随后其所有出边被重连以实现临时隔离，模拟有效隔离。
• 自适应重连机制对所有检测到的感染节点统一应用，不针对特定高连接度节点。
• 通过广泛数值模拟评估该方法在不同检测时间δ和传染期κ下的表现。
• 推导出一个平均场分析模型，基于描述易感、感染和移除节点动态的常微分方程组，近似流行病阈值和地方性流行水平。
• 该模型将检测延迟δ作为时间尺度参数μ = 1/δ，推导出独立于κ的流行病阈值条件αδ > 1。

实验结果

研究问题

• RQ1 在具有复发性爆发的时序网络中，检测后的自适应重连如何影响流行病消亡的概率？
• RQ2 对于不同的传染期κ，最优检测时间δ为何值时可使流行病控制效果最大化？
• RQ3 在存在网络可达性异质性的前提下，控制效果如何随初始感染节点的不同而变化？
• RQ4 流行病内在时间尺度（κ）与检测延迟（δ）之间的相互作用在多大程度上影响控制结果？
• RQ5 平均场近似能否准确预测模拟中观测到的流行病阈值和控制效率？

主要发现

• 自适应重连显著扩展了大多数初始节点导致流行病消亡的参数范围，尤其当传染期为30天时，检测时间在7–10天内效果最为显著。
• 当检测时间δ小于10天时，控制机制最为有效，对于κ ≈ 30天的传染期，控制效果在7–10天范围内达到峰值。
• 由于网络可达性差异，控制效果在不同初始节点间表现出高度异质性，部分节点即使在自适应策略下仍会导致地方性流行。
• 平均场模型正确预测了独立于传染期κ的流行病阈值条件αδ > 1，尽管其在模拟中低估了κ相关的阈值。
• 对于长传染期（κ > 60天），控制效率趋于饱和，表明超过某一临界点后，更快检测带来的收益递减。
• 模型表明，在自适应策略下地方性流行水平降低，其效率γ取决于α、ν和μ = 1/δ，在δ = κ（未自适应情况）的极限下趋近于标准SIS结果。