[论文解读] Reactive Social distancing in a SIR model of epidemics such as COVID-19

Rose Baker|arXiv (Cornell University)|Mar 18, 2020

COVID-19 epidemiological studies参考文献 1被引用 12

一句话总结

本文在SIR框架内提出了一种反应式社交距离模型，其中感染率随感染比例上升而下降，通过Hill函数建模。推导了最终疫情规模和感染峰值比例的解析解，表明极端反应式社交距离可最小化感染人数，同时延长疫情持续时间，为疫情规划者提供了平衡COVID-19等大流行病健康与经济影响的工具。

ABSTRACT

A model of reactive social distancing in epidemics is proposed, in which the infection rate changes with the number infected. The final-size equation for the total number that the epidemic will infect can be derived analytically, as can the peak infection proportion. This model could assist planners during for example the COVID-19 pandemic.

研究动机与目标

• 建模自我组织或政府强制的社交距离如何根据感染水平上升而降低传播率。
• 推导在该类反应行为下最终疫情规模和感染峰值比例的解析表达式。
• 为规划者提供一个可处理的模型，以估算疫情结果并指导COVID-19等疫情爆发期间的政策决策。
• 表明反应式社交距离可防止放松措施后的疫情反弹，而固定接触率减少模型则不能。

提出的方法

• 将恒定传播率β替换为β(t) = β / (1 + γi(t))，使接触率与感染比例成反比。
• 使用Hill型函数建模反馈机制，确保解析可解性，同时捕捉现实中的行为响应。
• 通过消除时间变量，将感染动态表示为易感者s的函数，推导出i(s)的微分方程。
• 使用标准方法（包括齐次解与特解）求解所得常微分方程，边界条件设为s=1, i=0。
• 通过令i(∞) = 0推导最终规模方程，得到关于s∞的非线性方程，使用牛顿-拉夫森法数值求解。
• 通过令di/ds = 0并求解所得非线性系统，找到感染峰值比例，得出s_max和i_max的闭式表达式。

实验结果

研究问题

• RQ1 反应式社交距离——即接触率随感染水平上升而下降——如何影响SIR模型中的最终疫情规模？
• RQ2 能否为该反馈机制下的感染峰值比例和最终规模推导出解析表达式？
• RQ3 当社交距离变得极端反应式（γ → ∞）时，疫情的极限行为是什么？
• RQ4 与固定减少模型相比，该模型在社交距离解除后防止疫情反弹方面表现如何？
• RQ5 是否存在一种最优的反应式社交距离水平，可在最小化感染人数的同时平衡经济与医疗系统压力？

主要发现

• 最终规模方程推导为s∞^(γ/R₀) = [1/γ + s∞/(1 - γ/R₀)] / [1/γ + 1/(1 - γ/R₀)]，可通过数值方法求解s∞。
• 当γ → ∞时，未感染比例趋近于1/R₀，即群体免疫的理论最小值。
• 感染峰值比例i_max的表达式为i_max = (R₀/γ) × [ (1 - γ/R₀ + γ)/R₀ ]^(1/(1 - γ/R₀)) - 1/γ。
• 当γ = R₀时，解简化为i(s) = (s - 1)/R₀ - s ln s，与通解的极限一致。
• 当γ → 0时，s_max → 1/R₀且i_max → 0，恢复标准SIR模型的行为。
• 在感染峰值处，有效基本再生数R₀ / (1 + γ i_max) → 1（当γ → ∞时），表明疫情在峰值时仅勉强维持。