[论文解读] A framework for epidemic spreading in multiplex networks of metapopulations

David Soriano‐Paños, Laura Lotero+2 more|arXiv (Cornell University)|Feb 12, 2018

COVID-19 epidemiological studiesMathematics参考文献 51被引用 21

一句话总结

本文提出一种多层网络框架，用于建模具有异质性、周期性移动模式的元人口中的流行病传播。通过将不同代理群体（例如社会经济群体）表示为多层网络中的层，作者推导出可解析处理的马尔可夫方程，能够准确预测流行病阈值和时空动态，其结果在包括哥伦比亚麦德林在内的合成网络和现实世界网络中均通过蒙特卡洛模拟得到验证。

ABSTRACT

We propose a theoretical framework for the study of epidemics in structured metapopulations, with heterogeneous agents, subjected to recurrent mobility patterns. We propose to represent the heterogeneity in the composition of the metapopulations as layers in a multiplex network, where nodes would correspond to geographical areas and layers account for the mobility patterns of agents of the same class. We analyze both the classical Susceptible-Infected-Susceptible and the Susceptible-Infected-Removed epidemic models within this framework, and compare macroscopic and microscopic indicators of the spreading process with extensive Monte Carlo simulations. Our results are in excellent agreement with the simulations. We also derive an exact expression of the epidemic threshold on this general framework revealing a non-trivial dependence on the mobility parameter. Finally, we use this new formalism to address the spread of diseases in real cities, specifically in the city of Medellin, Colombia, whose population is divided into six socio-economic classes, each one identified with a layer in this multiplex formalism.

研究动机与目标

• 开发一个通用的理论框架，用于建模具有异质性、周期性移动模式的结构化元人口中的流行病传播。
• 克服传统元人口模型中均场近似和随机扩散假设的局限性。
• 利用多层网络形式化，将现实的、群体特定的移动模式（例如每日通勤）纳入流行病建模。
• 推导出可解析处理的流行病动力学方程（SIS 和 SIR），以捕捉宏观和微观传播模式。
• 通过广泛的蒙特卡洛模拟对框架进行验证，并将其应用于一个真实世界案例研究（哥伦比亚麦德林）

提出的方法

• 将元人口表示为多层网络，其中节点为地理区域，各层对应具有独特移动模式的不同代理群体。
• 建模移动-互动-返回（MIR）过程：代理根据群体特定的起点-终点矩阵在区域间移动，在充分混合的区域中局部互动，并返回至其原居区域。
• 为每一层（单层情况）的 SIS 和 SIR 动力学制定马尔可夫演化方程，捕捉随时间演化的感染概率。
• 通过构建一个结合各层间移动性、本地人口规模和感染动力学的超矩阵 M，将单层方程推广至多层元人口。
• 将流行病阈值表示为超矩阵 M 的最大特征值的倒数，从而实现对疫情爆发时机的解析预测。
• 通过将解析预测与合成 ER 网络和无标度网络以及麦德林真实移动数据集的模拟结果进行比较，对框架进行验证

实验结果

研究问题

• RQ1 在元人口中，群体特定移动模式的引入如何影响流行病阈值？
• RQ2 多层网络框架能否准确捕捉具有周期性移动的结构化群体中的宏观与微观流行病动态？
• RQ3 在具有异质性移动模式和人口构成的多层元人口中，流行病阈值的解析表达式是什么？
• RQ4 不同移动层之间的相互作用如何与单一层相比影响整体流行病风险？
• RQ5 所提出的马尔可夫形式化在流行病风险评估中在多大程度上可以替代计算成本高昂的蒙特卡洛模拟？

主要发现

• 所提出的多层元人口框架在宏观和微观层面均能准确再现流行病动态，包括疫情爆发，其解析预测与蒙特卡洛模拟结果高度一致。
• 流行病阈值由编码了各层间移动模式、本地人口规模和感染动力学的超矩阵 M 的最大特征值决定，揭示了对移动参数的非平凡依赖关系。
• 该框架揭示了在完整多层结构中存在一种流行病抑制现象——整体流行病风险低于单一层，表明层间相互作用可抑制疾病传播。
• 对于哥伦比亚麦德林的真实案例，该模型成功捕捉了不同社会经济群体间移动模式的差异，表明完整多层结构导致与单一层不同的流行病结果。
• 该解析框架可在无需依赖模拟的情况下高效计算流行病阈值，为风险评估和政策测试提供时间节省的替代方案。
• 所推导的马尔可夫方程具有通用性，未来可扩展至更复杂的移动模式和更精细的流行病模型。