[论文解读] Absence of epidemic thresholds in a growing adaptive network

Güven Demirel, Thilo Groß|arXiv (Cornell University)|Sep 12, 2012

Complex Network Analysis Techniques参考文献 52被引用 9

一句话总结

本文研究了一类在增长自适应网络上的SIR流行病模型，其中新节点倾向于连接到高阶节点，且感染节点会被移除。尽管度分布从无标度转变为指数分布（方差有限），该模型仍表现出无流行病阈值的特性，导致即使传染性较低的疾病也能因网络的持续适应而长期持续存在。

ABSTRACT

The structure of social contact networks strongly influences the dynamics of epidemic diseases. In particular the scale-free structure of real-world social networks allows unlikely diseases with low infection rates to spread and become endemic. However, in particular for potentially fatal diseases, also the impact of the disease on the social structure cannot be neglected, leading to a complex interplay. Here, we consider the growth of a network by preferential attachment from which nodes are simultaneously removed due to an SIR epidemic. We show that increased infectiousness increases the prevalence of the disease and simultaneously causes a transition from scale-free to exponential topology. Although a transition to a degree distribution with finite variance takes place, the network still exhibits no epidemic threshold in the thermodynamic limit. We illustrate these results using agent-based simulations and analytically tractable approximation schemes.

研究动机与目标

• 研究流行病动力学如何与自适应网络中的网络增长和节点移除相互作用。
• 确定从无标度到指数拓扑的转变是否消除流行病阈值。
• 分析优先连接机制与疾病诱导的节点移除在塑造长期流行病持续性中的作用。
• 探讨人口过程（如迁移和死亡率）在现实城市环境中对流行病阈值的影响。

提出的方法

• 通过优先连接机制建模网络增长，即新节点以与其度成正比的概率连接到现有节点。
• 同时整合SIR流行病动力学与疾病诱导的节点移除（移除率r）。
• 使用基于代理的模拟研究完整的非平衡动力学，尤其关注高移除率情况。
• 应用矩闭合近似方法，从理论上探索低移除率下的稳态行为。
• 追踪度分布及其方差随时间的演化，以评估拓扑转变过程。
• 分析在热力学极限下，疾病流行度与网络结构之间的相互作用。

实验结果

研究问题

• RQ1 在增长自适应网络中，当度分布从无标度转变为指数分布时，是否消除了流行病阈值？
• RQ2 优先连接与疾病诱导的节点移除相结合，如何影响低传染性疾病的长期持续性？
• RQ3 在高移除率下会涌现出何种动力学模式？这些模式是否表明存在持续的流行病周期？
• RQ4 即使度分布具有有限方差，网络的自适应拓扑是否仍能维持地方性流行病状态？

主要发现

• 尽管度分布从无标度转变为指数分布（方差有限），在热力学极限下仍不存在流行病阈值。
• 即使传染性极低的疾病也能因持续的网络适应而无限期持续，这种适应维持了足够的连通性。
• 在高移除率下，系统表现出类似同宿的动态行为，呈现人口增长与崩溃的周期，导致反复爆发流行病。
• 矩闭合近似无法捕捉高移除率下的动力学，后者表现为尖锐的流行病爆发，而非稳定的稳态。
• 该模型揭示，诸如迁移和死亡率等人口过程可在不依赖行为反馈的情况下维持流行病的持续存在。
• 观察到的无流行病阈值现象在指数网络中依然存在，挑战了传统上认为有限方差与阈值存在之间存在关联的观点。