[论文解读] Modelling epidemic dynamics under collective decision making

Mengbin Ye, Lorenzo Zino+2 more|arXiv (Cornell University)|Aug 5, 2020

COVID-19 epidemiological studies参考文献 35被引用 5

一句话总结

本文提出了一种简洁的演化博弈论模型，用于捕捉流行病期间的个体决策行为，整合了政策干预、社会经济成本、感知风险以及社会影响。研究发现，社会影响会加速保护性行为的采纳与拒绝，且分阶段的非药物干预措施对于长期根除至关重要，尤其是在初期疫情控制后进行精心管理时。

ABSTRACT

During the course of an epidemic, individuals constantly make decisions on how to fight against epidemic spreading. Collectively, these individual decisions are critical to the global outcome of the epidemic, especially when no pharmaceutical interventions are available. However, existing epidemic models lack the ability to capture this complex decision-making process, which is shaped by an interplay of factors including government-mandated policy interventions, expected socio-economic costs, perceived infection risks and social influences. Here, we introduce a novel parsimonious model, grounded in evolutionary game theory, able to capture decision-making dynamics over heterogeneous time scales. Using real data, we analyse three case studies in the spreading of gonorrhoea, the 1918--19 Spanish flu and COVID-19. Behavioural factors shaping the course of the epidemic are intelligibly mapped onto a minimal set of model parameters, and their interplay gives rise to characteristic phenomena, such as sustained periodic outbreaks, multiple epidemic waves, or a successful eradication of the disease. Our model enables a direct assessment of the epidemiological and socio-economic impact of different policy interventions implemented to combat epidemic outbreaks. Besides the common-sense finding that stringent non-pharmaceutical interventions are essential to taming the initial phases of the outbreak, the duration of such interventions and the way they are phased out are key for an eradication in the medium-to-long term. Surprisingly, our findings reveal that social influence is a double-edged sword in the control of epidemics, helping strengthen collective adoption of self-protective behaviours during the early stages of the epidemic, but then accelerating their rejection upon lifting of non-pharmaceutical containment interventions.

研究动机与目标

• 填补现有流行病模型中未能捕捉个体决策在流行病期间相互作用的空白。
• 理解行为因素（如感知感染风险、社会经济成本、政策干预和社会影响）如何影响流行病轨迹。
• 开发一种最小参数模型，将行为动态映射到可观测的流行病现象（如多波次爆发或根除）。
• 评估不同政策干预策略（尤其是非药物干预）的流行病学与社会经济影响。
• 评估干预措施逐步退出的长期后果，特别是社会影响在维持或破坏保护性行为中的作用。

提出的方法

• 该模型基于演化博弈论，将个体决策建模为基于感知成本与收益的战略选择，以采纳保护性行为。
• 模型引入了异质的时间尺度用于决策，以实现对流行病状况变化与政策调整的动态响应。
• 模型整合了四个关键因素：政府强制干预、预期社会经济成本、感知感染风险以及来自同伴的社会影响。
• 利用三次真实流行病（淋病、1918–1919年西班牙流感、COVID-19）的数据，对模型的行为参数进行了校准与验证。
• 通过模拟集体行为随时间的转变，模型生成了典型的流行病模式，如周期性爆发与多波次爆发。
• 开展了敏感性分析与情景分析，以评估干预持续时间与退出策略对长期流行病控制的影响。

实验结果

研究问题

• RQ1 受感知风险、社会经济成本与社会影响影响的个体决策，如何共同塑造流行病动力学？
• RQ2 社会影响在流行病干预期间及之后，对保护性行为的采纳与后续拒绝起何种作用？
• RQ3 非药物干预措施的时机与持续时间如何影响长期疾病根除的可能性？
• RQ4 最小参数模型能否捕捉多波次爆发或持续周期性爆发等复杂流行病现象？
• RQ5 不同干预措施逐步退出策略的流行病学与社会经济权衡是什么？

主要发现

• 该模型通过捕捉动态行为转变，成功再现了多波次爆发与持续周期性爆发等复杂流行病模式。
• 社会影响具有双面性：它加速了保护性行为的早期采纳，但也加速了干预措施取消后的行为拒绝。
• 严格的非药物干预对于控制初始爆发阶段至关重要，但其持续时间与退出策略对长期根除具有决定性影响。
• 模型表明，若干预措施退出时机不当或过于突然，即使感染水平较低，也可能因行为迅速衰退而导致疫情卷土重来。
• 行为因素的相互作用可能导致成功根除或持续传播，具体取决于政策干预与公众行为动态的匹配程度。