[论文解读] Modifying the Network-Based Stochastic SEIR Model to Account for Quarantine

Chris Groendyke, Adam Combs|arXiv (Cornell University)|Aug 3, 2020

COVID-19 epidemiological studies参考文献 47被引用 6

一句话总结

本文提出了一种改进的基于网络的随机SEIR模型，通过动态调整接触网络来模拟流行期间的隔离和无症状传播。通过引入时变网络结构和无症状感染率，该模型表明，感染期持续时间和传播率是影响流行严重程度的最关键因素，有效基本再生数和感染峰值规模对这些参数高度敏感。

ABSTRACT

In this article, we present a modification to the network-based stochastic SEIR epidemic model which allows for modifications to the underlying contact network to account for the effects of quarantine. We also discuss the changes needed to the model to incorporate situations where some proportion of the individuals who are infected remain asymptomatic throughout the course of the disease. Using a generic network model where every potential contact exists with the same common probability, we conduct a simulation study in which we vary four key model parameters (transmission rate, probability of remaining asymptomatic, and the mean lengths of time spent in the Exposed and Infectious disease states) and examine the resulting impacts on various metrics of epidemic severity, including the effective reproduction number. We find that the mean length of time spent in the Infectious state and the transmission rate are the most important model parameters, while the mean length of time spent in the Exposed state and the probability of remaining asymptomatic are less important.

研究动机与目标

• 开发一种动态的基于网络的随机SEIR模型，以反映因隔离或自我隔离导致的接触模式变化。
• 纳入一部分感染者在整个感染期间保持无症状的可能性。
• 在现实的网络环境中评估流行病指标对关键传播和持续时间参数的敏感性。
• 为SARS-CoV-2动力学提供比传统平均场SEIR模型更准确的建模框架。
• 实现对封闭小规模人群（如养老院或游轮）中防控策略的模拟。

提出的方法

• 模型使用吉尔伯特-爱德华兹-雷尼（GER）随机网络表示初始接触模式，其中每个潜在接触以固定概率存在。
• 在出现症状后，感染者被转移至隔离状态，从而减少其在网络中的活跃接触数。
• 模型区分症状感染者与无症状感染者，后者保持正常的接触率。
• 采用随机模拟框架来跟踪网络中个体的疾病进展，根据传播概率和状态持续时间分布更新状态（S→E→I→R）。
• 在每个时间步动态更新网络结构，以反映隔离个体的连接性降低。
• 从模拟输出中计算关键指标，如有效基本再生数、感染峰值规模、流行持续时间及压力天数。

实验结果

研究问题

• RQ1 在基于网络的SEIR模型中纳入隔离措施如何影响疾病传播动力学？
• RQ2 潜伏期和感染期的平均持续时间在多大程度上影响流行严重程度？
• RQ3 保持无症状的概率如何影响整体传播模式和流行病指标？
• RQ4 关键流行病结果对传播率和网络结构变化的敏感性如何？
• RQ5 在决定有效基本再生数和对医疗系统负担的峰值方面，不同模型参数的相对重要性如何？

主要发现

• 感染期持续时间对流行严重程度具有最大影响，较长的感染期会导致更高的感染峰值和更长的流行持续时间。
• 传播率是第二重要的参数，较高的传播率会显著提高有效基本再生数和总体攻击率。
• 潜伏期的平均持续时间对流行病指标的影响相对较小，表明症状出现延迟的重要性低于感染期长度。
• 保持无症状的概率对大多数流行病结果影响较弱，表明未被发现的传播不如传染性持续时间的影响显著。
• 在流行开始和结束时，有效基本再生数对感染期和传播率变化最为敏感。
• 最大感染人数和压力天数等指标对感染期长度高度敏感，凸显其在医疗系统规划中的重要性。