[论文解读] Pairwise approximation for SIR type network epidemics with non-Markovian recovery

Gergely Röst, Zsolt Vizi+1 more|arXiv (Cornell University)|May 10, 2016

Mathematical and Theoretical Epidemiology and Ecology Models被引用 6

一句话总结

本文针对具有非马氏恢复时间的网络SIR型流行病，提出了一种广义成对近似模型，利用积分微分方程追踪感染年龄和连接状态。严格证明了最终流行病规模和成对基本再生数的函数形式，扩展了已知的指数分布、固定分布、伽马分布和均匀分布恢复时间的结果。

ABSTRACT

We present the generalised mean-field and pairwise models for non-Markovian epidemics on networks with arbitrary recovery time distributions. First we consider a hyperbolic system, where the population of infective nodes and links are structured by age since infection. By solving the partial differential equations, the model is transformed into a system of integro-differential equations, which is analysed both from a mathematical and numerical point of view. We analytically study the asymptotic behaviour of the generalised model and provide a rigorous mathematical proof of the conjecture on the functional form of the final epidemic size and pairwise reproduction number. As an illustration of the applicability of the general model we recover known results for the exponentially distributed and fixed recovery time cases and obtain new pairwise models with gamma and uniformly distributed infectious period. The general framework that we proposed shows a more complete picture of the impact of non-Markovian recovery on network epidemics.

研究动机与目标

• 将网络SIR流行病的成对模型和平均场模型扩展至非马氏恢复时间，突破标准的无记忆恢复假设。
• 构建基于节点和连接处感染年龄的双曲型系统，实现对任意恢复时间分布的精确建模。
• 在非马氏设定下，解析推导并严格证明最终流行病规模和成对基本再生数的函数形式。
• 通过恢复已知的指数分布和固定恢复时间结果，并推导伽马分布和均匀分布的新模型，展示模型的适用性。
• 提供一个全面的框架，揭示非马氏恢复对网络人群中流行病动力学的完整影响。

提出的方法

• 构建一个双曲型偏微分方程系统，追踪按感染以来时间分组的感染节点和S-I连接的密度。
• 通过在感染年龄上积分，将PDE系统转化为积分微分方程系统，引入恢复时间分布的生存函数和风险函数。
• 应用常数变易公式和数学归纳法，推导出在一般恢复分布下感染个体数的显式解。
• 采用基于配点的数值格式并结合求积近似，求解所得的非线性积分微分方程。
• 使用具有任意恢复时间生成能力的基于事件的随机模拟算法验证模型。
• 通过涉及生存函数和传播率的隐式关系推导最终流行病规模，支持解析与数值分析。

实验结果

研究问题

• RQ1 在具有非马氏恢复时间的网络化SIR模型中，最终流行病规模如何依赖于恢复时间的分布？
• RQ2 在任意恢复时间分布存在的情况下，成对基本再生数的函数形式是什么？
• RQ3 标准成对模型能否推广以容纳非马氏恢复，同时保持解析可解性？
• RQ4 不同的恢复时间分布——指数分布、固定分布、伽马分布、均匀分布——如何影响流行病阈值和最终规模？
• RQ5 从非马氏恢复的年龄结构建模中，所出现的积分微分系统的数学结构是什么？

主要发现

• 本文严格证明了非马氏SIR流行病在网络中最终流行病规模的猜想函数形式。
• 表明成对基本再生数依赖于恢复时间分布的生存函数，推广了马氏情形的结果。
• 模型成功恢复了指数分布和固定恢复时间的已知结果，证实与既有文献的一致性。
• 推导出伽马分布和均匀分布传染期的新成对模型，扩展了该框架的适用范围。
• 基于配点法与求积近似的数值模拟成功求解了非线性积分微分系统，验证了模型的计算可行性。
• 分析确认了解的正性，并建立了依赖于恢复时间分布的明确定义的流行病阈值。