[论文解读] Pandemic modeling and the renormalization group equations: Effect of contact matrices, fixed points and nonspecific vaccine waning

Michael McGuigan|arXiv (Cornell University)|Aug 3, 2020

COVID-19 epidemiological studies参考文献 21被引用 5

一句话总结

本文通过将流行病学中的分 compartment SIRD 模型与高能物理中的重整化群（RG）方程进行类比，揭示了两者在数学结构上的共通性，如流图、固定点以及通过接触矩阵实现的算符混合。该研究将这些类比应用于年龄组混合、国际传播以及非特异性疫苗（免疫力随时间衰减）的影响建模，发现在 10 万人口模型中，使用非特异性疫苗可使总死亡人数从 1,509 例降至 1,369 例，即减少 13%，尤其在年轻群体中效果更显著，因其免疫力衰减更慢。

ABSTRACT

In this paper we find common features between the equations that are used for pandemic or epidemic modeling and the renormalization group equations that are used in high energy physics. Some of these features include the relation of contact matrices in pandemic modeling and operator mixing in the renormalization group equations. Another common feature are the use of flow diagrams and the study of fixed points both in pandemic modeling and in evolution under renormalization group equations. We illustrate these relations through the study of some cases of interest to the current COVID-19 pandemic. These include pandemic modeling with mixing between different age groups and also contact matrices associated with contact between countries. For the final example we study the effect on mortality of waning from nonspecific vaccines which are designed to combat different pathogens but nevertheless may lessen the severity and mortality of COVID-19 infections.

研究动机与目标

• 识别流行病分 compartment 模型与高能物理中重整化群（RG）方程之间的共同数学结构。
• 应用 RG 技术（如流图与固定点分析）于流行病建模，以增进对传播动态的理解。
• 建模非特异性疫苗（免疫力随时间衰减）对不同年龄组及国际传播中死亡率的影响。
• 研究通过年龄组与国家间接触矩阵对流行病传播的影响，采用 RG 启发的框架。
• 评估在不同传播率（β）下，死亡率预测的参数敏感性与不确定性。

提出的方法

• 使用包含微分方程的 SIRD 分 compartment 模型，模拟感染、康复与死亡动态，整合年龄特异与国家特异的接触矩阵。
• 应用重整化群概念（如尺度演化、固定点、算符混合），将人口分组之间的转换解释为类似于量子场论中耦合常数演化的类比。
• 通过降低死亡率（μ）来建模非特异性疫苗效应，不改变感染率，其免疫力衰减以时间依赖的效力下降形式建模。
• 在 Mathematica/MATLAB 中进行数值模拟，求解具有不同 β（传播率）、初始条件与疫苗参数的 SIRD 方程。
• 通过流图与感染及死亡人数的时间序列曲线可视化结果，对比有无非特异性疫苗的情景。
• 通过将 β 增减 ±10% 分析对 β 的敏感性，评估死亡率预测中的不确定性。

实验结果

研究问题

• RQ1 流行病建模中的接触矩阵如何对应于重整化群方程中的算符混合？
• RQ2 能否利用 RG 方程中的固定点分析来识别流行病模型中的平衡态？
• RQ3 包含免疫力随时间衰减的非特异性疫苗对不同年龄组的死亡率有何影响？
• RQ4 当使用接触矩阵建模时，国家间传播动态对流行病传播有何影响？
• RQ5 死亡率预测对传播率 β 的不确定性有多敏感？

主要发现

• 在 10 万人口模型中，加入非特异性疫苗后，总人口死亡人数从 1,509 例降至 1,369 例，减少 13%。
• 年轻年龄组（0–49 岁）死亡人数的相对减少比例更大（从 158 例降至 86 例），因其疫苗免疫力衰减更慢。
• 年长年龄组（50 岁以上）的绝对减少量较小（从 1,351 例降至 1,283 例），因其基础死亡率更高且疫苗效力衰减更快。
• 每日感染人数在使用非特异性疫苗后保持不变，证实该疫苗不阻止感染，仅降低疾病严重程度与死亡率。
• β 增加 10% 使有疫苗与无疫苗情景下的死亡率均约上升 5%，表明死亡率预测对传播率不确定性敏感。
• 该模型表明，RG 启发的技术（如流图与固定点分析）可有效应用于流行病建模，以识别稳定平衡态与传播趋势。