[论文解读] Scaling in the global spreading patterns of pandemic Influenza A (H1N1) and the role of control: empirical statistics and modeling

Xiao-Pu Han, Bing-Hong Wang+3 more|arXiv (Cornell University)|Dec 8, 2009

COVID-19 epidemiological studies参考文献 48被引用 3

一句话总结

本文提出了一种控制感知模型，利用汇总数据解释全球大流行传播中的缩放规律——齐夫定律和希普斯定律，而无需依赖详细的病毒学或接触网络数据。结果表明，针对高流量地区的控制措施可延迟全球传播，而本地传播爆发后，本地防控措施变得至关重要，为公共卫生决策提供了实用策略。

ABSTRACT

Background: The pandemic of influenza A (H1N1) is a serious on-going global public crisis. Understanding its spreading dynamics is of fundamental importance for both public health and scientific researches. Recent studies have focused mainly on evaluation and prediction of on-going spreading, which strongly depends on detailed information about the structure of social contacts, human traveling patterns and biological activity of virus, etc. Methodology/Principal Findings: In this work we analyzed the distributions of confirmed cases of influenza A (H1N1) in different levels and find the Zipf's law and Heaps' law. Similar scaling properties were also observed for severe acute respiratory syndrome (SARS) and bird cases of H5N1. We also found a hierarchical spreading pattern from countries with larger population and GDP to countries with smaller ones. We proposed a model that considers generic control effects on both the local growth and transregional transmission, without the need of the above mentioned detailed information. We studied in detail the impact of control effects and heterogeneity on the spreading dynamics in the model and showed that they are responsible for the scaling and hierarchical spreading properties observed in empirical data. Conclusions/Significance: Our analysis and modeling showed that although strict control measures for interregional travelers could delay the outbreak in the regions without local cases, the focus should be turned to local prevention after the outbreak of local cases. Target control on a few regions with the largest number of active interregional travelers can efficiently prevent the spreading. This work provided not only a deeper understanding of the generic mechanisms underlying the spread of infectious diseases, but also some practical guidelines for decision makers to adopt suitable control strategies.

研究动机与目标

• 理解全球大流行传播中的普遍缩放模式，独立于病毒特异性生物学细节。
• 识别控制措施（尤其是旅行限制和本地干预）在塑造观察到的传播动态中的作用。
• 构建一个最小化模型，再现经验性缩放规律，而无需依赖详细的接触或移动数据。
• 通过将控制策略与可观察的传播模式关联，为公共卫生政策提供可操作的见解。
• 揭示从高GDP、高人口国家向较小国家的层级传播模式，并通过控制机制解释其成因。

提出的方法

• 通过归一化的齐夫图对各国累计病例分布进行经验分析，检测幂律缩放。
• 应用希普斯定律量化随时间推移新受影响国家数量的增长，观察到次线性缩放。
• 提出一种具有两种控制机制的随机模型：本地抑制（降低本地传播率）和区域间控制（降低通过高流量节点的传播）。
• 引入一种异质网络结构，其中节点代表国家，边权重反映区域间旅行强度。
• 将控制效果建模为传播率的时间依赖性降低，对旅行量更高的节点影响更强。
• 通过数值模拟验证，在现实控制情景下，该模型可再现观察到的齐夫定律和希普斯定律。

实验结果

研究问题

• RQ1 齐夫定律和希普斯定律是否在不同大流行（如H1N1、SARS、H5N1）中同样出现，表明其具有普遍动力学特征？
• RQ2 边境检查和旅行限制等控制措施如何影响大流行传播中缩放规律的出现？
• RQ3 一个不依赖详细生物学或接触数据的最小化模型能否再现观察到的全球传播模式？
• RQ4 控制高流量地区与控制本地传播相比，对延迟或遏制全球传播的相对影响如何？
• RQ5 为何传播呈现从大型富裕国家向较小国家的层级模式？控制在此过程中扮演何种角色？

主要发现

• 在早期阶段，各国确诊H1N1病例的分布符合幂律（齐夫定律），指数α ≈ 3.0，后期则变为α ≈ 1.7，表明控制和传播动态随时间演变。
• 观察到希普斯定律：受影响国家数量随时间呈次线性增长，与全球传播潜力有限一致。
• 识别出层级传播模式：GDP和人口规模更高的国家更可能成为早期传播者，表明存在自上而下的传播级联。
• 所提出的模型通过整合本地传播和区域间旅行的控制效应，成功再现了齐夫定律和希普斯定律，而无需依赖详细的移动或接触数据。
• 有针对性地控制拥有最多区域间旅行者的少数国家，可显著延迟全球疫情爆发，证明其具有高效率与低成本。
• 在本地传播开始后，从区域间控制转向本地控制更为有效，因为本地抑制成为遏制传播的主导因素。