[论文解读] Stochastic epidemic models: a survey

Tom Britton|ArXiv.org|Oct 23, 2009

COVID-19 epidemiological studies参考文献 25被引用 3

一句话总结

本文综述了封闭群体中的随机SIR流行病模型，展示了分支过程近似和大种群渐近分析如何用于分析流行病爆发概率、最终规模分布和持续时间。关键结果包括主要爆发的阈值定理以及总持续时间量级为 log n，其应用涵盖疫苗接种策略和 R₀ 与临界免疫覆盖率的参数推断。

ABSTRACT

This paper is a survey paper on stochastic epidemic models. A simple stochastic epidemic model is defined and exact and asymptotic model properties (relying on a large community) are presented. The purpose of modelling is illustrated by studying effects of vaccination and also in terms of inference procedures for important parameters, such as the basic reproduction number and the critical vaccination coverage. Several generalizations towards realism, e.g. multitype and household epidemic models, are also presented, as is a model for endemic diseases.

研究动机与目标

• 提供随机流行病模型的全面概述，强调其相较于确定性模型在捕捉小群体中随机性方面的优势，以及关键的大种群近似方法。
• 展示如何利用随机模型估计关键流行病学参数，如基本再生数（R₀）和临界疫苗接种覆盖率。
• 探讨增强现实性的模型扩展，包括多类型、家庭结构和地方性流行病模型，并评估其对公共卫生干预措施的影响。
• 阐明随机模型在评估疫苗接种策略以及理解疾病持续存在与消亡动力学方面的实用性。

提出的方法

• 在同质混合的封闭群体中，正式定义标准随机SIR模型，其中个体从易感（S）经感染（I）转为康复（R）。
• 应用分支过程近似来模拟流行病早期传播，其中临界阈值 R₀ = 1 决定主要爆发的概率。
• 利用大种群渐近分析推导最终流行病规模分布，显示其收敛于确定性极限，且波动量级较小。
• 将流行病持续时间分解为三个阶段：早期（log n）、主要阶段（量级1）和晚期（log n），总持续时间量级为 log n。
• 通过将恒定感染率 λ 替换为整合的传染性 ∫C(t)ι(t)dt，引入异质混合、空间结构和时变传染性。
• 通过引入漏出型或全或无效应的不完美疫苗，扩展模型，推导出经调整 R₀ 后的修正临界疫苗接种覆盖率公式。

实验结果

研究问题

• RQ1 在随机SIR模型中，主要流行病爆发的概率是多少？它如何依赖于基本再生数 R₀？
• RQ2 在大种群中，最终流行病规模如何表现？其与确定性极限的波动特征是什么？
• RQ3 什么决定了流行病的持续时间？早期、主要和晚期阶段的持续时间如何随种群规模变化？
• RQ4 如何利用随机模型从爆发数据中估计关键参数，如 R₀ 和临界疫苗接种覆盖率？
• RQ5 模型扩展（如家庭结构、多类型混合或地方性动态）如何改变标准随机流行病模型的预测？

主要发现

• 流行病的早期阶段可近似为分支过程，其中超临界过程（R₀ > 1）导致主要爆发的非零概率。
• 在大种群中，最终流行病规模收敛于由平衡方程决定的确定性极限，波动量级小于种群规模。
• 主要流行病爆发的总持续时间量级为 log n，其中早期和晚期阶段各持续 log n 量级，主要阶段持续 1 量级。
• 即使感染率随时间变化，只要总传染性 ∫C(t)ι(t)dt 保持不变，最终规模分布仍保持不变。
• 对于不完美疫苗，临界疫苗接种覆盖率相比完美疫苗有所提高，具体公式取决于疫苗对易感性、传染性或两者的影响。
• 即使存在潜伏期或时变传染性，只要总传染暴露量保持不变，标准模型的最终规模分布依然成立。