摘要gydF4y2Ba
在第一波和第二波流行期间,意大利公共卫生政策对Covid - 19流行病的控制是在使用生殖数R的推动下进行的gydF4y2BatgydF4y2Ba(t)识别gydF4y2Ba超临界gydF4y2Ba(percolative)gydF4y2Ba亚临界gydF4y2Ba(被捕),被分隔gydF4y2Ba至关重要的gydF4y2Ba政权。在这里,我们表明,要通过遏制措施量化Covid-19的传播速度,需要由R的组合构建的3D扩展参数空间相位图gydF4y2BatgydF4y2Ba(t)和倍增时间tgydF4y2BadgydF4y2Ba(t)在这一空间中,我们确定了意大利及其行政区域的Covid-19动态。超临界状态的数学特征是(i) T的幂定律gydF4y2BadgydF4y2Ba与[RgydF4y2BatgydF4y2Ba(t)−1]和(ii) t的指数行为gydF4y2BadgydF4y2Ba不管是第一波还是第二波。新的三维相图清晰可见gydF4y2Ba亚稳状态gydF4y2Ba出现在第二波临界状态前后。放宽检疫和追踪活动病例。亚稳态是下一个新生波超临界状态突然发生的前兆。这种动态描述使得有兴趣的政策制定者能够对流行病进行预测,从而指出目标。”gydF4y2Ba零感染gydF4y2Ba随着SARS-CoV-2的消除,使用gydF4y2Ba查找移动跟踪gydF4y2Ba政策与疫苗接种运动相结合,以避免SARS-CoV-2病毒复发性新变种的出现gydF4y2Ba,gydF4y2Ba伴随着周期性的长期封锁,造成巨大的经济损失和大量死亡。gydF4y2Ba
介绍gydF4y2Ba
而流行病在单一网络中不受控制的传播规律是众所周知的gydF4y2Ba1gydF4y2Ba多层异质网络中流行病动态的定量描述gydF4y2Ba2gydF4y2Ba采取遏制措施是生物统计物理学的一个战略性热点问题gydF4y2Ba3.gydF4y2Ba,gydF4y2Ba4gydF4y2Ba,gydF4y2Ba5gydF4y2Ba,gydF4y2Ba6gydF4y2Ba,gydF4y2Ba7gydF4y2Ba,gydF4y2Ba8gydF4y2Ba,gydF4y2Ba9gydF4y2Ba,gydF4y2Ba10gydF4y2Ba呈现空间人口密度不均匀和短时异质性gydF4y2Ba11gydF4y2Ba,gydF4y2Ba12gydF4y2Ba,gydF4y2Ba13gydF4y2Ba,gydF4y2Ba14gydF4y2Ba,gydF4y2Ba15gydF4y2Ba这给出了一种以多波为特征的流行病动态,其中超临界阶段被高原上的亚稳态插入,这是由于实施封锁停走(LSG)政策的国家间歇性削弱封锁、隔离和追踪规则造成的gydF4y2Ba16gydF4y2Ba,gydF4y2Ba17gydF4y2Ba,gydF4y2Ba18gydF4y2Ba,gydF4y2Ba19gydF4y2Ba。gydF4y2Ba
在2019冠状病毒病流行传播的第二年,必须避免第三波疫情的爆发,并支持有效的疫苗免疫战略。在获得疫苗免疫之前,需要解决非医疗遏制措施,以减少感染病例的数量,尽量减少在大量感染细胞裂变过程中致命病毒突变的可能性,并减少死亡人数。在意大利,在2020年第二波新冠疫情结束时,一些研究分析了疫情传播的短时间间隔gydF4y2Ba19gydF4y2Ba,gydF4y2Ba20.gydF4y2Ba,gydF4y2Ba21gydF4y2Ba,gydF4y2Ba22gydF4y2Ba,gydF4y2Ba23gydF4y2Ba,gydF4y2Ba24gydF4y2Ba目前缺乏关于第一波和第二波Covid-19全时间窗口动态的信息。参考文献15明确了Covid-19传播速率随控制措施(CSRwCM)的时间演变的三种主要机制gydF4y2Ba超临界、关键gydF4y2Ba和gydF4y2Ba亚临界政权。gydF4y2Ba在gydF4y2Ba超临界gydF4y2Ba相位的外在效应控制了随时间倍增时间的指数律中的特征时间sgydF4y2Ba
此外,我们还验证了这一相具有幂律函数的特征gydF4y2Ba
变量加倍时间T的函数gydF4y2BadgydF4y2Ba(t)与繁殖数RgydF4y2BatgydF4y2Ba(t).在这个超临界状态下,流行病病例总数的累积曲线接近临界状态,遵循复杂的奥斯特瓦尔德增长规律gydF4y2Ba23gydF4y2Ba,gydF4y2Ba24gydF4y2Ba这是一种由非平衡复杂多相体系中不同相的成核和生长决定的指数和幂律混合行为gydF4y2Ba25gydF4y2Ba,gydF4y2Ba26gydF4y2Ba。gydF4y2Ba
我们利用新的三维扩展参数空间T验证了CEwCM时间演化的物理规律gydF4y2BadgydF4y2BaR (t)gydF4y2BatgydF4y2Ba)来描述两波新冠肺炎疫情的时间演变,必须面对第三波疫情的开始。此外,我们在这里引入了考虑R和R的新参数RTD(以及由log(RTD)-2给出的相关RIC-index)gydF4y2BatgydF4y2Ba(t)和tgydF4y2BadgydF4y2Ba(t).在这个三维展开的参数空间中,捕获亚稳相,带RgydF4y2BatgydF4y2Ba> 1和TgydF4y2BadgydF4y2Ba(t)在亚临界和临界状态下的40天,是第三波超临界状态可能开始的前兆。在这项工作中,我们确定并展示了2021年第二波结束时在意大利观察到的亚稳态前体。如今,这些状态已经被很好地识别出来,我们预计,根据强制遏制政策规则,情况可能会迅速演变,要么在超临界状态中出现第三波,要么在亚临界状态中出现第三波。结果对不同防控政策导致的不同阶段的疫情演变进行了定量评价。该方法使我们有可能预见大流行的演变,并通过识别临界状态中的亚稳态,帮助决策者避免发生新的大流行浪潮。gydF4y2Ba
结果与讨论gydF4y2Ba
每个国家的数据取自公认的公共数据库gydF4y2BaOurWorldInDatagydF4y2Ba27gydF4y2Ba。我们最初提取了与时间相关的倍增时间TgydF4y2BadgydF4y2Ba(t)为总感染病例曲线Z(t),之后为随时间变化的繁殖数RgydF4y2BatgydF4y2Ba(t)活动性感染病例曲线X(t),采用科赫研究所提供的方法学定义gydF4y2Ba28gydF4y2Ba在德国,如参考文献15所述。在之前的工作中gydF4y2Ba15gydF4y2Ba我们用倒SIR理论验证了这种方法的结果,其中有效繁殖数RgydF4y2BaegydF4y2Ba(t)和tgydF4y2BadgydF4y2Ba(t)分别从关节Z(t)和X(t)曲线中提取。gydF4y2Ba
意大利和德国第二波的亚稳态阶段和动态gydF4y2Ba
数字gydF4y2Ba1gydF4y2Ba为三维相图(TgydF4y2BadgydF4y2Ba, RgydF4y2BatgydF4y2Ba(1) 2020年1月1日起疫情将在意大利和德国蔓延。灰色条带对应于gydF4y2Ba至关重要的gydF4y2Ba发生在gydF4y2Ba超临界gydF4y2BaT的面积gydF4y2BadgydF4y2Ba(t) 40至100天。在这里,我们可以很容易地看到第一波和第二波的超临界指数增长,用(1)来描述[图1]。gydF4y2Ba1gydF4y2Baa,b]在T的半对数图中遵循线性行为gydF4y2BadgydF4y2Ba与RgydF4y2BatgydF4y2Ba和RgydF4y2BatgydF4y2Ba−1[虚线箭头]。的增长率gydF4y2Ba年代gydF4y2Ba-因子的不同是由于两次浪潮中所采取的政策遏制措施不同。在临界区域T之上gydF4y2BadgydF4y2Ba变得足够大(TgydF4y2BadgydF4y2Babb100),指数增长被阻止。在这个逮捕中gydF4y2Ba亚临界gydF4y2BaR相gydF4y2BatgydF4y2Ba变为< 1,可以从半对数投影(TgydF4y2BadgydF4y2Ba, RgydF4y2BatgydF4y2Ba−1)。gydF4y2Ba1gydF4y2Bab的值为RgydF4y2BatgydF4y2Ba< 1未显示。在阻滞阶段之后,如果TgydF4y2BadgydF4y2Ba减小和RgydF4y2BatgydF4y2Ba增加,新的州出现在RgydF4y2BatgydF4y2Ba> 1和TgydF4y2BadgydF4y2Ba超过临界阶段大约100。它们产生一个亚稳态阶段,介于抑制阶段和新大流行波的发生之间。在这个过渡状态(橙色全圈)出现在两个图。gydF4y2Ba1gydF4y2Baa、b、TgydF4y2BadgydF4y2Ba和RgydF4y2BatgydF4y2Ba在有限的时间周期内围绕常数随机波动。实际上,与第一波和第二波相反,在超临界区域服从解析定律(2),在亚稳相出现了非相干的无序行为。这在(T)中很明显gydF4y2BadgydF4y2Ba, RgydF4y2BatgydF4y2Ba)及(TgydF4y2BadgydF4y2Ba, RgydF4y2BatgydF4y2Ba−1)图中的投影。gydF4y2Ba1gydF4y2Bac, d,分别。在图(d)中,虚线表示超临界状态数据集的幂律最佳拟合。其行为如图3所示。gydF4y2Ba1gydF4y2Ba通过显示3D图(TgydF4y2BadgydF4y2Ba, RgydF4y2BatgydF4y2Ba, t)其中翻倍时间tgydF4y2BadgydF4y2BaR (t)gydF4y2BatgydF4y2Ba)与天数和有效繁殖数R绘制gydF4y2BatgydF4y2Ba意大利(蓝色)和德国(红色)。在亚稳态阶段之后是超临界状态的下降,标志着第二波大流行的上升(虚线箭头)。(T)描述了同样的机制gydF4y2BadgydF4y2Ba, RgydF4y2BatgydF4y2Ba−1,t)相图gydF4y2Ba1gydF4y2Baf。gydF4y2Ba
意大利和意大利地区第二波前后高原的亚稳阶段gydF4y2Ba
通过分析和比较意大利不同地区的大流行传播率,可以更详细地了解异质人群中采取遏制措施的Covid-19传播率(CSRwCM)。数字gydF4y2Ba2gydF4y2Ba显示3D (T)gydF4y2BadgydF4y2Ba, RgydF4y2BatgydF4y2Bat)可以识别不同亚稳相的三组意大利区域的相图。我们结合了艾米利亚罗马涅、托斯卡纳和拉齐奥(左图),伦巴第、威尼托和利古里亚(中图),坎帕尼亚、普利亚和西西里(右图)。半对数投影(TgydF4y2BadgydF4y2Ba这些区域组的,t)如图所示。gydF4y2Ba2gydF4y2Ba得了。同样,在超临界状态下,第一波和第二波服从方程的指数增长。gydF4y2Ba1gydF4y2Ba),用虚线箭头表示。由于增长率是由gydF4y2Ba年代gydF4y2Ba-因素,我们指出,在第一波中,所有地区的指数流行病增长是相同的。相反,第二波表现出不同的增长率,如虚线箭头所示,具有不同的s因子和不同的斜率。这是由于地方政府采取了不同的控制措施。gydF4y2Ba
橙色区域表示临界区(灰色矩形)以上的无序亚稳相与第二相的前体态。数字gydF4y2Ba2gydF4y2Bad-f是(TgydF4y2BadgydF4y2Ba, RgydF4y2BatgydF4y2Ba)投影证实了公式2中标度定律在超临界阶段的普适性,在所有区域。同样,在这种情况下,在临界相之上,我们确定了捕获和亚稳态的无序相。最后,无花果。gydF4y2Ba2gydF4y2Bag-i表示(TgydF4y2BadgydF4y2Ba, RgydF4y2BatgydF4y2Bat)三组意大利区域和不同亚稳阶段的3D图,都以第二波的上升点结束。gydF4y2Ba
T的时间依赖性gydF4y2BadgydF4y2Ba和RgydF4y2BatgydF4y2Ba9个选定的意大利地区的值在图中进行了比较。gydF4y2Ba3.gydF4y2Ba。在超临界状态(黄色区域)中,我们可以区分第一和第二大流行波,其中加倍时间(蓝色曲线)在2 < T范围内增加gydF4y2BadgydF4y2Ba< 40天,繁殖数RgydF4y2BatgydF4y2Ba减小到1。我们省略了捕获相的数据,其中TgydF4y2BadgydF4y2Ba和RgydF4y2BatgydF4y2Ba分别围绕其最大值和最小值波动。绿色区域确定了亚稳态阶段,从这些阶段开始,流行病传播可以演变为新的流行波,或者如果执行有效的遏制政策,可以演变为遏制阶段。gydF4y2Ba
监测大流行动态的RTD参数(称为ric指数)gydF4y2Ba
为了同时考虑RgydF4y2BatgydF4y2Ba和TgydF4y2BadgydF4y2Ba为了描述大流行的复杂动态,我们引入了新的参数gydF4y2Ba
数字gydF4y2Ba4gydF4y2Ba显示RTD参数作为九个选定意大利地区的时间函数。使用此参数,大流行波发生在RTD bb101(黄色区域)时。RTD < 1的绿色区域表示阻滞相,其中RgydF4y2BatgydF4y2Ba< 1和TgydF4y2BadgydF4y2Ba> 100。我们还可以区分亚稳态阶段:第一阶段是第二波大流行的前兆,而第二波大流行正如火如荼地进行。在这些阶段,RTD在有限时间内在1附近波动。在不同阶段,活跃病例数在大流行波期间增加,在遏制阶段减少。在亚稳相中,RTD在1附近表现出略微平坦的行为。gydF4y2Ba
在无花果。gydF4y2Ba5gydF4y2Ba我们比较了意大利地区的地图和在不同阶段选择的不同日期的RTD值。RTD > 1时,系统进入临界状态。从黄色到红色的颜色演变对应于TgydF4y2BadgydF4y2Ba和RgydF4y2BatgydF4y2Ba价值观,同时传播流行病。特别是,我们可以直观地看到,在每个地区,RTD何时接近临界状态(红色),因此,当政策制定者和机构的迅速干预是强制性的。事实上,任何延迟的决定都可能直接影响到大流行病的持续时间和死亡人数。gydF4y2Ba
结论gydF4y2Ba
我们在这里提供了一种原始的定量方法来描述和理解Covid-19大流行的时间演变,以定量的方式描述了演变阶段。我们证明有必要扩展参数空间,结合相关变量,如TgydF4y2Bad,gydF4y2BaRgydF4y2BatgydF4y2Ba在新参数RTD = RgydF4y2BatgydF4y2Ba(100 / TgydF4y2BadgydF4y2Ba),以及log(RTD)-2给出的ric指数,以精确监测大流行的演变。这种方法使动态分析、探测和调整成为可能,同时采取遏制措施。RTD或RIC-index不仅为Covid-19大流行的定量统计物理学提供了新的定量实验工具,而且由于其对未来任何流行病事件的预测能力,它也提供了新的定量实验工具。我们的结果显示,在第二波结束时存在一个亚稳的平台,支持了最近的证据gydF4y2Ba14gydF4y2Ba易感人群和社会活动中个体变化的多个时间尺度上的动态异质性在流行动力学中引起了由瞬态集体免疫亚稳态(TCI)分隔的流行病波的继承,这是一种脆弱状态,在短时间尺度超级传播事件之后突然转向第三波的超临界状态,与LSG政策中的遏制规则松散有关。gydF4y2Ba
意大利在2021年的新冠肺炎防控措施政策遵循了帝国理工学院(Imperial College)的“封锁停停”(LSG)协议,只要医院重症监护病房的可用床位数量低于饱和水平,就保持“停”期,然后是“停”期。相反,在许多其他国家,例如在太平洋-亚洲区域,LgydF4y2Ba查找手机追踪gydF4y2Ba(LFT)政策已通过严格的隔离来执行,其特点是强制性的移动接触者追踪和大规模测试的推出。该政策旨在将感染人数减少到每百万人数十人以下,并制定了一个不同的目标,名为“gydF4y2Ba零感染gydF4y2Ba”。LSG与LFT协议的比较评估可以通过LFT国家(如韩国或中国)观察到的积极经济趋势来总结。gydF4y2Ba23gydF4y2Ba,gydF4y2Ba29gydF4y2Ba,gydF4y2Ba30.gydF4y2Ba,gydF4y2Ba31gydF4y2Ba,gydF4y2Ba32gydF4y2Ba,gydF4y2Ba33gydF4y2Ba以及意大利等LSG国家的负面经济趋势。经济损失是由于LSG国家在超临界状态期间长时间停止生产活动造成的。在第一波和第二波期间,这些国家在没有强制追踪接触者和松散隔离的情况下实施了封锁。相反,在LFT国家,超临界状态时间段缩短了三倍,对PIL的影响要小得多。gydF4y2Ba
在经济损失之前,每百万人口的死亡人数是LSG国家与LFT国家的100多倍gydF4y2Ba23gydF4y2Ba,gydF4y2Ba29gydF4y2Ba,gydF4y2Ba30.gydF4y2Ba,gydF4y2Ba31gydF4y2Ba,gydF4y2Ba32gydF4y2Ba,gydF4y2Ba33gydF4y2Ba。目前接近临界的亚稳定状态下每天的高死亡率和疫苗短缺要求紧急通过一项新计划,同时考虑到大流行的演变,这首先发生在活跃人群中。因此,必须采取行动,通过严格追踪接触者来实现“零感染”目标gydF4y2Ba23gydF4y2Ba,gydF4y2Ba29gydF4y2Ba,gydF4y2Ba30.gydF4y2Ba,gydF4y2Ba31gydF4y2Ba,gydF4y2Ba32gydF4y2Ba,gydF4y2Ba33gydF4y2Ba还有检疫规则,在长期的全民疫苗接种运动中,在接近零感染的情况下,阻止了新的病毒变体的出现。这项新政策将像太平洋亚洲地区一样加速经济发展,并将减少仍然庞大的每百万人每日死亡人数。通过观察RTD参数演变,快速发现任何可能发生的第三波疫情,将有助于迅速做出政治反应,避免LSG战略中预测的新封锁。在控制政策中使用RTD参数将为疫苗接种运动期间减缓病毒扩散速度的危急情况提供早期预警,特别是在疫苗资源稀缺和SARS-CoV-2病毒新变种出现的情况下,从而节省经济损失并减少死亡人数。我们将该方法应用于研究新冠肺炎在欧美其他国家的传播动态,初步结果表明,该方法可以定量评估不同防控政策导致的不同阶段的疫情演变。这有助于预测大流行的演变,并帮助决策者避免发生新的大流行浪潮。gydF4y2Ba
意义的声明gydF4y2Ba
在意大利的第二次Covid-19浪潮期间,仍然缺乏对Covid-19传播动态的定量数学描述和遏制措施,这是早期预警新浪潮开始所需的,并确定临界状态附近的亚稳态,这是引发流行病浪潮的超临界状态开始的前兆。在这项工作中,我们确定了在意大利第二次Covid-19浪潮之前和之后分离亚临界和超临界状态的亚稳态。我们采用一种原始的数学方法,其中流行病状态由一个附加的物理变量控制:加倍时间。亚临界状态(TgydF4y2BadgydF4y2Ba> 100天)和超临界(TgydF4y2BadgydF4y2Ba< 40天)被一个关键阶段(40 < T)分开gydF4y2BadgydF4y2Ba< 100天)天。严格封锁规则的应用使意大利的第一波疫情从超临界状态急剧过渡到亚临界状态。相反,在第二波之前和之后,由于封锁、隔离和追踪规则的间歇性削弱,出现了临界状态附近的亚稳态。最后,我们引入了一个新的强大参数RTD,即比值RgydF4y2BatgydF4y2Ba/ TgydF4y2BadgydF4y2Ba来描述Covid-19的传播机制,其中包括两种变量的变化。因此,它提供了一个直接参数来识别高原上任何危险的亚稳相,这些亚稳相是下一个即将到来的波跟踪RIC-index = log(RTD)-2的前兆。由于在第三波突然爆发的边缘放松了封锁检疫追踪规则,在疫苗接种运动期间造成了健康和经济损失,意大利地区在关键状态附近的高原附近出现了亚稳态阶段。结果表明,意大利和欧洲的流行病控制政策迅速从目标转变。”gydF4y2Ba缓解gydF4y2Ba“避免重症监护病房溢出的走走停停政策达到目标”gydF4y2Ba零感染gydF4y2Ba使用L - cov -2消除sarsgydF4y2Ba查找手机追踪gydF4y2Ba(LFT)政策与疫苗接种运动相结合,以减少经济损失和Covid死亡人数。gydF4y2Ba
参考文献gydF4y2Ba
Barabási, a.l.,gydF4y2Ba网络科学gydF4y2Ba剑桥大学出版社。Isbn: 9781107076266 (2016)gydF4y2Ba
Bianconi, G。,gydF4y2Ba多层网络:结构与功能gydF4y2Ba。牛津大学出版社。Isbn: 9780198753919 (2018)gydF4y2Ba
贝尔,J。gydF4y2Baet al。gydF4y2Ba超越Covid-19:网络科学和可持续退出战略。gydF4y2Ba期刊。复杂。gydF4y2Ba2gydF4y2Ba, 021001年。gydF4y2Bahttps://doi.org/10.1088/2632-072X/abcbeagydF4y2Ba(2021)。gydF4y2Ba
渗透和大流行。gydF4y2Ba物理甲:开始,机甲。达成。gydF4y2Ba578gydF4y2Ba, 125723年。gydF4y2Bahttps://doi.org/10.1016/j.physa.2020.125723gydF4y2Ba(2021)。gydF4y2Ba
Bianconi, G. & Krapivsky, P. L.流行病的控制措施。gydF4y2Ba理论物理。启EgydF4y2Ba102gydF4y2Ba, 032305年。gydF4y2Bahttps://doi.org/10.1103/PhysRevE.102.032305gydF4y2Ba(2020)。gydF4y2Ba
新冠肺炎大流行:增长模式、幂律缩放和饱和。gydF4y2Ba理论物理。医学杂志。gydF4y2Ba17gydF4y2Ba, 055001年。gydF4y2Bahttps://doi.org/10.1088/1478-3975/ab9bf5gydF4y2Ba(2020)。gydF4y2Ba
全球COVID-19大流行进展指标的幂律随时间增长差异。gydF4y2Ba理论物理。医学杂志。gydF4y2Ba17gydF4y2Ba, 065005年。gydF4y2Bahttps://doi.org/10.1088/1478-3975/abb2dbgydF4y2Ba(2020)。gydF4y2Ba
胡贝尔,G。gydF4y2Baet al。gydF4y2Ba流行病中家庭影响的最小模型。gydF4y2Ba理论物理。医学杂志。gydF4y2Ba17gydF4y2Ba, 065010年。gydF4y2Bahttps://doi.org/10.1088/1478-3975/abb209gydF4y2Ba(2020)。gydF4y2Ba
Covid-19:监测大流行第一波的传播。gydF4y2Ba4开gydF4y2Ba3.gydF4y2Ba5。gydF4y2Bahttps://doi.org/10.1051/fopen/2020005gydF4y2Ba(2020)。gydF4y2Ba
B.新冠肺炎确诊病例数的幂律分布。gydF4y2Ba混乱gydF4y2Ba30.gydF4y2Ba, 093123年。gydF4y2Bahttps://doi.org/10.1063/5.0013031gydF4y2Ba(2020)。gydF4y2Ba
Grinchuk, P. S, & Fisenko, S. P.人口密度不均匀国家COVID-19传播的幂律多波模型。gydF4y2BaarXiv: 2012.06383gydF4y2Ba(2020)。gydF4y2Ba
Tkachenko A. V., Maslov S., Elbanna A., Wong G. N., Weiner Z. J., Goldenfeld N.,持续异质性非短期过度分散决定群体对COVID-19的免疫。gydF4y2BaarXiv: 2008.08142gydF4y2Ba;gydF4y2Bahttps://doi.org/10.1101/2020.07.26.20162420gydF4y2Ba
李建军,李建军,李建军,等。一种具有非平凡初始条件的易感感染去除动力学模型。gydF4y2Ba理论物理。启EgydF4y2Ba102gydF4y2Ba, 052309年。gydF4y2Bahttps://doi.org/10.1103/PhysRevE.102.052309gydF4y2Ba(2020)。gydF4y2Ba
Tkachenko A. V., Maslov S., Wang T., Elbanna A., Wong g.n.和Goldenfeld, N.动态社会活动如何塑造流行病:波浪、高原和流行状态。gydF4y2BaarXiv: 2101.12275gydF4y2Ba;gydF4y2Bahttps://doi.org/10.1101/2021.01.28.21250701gydF4y2Ba(2021)gydF4y2Ba
张建军,张建军,张建军,等。一种基于临界亚稳相的传染病扩散理论。gydF4y2BaarXiv: 2012.10230gydF4y2Ba(2020)gydF4y2Ba
弗格森n.m。gydF4y2Baet al。gydF4y2Ba非药物干预措施(npi)对降低COVID-19死亡率和医疗需求的影响gydF4y2Bahttps://spiral.imperial.ac.uk:8443/handle/10044/1/77482gydF4y2Ba(2020)。gydF4y2Ba
Maslov, S.和Goldenfeld, N.缓解机会之窗以防止2019冠状病毒病在芝加哥ICU容量溢出。gydF4y2BaarXiv: 2003.09564gydF4y2Ba(2020)。gydF4y2Bahttps://doi.org/10.1101/2020.03.20.20040048gydF4y2Ba
李,L。gydF4y2Baet al。gydF4y2Ba重症监护室物理治疗师管理:中国西部医院经验gydF4y2Ba理论物理。其他。gydF4y2Ba101gydF4y2Ba, 198年。gydF4y2Bahttps://doi.org/10.1093/ptj/pzaa198gydF4y2Ba(2021)。gydF4y2Ba
黄国良。gydF4y2Baet al。gydF4y2Ba在非药物干预下模拟伊利诺伊州COVID-19动态。gydF4y2Ba理论物理。启XgydF4y2Ba10gydF4y2Ba, 041033年。gydF4y2Bahttps://doi.org/10.1103/PhysRevX.10.041033gydF4y2Ba(2020)。gydF4y2Ba
Sebastiani, G, Massa, M.和Riboli, E.意大利Covid-19疫情:演变、预测和政府措施的影响。gydF4y2Ba欧元。j .论文。gydF4y2Ba35gydF4y2Ba, 341年。gydF4y2Bahttps://doi.org/10.1007/s10654-020-00631-6gydF4y2Ba(2020)。gydF4y2Ba
Fanelli, D. & Piazza, F. Covid-19在中国、意大利和法国的传播分析与预测。gydF4y2Ba混沌孤子分形gydF4y2Ba134gydF4y2Ba, 109761年。gydF4y2Bahttps://doi.org/10.1016/j.chaos.2020.109761gydF4y2Ba(2020)。gydF4y2Ba
如何在控制疫情时间跨度的情况下降低疫情高峰。gydF4y2Ba混沌孤子分形gydF4y2Ba138gydF4y2Ba, 109940年。gydF4y2Bahttps://doi.org/10.1016/j.chaos.2020.109940gydF4y2Ba(2020)。gydF4y2Ba
Bianconi, A, Marcelli, A, Campi, G. & Perali, A.基于时间相关倍增时间测量的Covid-19移动接触者追踪遏制效率。gydF4y2Ba理论物理。医学杂志。gydF4y2Ba17gydF4y2Ba, 065006年。gydF4y2Bahttps://doi.org/10.1088/1478-3975/abac51gydF4y2Ba(2020)。gydF4y2Ba
Bianconi, A, Marcelli, G., Campi, A. & Perali, O.量子复杂物质中受控covid-19流行病传播的增长率。gydF4y2Ba提供者。的事。gydF4y2Ba5gydF4y2Ba, 23岁。gydF4y2Bahttps://doi.org/10.3390/condmat5020023gydF4y2Ba(2020)。gydF4y2Ba
皮,G。gydF4y2Baet al。gydF4y2Ba通过原位和时间分辨小角x射线散射监测聚合物溶液中银颗粒形成的早期阶段。gydF4y2Ba纳米级gydF4y2Ba2gydF4y2Ba, 2447年。gydF4y2Bahttps://doi.org/10.1039/C0NR00390EgydF4y2Ba(2010)。gydF4y2Ba
Poccia, N。gydF4y2Baet al。gydF4y2Ba铜超导体中氧序的演化与控制。gydF4y2BaNat。板牙。gydF4y2Ba10gydF4y2Ba, 733年。gydF4y2Bahttps://doi.org/10.1038/nmat3088gydF4y2Ba(2011)。gydF4y2Ba
Roser, M., Ritchie, H., ortize - ospina E., Hasell J.。gydF4y2Ba发表于OurWorldInData.org网站。gydF4y2Bahttps://ourworldindata.org/coronavirusgydF4y2Ba(2020)。gydF4y2Ba
罗伯特·科赫研究所,gydF4y2BaEpidemiologischen公告gydF4y2Ba[j]《中华医学会流行病学通报》第17/2020号gydF4y2Bahttps://www.rki.de/DE/Content/Infekt/EpidBull/Archiv/2020/Ausgaben/17_20.pdf?__blob=publicationFilegydF4y2Ba(2020)gydF4y2Ba
朴玉杰。gydF4y2Baet al。gydF4y2Ba韩国冠状病毒疫情期间的接触者追踪。gydF4y2Ba紧急情况。感染。说。gydF4y2Ba26gydF4y2Ba, 2465年。gydF4y2Bahttps://doi.org/10.3201/eid2610.201315gydF4y2Ba(2020)。gydF4y2Ba
中华人民共和国国家卫生健康委员会关于新型冠状病毒感染的肺炎疫情最新情况gydF4y2Bahttp://nhc.gov.cn/xcs/yqtb/list_gzbd.shtmlgydF4y2Ba(2020年2月8日)(2020)gydF4y2Ba
Park, S, Choi, g.j. & Ko, H.韩国应对COVID-19的基于信息技术的追踪策略——隐私争议。gydF4y2Ba《美国医学会杂志》gydF4y2Ba323gydF4y2Ba(21), 2129 - 2130。gydF4y2Bahttps://doi.org/10.1001/jama.2020.6602gydF4y2Ba(2020)。gydF4y2Ba
近期,L。gydF4y2Baet al。gydF4y2Ba量化SARS-CoV-2传播建议采用数字接触者追踪控制疫情。gydF4y2Ba科学gydF4y2Ba368gydF4y2Ba, 936年。gydF4y2Bahttps://doi.org/10.1126/science.abb6936gydF4y2Ba(2020)。gydF4y2Ba
Bianconi, G., Sun, H., Rapisardi, G.和Arenas, A.基于应用程序的流行病追踪和缓解的消息传递方法。gydF4y2Ba理论物理。启Res。gydF4y2Ba3.gydF4y2Ba, 14。gydF4y2Bahttps://doi.org/10.1103/PhysRevResearch.3.L012014gydF4y2Ba(2021)。gydF4y2Ba
致谢gydF4y2Ba
我们感谢INFN国家实验室Frascati, Superstripes onlus, Camerino大学和Glires公司的财政支持。M.V. Mazziotti感谢gydF4y2BaSupertripes-onlus非营利gydF4y2Ba博士后协会。gydF4y2Ba
作者信息gydF4y2Ba
作者及单位gydF4y2Ba
贡献gydF4y2Ba
a.b.、g.c.、a.m.、a.p.、G.R.提出研究建议并发挥协调作用;A.B。里,点,M.V.M, A.V,美国专利,广义相对论,分析数据;G.C, A.B, A.V, A.P发展了这个理论;g.c., a.b.,开发了计算机代码,a.b., g.c., a.m., a.p., G.R.讨论了结果,并撰写了手稿。gydF4y2Ba
相应的作者gydF4y2Ba
道德声明gydF4y2Ba
相互竞争的利益gydF4y2Ba
作者声明没有利益冲突。gydF4y2Ba
额外的信息gydF4y2Ba
出版商的注意gydF4y2Ba
b施普林格《自然》杂志对已出版的地图和机构的管辖权要求保持中立。gydF4y2Ba
权利和权限gydF4y2Ba
开放获取gydF4y2Ba本文遵循知识共享署名4.0国际许可协议,该协议允许以任何媒介或格式使用、共享、改编、分发和复制,只要您适当地注明原作者和来源,提供知识共享许可协议的链接,并注明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可协议中,除非在材料的署名中另有说明。如果材料未包含在文章的知识共享许可中,并且您的预期用途不被法律法规允许或超过允许的用途,您将需要直接获得版权所有者的许可。如欲查阅本许可证副本,请浏览gydF4y2Bahttp://creativecommons.org/licenses/by/4.0/gydF4y2Ba。gydF4y2Ba
关于本文gydF4y2Ba
引用本文gydF4y2Ba
Campi, G., Mazziotti, m.v., Valletta, A.。gydF4y2Baet al。gydF4y2Ba高原亚稳态与意大利Covid-19传播的多波流行动态gydF4y2BaSci代表gydF4y2Ba11gydF4y2Ba, 12412(2021)。https://doi.org/10.1038/s41598-021-91950-5gydF4y2Ba
收到了gydF4y2Ba:gydF4y2Ba
接受gydF4y2Ba:gydF4y2Ba
发表gydF4y2Ba:gydF4y2Ba
DOIgydF4y2Ba:gydF4y2Bahttps://doi.org/10.1038/s41598-021-91950-5gydF4y2Ba
这篇文章是由gydF4y2Ba
由变异演变和疫苗接种运动控制的Sars-Cov2世界大流行复发波gydF4y2Ba
科学报告gydF4y2Ba(2022)gydF4y2Ba
评论gydF4y2Ba
通过提交评论,您同意遵守我们的gydF4y2Ba条款gydF4y2Ba和gydF4y2Ba社区指导原则gydF4y2Ba。如果你发现一些滥用或不符合我们的条款或指导方针,请标记为不适当。gydF4y2Ba