توضیحات
ABSTRACT
It is increasingly recognized that understanding the complex interplay patterns between epidemic spreading and human behavioral is a key component of successful infection control efforts. In particular, individuals can obtain the information about epidemics and respond by altering their behaviors, which can affect the spreading dynamics as well. Besides, because the existence of herd-like behaviors, individuals are very easy to be influenced by the global awareness information. Here, in this paper, we propose a global awareness controlled spreading model (GACS) to explore the interplay between the coupled dynamical processes. Using the global microscopic Markov chain approach, we obtain the analytical results for the epidemic thresholds, which shows a high accuracy by comparison with lots of Monte Carlo simulations. Furthermore, considering other classical models used to describe the coupled dynamical processes, including the local awareness controlled contagion spreading (LACS) model, Susceptible–Infected–Susceptible–Unaware–Aware– Unaware (SIS–UAU) model and the single layer occasion, we make a detailed comparisons between the GACS with them. Although the comparisons and results depend on theparameters each model has, the GACS model always shows a strong restrain effects onepidemic spreading process. Our results give us a better understanding of the coupled dynamical processes and highlights the importance of considering the spreading of global awareness in the control of epidemics.
INTRODUCTION
The study of networks has experienced a burst of activity in the last two decades . In the field of physics, most approaches to these problems are related to the theory of phase transition , statistical physics and critical phenomenon . Especially with the rapid development of Internet and social media, the study of diffusion processes has attracted more and more interests . The use of network theory in epidemiological models provides a way to incorporate the individual-level heterogeneity necessary for the mechanistic understanding of the spread of infectious disease . And as a result, many interesting models have been proposed to help us to gain the details of these processes,such as the classical susceptible–infected–susceptible model (SIS), susceptible–infected–recovery model (SIR) and so on. Different models correspond to diverse realistic scenarios and they may focus on various factors which can affect epidemic spreading, e.g., the structure of networks , the frequency of contacts among .individuals , the heterogeneity of participants . the transmission capacity of community structure
چکیده
به طور فزاینده ای به رسمیت شناخته شده است که درک الگوهای پیچیده درگیری بین شیوع اپیدمی و رفتارهای انسانی، یکی از مولفه های اصلی تلاش های کنترل عفونت است. به طور خاص، افراد می توانند اطلاعات مربوط به اپیدمی ها را بدست آورند و با تغییر رفتارهایشان پاسخ دهند، که می تواند بر پویایی های گسترش نیز تاثیر بگذارد. علاوه بر این، به دلیل وجود رفتارهای گله مانند، افراد به راحتی تحت تاثیر اطلاعات آگاهی جهانی قرار می گیرند. در اینجا، در این مقاله، یک مدل پراکنده کنترل آگاهانه جهانی (GACS) را برای بررسی اثر متقابل بین فرآیندهای پویای متحرک پیشنهاد می کنیم. با استفاده از رویکرد زنجیره مارکوف میکروسکوپی جهانی، نتایج تحلیلی را برای آستانه های اپیدمی به دست می آوریم که دقت بالا را در مقایسه با بسیاری از شبیه سازی های مونت کارلو نشان می دهد. علاوه بر این، با توجه به مدل های دیگر کلاسیک که برای توصیف فرآیندهای پویا همراه شده اند، از جمله مدل آشکارسازی آلودگی محلی (LACS)، مدل مبتنی بر حساس به حساس – غیر قابل اطمینان – Aware – Unaware (SIS – UAU) و لایه تک لایه، ما مقایسه GACS را با آنها مقایسه کنید. اگر چه مقایسات و نتایج به هر پارامتر بستگی دارد هر مدل، مدل GACS همواره اثرات مهار کننده ای را برای یک مرحله گسترش می دهد. نتایج ما به ما درک درستی از فرآیندهای پویایی متصل می دهد و اهمیت توجه به گسترش آگاهی جهانی در کنترل بیماری های همه گیر را برجسته می کند.
مقدمه
مطالعه شبکه ها طی دو دهه گذشته موجب بروز فعالیت هایی شده است. در زمینه فیزیک، بیشتر رویکردهای این مشکلات مربوط به تئوری انتقال فاز، فیزیک آماری و پدیده بحرانی است. به ویژه با توسعه سریع اینترنت و رسانه های اجتماعی، مطالعه فرایندهای انتشار بیشتر منافع را به خود جلب کرده است. استفاده از تئوری شبکه در مدل های اپیدمیولوژیک، راه را برای ترکیب ناهمگونی در سطح فردی ضروری برای درک مکانیکی از گسترش بیماری های عفونی فراهم می کند. به عنوان یک نتیجه، بسیاری از مدل های جالب پیشنهاد شده است که به ما در به دست آوردن جزئیات این فرایندها، مانند مدل کلاسیک حساس به حساسیت آلوده، (SIS)، مدل بازیابی حساس به آلوده (SIR) و غیره پیشنهاد شده است. مدل های مختلف متناسب با سناریو های متنوع گوناگون هستند و ممکن است بر روی عوامل مختلفی که می توانند گسترش همه گیر را تحت تاثیر قرار دهند، مانند ساختار شبکه ها، فراوانی مخاطبین میان افراد، ناهمگونی شرکت کنندگان، ظرفیت انتقال ساختار جامعه، متمرکز می شوند.
Year: 2018
Publisher : ELSEVIER
By : Haijuan Zang
File Information: English Language/ 12 Page / size: 975 KB
سال : 1396
ناشر : ELSEVIER
کاری از : Haijuan زنگ
اطلاعات فایل : زبان انگلیسی / 12 صفحه / حجم : KB 975
نقد و بررسیها
هنوز بررسیای ثبت نشده است.