如何在疫情持续时间内减少疫情高峰期

@文章{Cadoni2020HowTR，title={如何减少疫情高峰期，控制疫情的时间跨度}，作者={玛丽亚诺·卡多尼}，journal={混沌、孤立子和分形}，年份＝{2020}，体积={138}，页数={109940-109940}，网址={https://api.semanticscholar.org/CorpusID:21482754}}
爱思唯尔观点
[PDF]语义阅读器
29引文
极具影响力的引文
2
背景引文
7
方法引文
6
结果引文
1

本文中的表格

29引文

SIR框架中流行病的规模和时间尺度

高原亚稳态和意大利疫情传播的多波疫情动态

为了用遏制措施量化Covid-19的扩散率，需要结合Rt（t）和倍增时间Td（t）建立一个三维扩展参数空间相图，该相图清楚地显示了第二波临界状态前后出现的亚稳态。

扩展参数空间中的流行病传播：超临界标度律和亚临界亚稳相

建立了一个三维相图，追踪加倍时间T d和生殖数R T的同时演变和相互作用，R T是用罗伯特·科赫研究所使用的方法学定义测量的，发现在R T>1的超临界状态下，加倍时间小于40天。

利用Adomian和Laplace-Adomian分解方法求解具有生命动力学的SIR传染病模型的级数解

将具有生命动力学的SIR模型时间演化的级数表示与模型的精确数值解进行了比较，发现至少在特定参数范围内，Adomian和Laplace-Adomian半解析解与数值结果之间有很好的一致性。

基于拉普拉斯-阿多米安分解方法的易感感染恢复（SIR）流行病模型的一种简单计算方法

利用拉普拉斯-阿多米安分解方法求解SIR模型的基本演化方程，得到了SIR模型解的级数表示。

Covid19在印度的传播性质

结果似乎几乎没有表明，炎热的夏季（更高的最高温度）等自然原因可能有助于减少病毒的传播，尽管从现有数据中得出的推断来看，最低温度、湿度和人口密度的作用仍有点模糊。

社会距离准则下流行病模型的普遍特征

修正SIR模型的精确闭式解。

给出了修正SIR系统的精确解析解。据我们所知，这是三维确定性问题的第一个封闭解…

流行病管理中的社会距离与早期检测和接触者追踪

具有非对称耦合的两种群SIR模型的最终流行病规模。

建立了一个两社区SIR传染病模型，其中每个社区都有其联系结构，而社区之间的交流是通过临时通勤者进行的，并且证明了社区内的网络联系比社区间的偶然联系对R0的影响更大。

13参考文献

对流行病数学理论的贡献

本次来文讨论将仅限于社区所有成员最初都同样容易感染该疾病的情况，并进一步假设通过一次感染获得完全免疫力。

具有相同死亡率和出生率的SIR传染病模型的精确解析解

具有大量无症状感染者的简单SIR模型

考虑到无症状或未被检测到的传染性疾病的存在，以及这些疾病具有感染性且未被隔离的时间较长，建立了SIR型模型，并将其应用于意大利的新型冠状病毒疫情。

关于传染病最终规模推导的一个注记

这篇文章表明，在非常弱的假设下（这些假设在作者所知道的存在最终尺寸关系的所有条件下都是满足的），它可以变得严格，并且不需要使用积分微分方程来寻找最终尺寸关系，并且可以应用更简单、更通用的方法。

传染病数学

回顾了经典SIR流行病和地方病模型中涉及基本再生数、接触数和替换数$R$的阈值定理，得到了具有连续年龄组或年龄组的MSEIR和SEIR地方病模型的$R{0}$的新表达式。

流行病管理中的社会距离与早期检测和接触者追踪

意大利北部新冠肺炎早期动态的数据分析。第一项限制措施的效果

最近一份关于意大利北部新冠肺炎疫情的报告的后续行动分析了在政府两周前采取温和的限制措施以及与此同时开展的大规模公众宣传运动之后，疫情是如何发生变化的。

人口生物学和流行病学中的数学模型

本文提出了一系列连续的单种群和多种群模型，以及一个结构种群模型，该模型将种群的连续模型和离散模型与空间分布相结合。

无症状感染者和冠状病毒$R_0$。

我们讨论了大量无症状感染者的存在如何改变我们对新冠肺炎基本繁殖数（也称为$R_0$）的估计。

对流行病数学理论的贡献。三、 地方性问题的进一步研究

人们立刻指出，引入这一额外因素后，对之前获得的结果的一般性质几乎没有什么改变，而且之前论文的结论几乎没有修改。