傳染病監(jiān)測(cè)的數(shù)據(jù)科學(xué)方法特刊：大數(shù)據(jù)怎樣應(yīng)對(duì)大流行 原創(chuàng) 自然科學(xué)會(huì)報(bào)A 集智俱樂(lè)部 

導(dǎo)語(yǔ)

新冠疫情期間，數(shù)據(jù)科學(xué)發(fā)揮了前所未有的作用，成為抗擊疫情的有力武器。在這段艱難時(shí)期，以跨學(xué)科與數(shù)據(jù)驅(qū)動(dòng)為特征的新型傳染病研究逐步成長(zhǎng)。因此，有必要對(duì)該領(lǐng)域目前取得的進(jìn)展做一番總結(jié)，并為利用數(shù)據(jù)科學(xué)和人工智能抗擊傳染病疫情的新興領(lǐng)域繪制藍(lán)圖。2021年11月英國(guó)皇家學(xué)會(huì)旗下《自然科學(xué)會(huì)報(bào)A》最新發(fā)布“傳染病監(jiān)測(cè)的數(shù)據(jù)科學(xué)方法”特刊，收集了數(shù)據(jù)科學(xué)、計(jì)算機(jī)科學(xué)、計(jì)算社會(huì)科學(xué)、應(yīng)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)、物理學(xué)和公共衛(wèi)生等領(lǐng)域的全球一線學(xué)者關(guān)于該主題的最新論文，介紹了他們?nèi)绾卫么祟愌芯繋椭箵粜鹿谝咔楹推渌餍行詡魅静?。該期特刊由香港城市大學(xué)數(shù)據(jù)科學(xué)學(xué)院副教授張清鵬主持編輯。入選的12篇論文涵蓋了從不確定性量化和傳染病學(xué)參數(shù)估算，到使用移動(dòng)電話數(shù)據(jù)模擬人員移動(dòng)，再到傳染病疫情建模的基本問(wèn)題。集智翻譯了合集的綜述、論文摘要、評(píng)論部分，供對(duì)傳染病監(jiān)測(cè)及數(shù)據(jù)科學(xué)問(wèn)題感興趣的讀者參考。

研究領(lǐng)域：傳染病，數(shù)據(jù)科學(xué)，網(wǎng)絡(luò)科學(xué)，計(jì)算社會(huì)科學(xué)

《自然科學(xué)會(huì)報(bào)A》 | 來(lái)源

王百臻 | 譯者

張澳、梁金 | 審校

鄧一雪 | 編輯

特刊題目：

Data science approaches to infectious disease surveillance

特刊鏈接：

https://royalsocietypublishing.org/toc/rsta/2022/380/2214

目錄

綜述文章

傳染病監(jiān)測(cè)的數(shù)據(jù)科學(xué)方法

13篇論文摘要

1.新冠疫情期間時(shí)序?qū)哟我苿?dòng)網(wǎng)絡(luò)的滲流

2.了解新冠疫情期間移動(dòng)性的組成部分

3.模擬艾滋病毒在中國(guó)廣東男男性接觸者中的地理傳播：考慮暴露前預(yù)防用藥影響的集合種群模型

4.對(duì)不同新冠疫情嚴(yán)重程度的行為響應(yīng)可以解釋不同年齡組病例的時(shí)間變化

5.關(guān)閉學(xué)校對(duì)減少新冠疫情傳播影響的全球評(píng)估

6.不均衡的影響和空間聚集扭曲了新冠疫情的增長(zhǎng)率

7.利用時(shí)變有效接觸率校正 SEIR 新冠疫情模型

8.傳染病監(jiān)測(cè)面臨的一些基本挑戰(zhàn)

9.基于人口水平加權(quán)社交網(wǎng)絡(luò)的農(nóng)村超級(jí)傳播者特征研究

10.人群中新冠疫情測(cè)試的統(tǒng)計(jì)模型：抽樣偏差和測(cè)試誤差的影響

11.新冠疫情監(jiān)測(cè)器：基于社交媒體挖掘的高效魯棒傳染病檢測(cè)系統(tǒng)

12.中國(guó)男男性接觸者艾滋病自測(cè)試劑盒二次分配中的最優(yōu)資源分配：數(shù)據(jù)驅(qū)動(dòng)的整數(shù)規(guī)劃模型

13.應(yīng)對(duì)新冠疫情的數(shù)據(jù)科學(xué)方法：敘述性回顧

傳染病監(jiān)測(cè)的數(shù)據(jù)科學(xué)

Data science approaches to infectious disease surveillance

作者：Qingpeng Zhang

發(fā)表時(shí)間：2020年6月12日

論文地址：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0115

我們需要新的數(shù)據(jù)科學(xué)方法來(lái)應(yīng)對(duì)大規(guī)模傳染病，如新型冠狀病毒、人類免疫缺陷病毒、非洲豬瘟病毒和埃博拉病毒?，F(xiàn)今，人類擁有了更豐富的數(shù)據(jù)以及更先進(jìn)的數(shù)據(jù)分析方法，其中許多方法直到最近十年才得以實(shí)現(xiàn)?！秱魅静”O(jiān)測(cè)的數(shù)據(jù)科學(xué)方法》特刊報(bào)告了最新的跨學(xué)科研究成果，旨在開發(fā)新的數(shù)據(jù)科學(xué)方法，利用人類行為大數(shù)據(jù)來(lái)應(yīng)對(duì)傳染?。ㄓ绕涫钱?dāng)前的新冠疫情）。與傳統(tǒng)的公共衛(wèi)生研究相比，本刊的文章提出了具有創(chuàng)新性的數(shù)據(jù)科學(xué)方法。如果沒(méi)有日益增長(zhǎng)的人類行為數(shù)據(jù)以及信息通信技術(shù)的最新進(jìn)展，這些方法是不可能實(shí)現(xiàn)的。本刊收錄了12篇研究論文和1篇評(píng)論文章，其作者來(lái)自多個(gè)學(xué)科，包括數(shù)據(jù)科學(xué)、計(jì)算機(jī)科學(xué)、計(jì)算社會(huì)科學(xué)、應(yīng)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)、物理學(xué)和公共衛(wèi)生。以下簡(jiǎn)要概述傳染病監(jiān)測(cè)的數(shù)據(jù)科學(xué)方法，并討論了這一新興領(lǐng)域的未來(lái)。

傳染病產(chǎn)生了大量關(guān)于人類行為的數(shù)據(jù)，包括人類移動(dòng)、接觸者追蹤、臨床記錄、病毒學(xué)、藥學(xué)、科學(xué)文獻(xiàn)等數(shù)據(jù)。隨著數(shù)據(jù)變得極易獲得，以及數(shù)據(jù)驅(qū)動(dòng)抗疫需求激增，數(shù)據(jù)科學(xué)方法現(xiàn)已被廣泛用于了解和應(yīng)對(duì)傳染病監(jiān)測(cè) [1]。詳見第13篇摘要。

本期《自然科學(xué)會(huì)報(bào)A》的主題性很強(qiáng)，邀請(qǐng)了世界各地的前沿學(xué)者，介紹他們用于抗擊新型冠狀病毒和其他傳染?。òㄈ祟惷庖呷毕莶《荆℉IV）、腹瀉病毒和呼吸系統(tǒng)疾病）的最新數(shù)據(jù)科學(xué)研究成果。參與學(xué)者既包括處于職業(yè)生涯早期或中期的學(xué)者，也包括業(yè)內(nèi)知名學(xué)者，研究領(lǐng)域涉及數(shù)據(jù)科學(xué)、計(jì)算機(jī)科學(xué)、計(jì)算社會(huì)科學(xué)、應(yīng)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)、物理學(xué)和公共衛(wèi)生。本期特刊共計(jì)選擇了12篇研究文章，包括從不確定性量化和傳染病學(xué)參數(shù)估計(jì)，到對(duì)移動(dòng)電話數(shù)據(jù)的建模和傳染病預(yù)測(cè)的基本問(wèn)題。本刊還包含了1 篇評(píng)論文章，總結(jié)了如何采用新的數(shù)據(jù)科學(xué)方法來(lái)應(yīng)對(duì)新冠疫情。本期特刊旨在促進(jìn)數(shù)據(jù)科學(xué)方法在傳染病監(jiān)控、建模和控制方面的新研究。

相關(guān)文獻(xiàn)概述

大多數(shù)傳染病在人類密切接觸時(shí)表現(xiàn)出傳染性。因此，傳染病的爆發(fā)和傳播在很大程度上依賴于當(dāng)?shù)匾约皣?guó)際人口的移動(dòng)。信息通信技術(shù)的最新進(jìn)展以及智能設(shè)備的廣泛采用使人們能夠獲得豐富的人類移動(dòng)數(shù)據(jù)。本期有3篇論文聚焦于為傳染病監(jiān)測(cè)和防控建立人類移動(dòng)模型。Jianxi Gao 和他的同事利用大規(guī)模的人類移動(dòng)數(shù)據(jù)，構(gòu)建了描述美國(guó)大都市統(tǒng)計(jì)區(qū)（Metropolitan Statistical Areas，美國(guó)人口密度較高的核心都市中，區(qū)域人口超過(guò)5萬(wàn)的地理區(qū)域， 由美國(guó)人口普查局和其他聯(lián)邦政府機(jī)構(gòu)出于統(tǒng)計(jì)目的而定義，無(wú)相應(yīng)法律地位 ）內(nèi)部及之間的人類活動(dòng)時(shí)序（每日的）層次網(wǎng)絡(luò)[2]。他們研究了這些時(shí)序網(wǎng)絡(luò)上的滲流效應(yīng)（percolation effect），發(fā)現(xiàn)了具有高移動(dòng)閾值的功能子單元的存在。這些數(shù)據(jù)驅(qū)動(dòng)的見解有助于我們理解在出行限制和非藥物干預(yù)（non-pharmaceutical interventions，NPIs）期間移動(dòng)網(wǎng)絡(luò)的時(shí)序社群結(jié)構(gòu)。詳見第1篇摘要。

在丹麥的另一項(xiàng)研究中[3]，Laura Alessandretti 和她的同事們通過(guò)使用非負(fù)矩陣分解來(lái)描述不同的出行行為是如何導(dǎo)致疫情傳播的。他們發(fā)現(xiàn)，可將丹麥人的移動(dòng)模式分解為工作日、周末和假日三個(gè)不同時(shí)段的出行。他們計(jì)算了城市之間的有效距離，以檢驗(yàn)每種類型的移動(dòng)對(duì)新冠疫情傳播的貢獻(xiàn)度。這些研究結(jié)果揭示了出行限制對(duì)疫情期間人們出行的各種影響，并可能為傳染病防控的有效政策提供信息。詳見第2篇摘要。

人類的移動(dòng)性對(duì)于艾滋病毒在高危人群（如男男性接觸者，MSM）中的傳播也起著至關(guān)重要的作用。Dan Wu 和他的同事們利用從男同社交網(wǎng)站、離線人類移動(dòng)網(wǎng)絡(luò)和男男性接觸者自我報(bào)告的性行為中獲得的多源大數(shù)據(jù)，研究了廣東省各城市內(nèi)部和城市之間艾滋病毒傳播的行為動(dòng)力學(xué)特征[4]。他們的研究表明，男男性接觸者采用暴露前預(yù)防用藥（pre-exposure prophylaxis ，PrEP）可以顯著延緩所有城市艾滋病毒的發(fā)生。研究結(jié)果還表明，人類移動(dòng)網(wǎng)絡(luò)的樞紐節(jié)點(diǎn)面臨著更高的接觸早期新艾滋病毒基因型的風(fēng)險(xiǎn)。這些研究結(jié)果驗(yàn)證了暴露前預(yù)防用藥在男男性接觸者中的應(yīng)用效果，并為廣東省各城市控制和預(yù)防艾滋病提供了數(shù)據(jù)依據(jù)。詳見第3篇摘要。

人群易感性和接觸強(qiáng)度的異質(zhì)性迫切反映了考慮新冠疫情年齡特異性嚴(yán)重程度的必要性。Alex Arenas 和他的同事發(fā)現(xiàn)，在八個(gè)國(guó)家或地區(qū)患病率較低時(shí)，老年人感染的比例非常小，而在患病率較高時(shí)，老年人感染的比例有所增加[5]。作者通過(guò)解釋新冠疫情的年齡特異性嚴(yán)重程度，對(duì)該現(xiàn)象提出了一種機(jī)制解釋，并通過(guò)易感-感染-清除（susceptible-infectious-removed，SIR）傳播模型中的兩策略博弈，對(duì)實(shí)施異質(zhì)性非藥物干預(yù)進(jìn)行了動(dòng)力學(xué)建模。他們的研究結(jié)果為理解不同年齡組之間隨時(shí)間變化的病例分布提供了深刻的見解，并且對(duì)最小模型如何在實(shí)際數(shù)據(jù)中展現(xiàn)復(fù)雜現(xiàn)象有重要的啟示。研究結(jié)果表明，在實(shí)踐中需要考慮到由于高危人群感染率較低，導(dǎo)致對(duì)醫(yī)療保健系統(tǒng)未來(lái)壓力的低估。詳見第4篇摘要。

人群特定年齡的混合模式也可能影響非藥物干預(yù)的效力，例如關(guān)閉學(xué)校是一種在世界范圍內(nèi)普遍采用的疫情防控措施。通過(guò)利用中國(guó)兩個(gè)城市的監(jiān)測(cè)數(shù)據(jù)，Joseph t. Wu和他的同事推斷出了不同年齡組人群的易感性，并開發(fā)出傳播模型來(lái)評(píng)估關(guān)閉學(xué)校對(duì)控制新冠疫情傳播的影響[6]。他們發(fā)現(xiàn)學(xué)生的低易感性限制了關(guān)閉學(xué)校在新冠疫情控制中的有效性，并表明關(guān)閉學(xué)?？赡懿皇强刂菩鹿谝咔槔硐氲闹苯痈深A(yù)措施。詳見第5篇摘要。

異質(zhì)性還體現(xiàn)在地理尺度上疾病的增長(zhǎng)率。Kristina Lerman及其同事通過(guò)分析美國(guó)多個(gè)地理尺度上確認(rèn)的感染人數(shù)和死亡人數(shù)，解決了這一關(guān)鍵問(wèn)題[7]。他們發(fā)現(xiàn)新冠疫情的影響在不同地區(qū)之間存在很大的差異。為此，他們提出了一種Reed-Hughes式機(jī)制*對(duì)該效應(yīng)建模。研究結(jié)果強(qiáng)調(diào)了通過(guò)空間聚集來(lái)權(quán)衡噪音降低和偏差增加，并呼吁公共決策者注意在估計(jì)新冠疫情增長(zhǎng)率時(shí)，考慮這種聚集扭曲的偏差。詳見第6篇摘要。（*注：Reed-Hughes 機(jī)制在2002年由 William J. Reed 和 Barry D. Hughes 提出，用于解釋統(tǒng)計(jì)分布中冪律尾的出現(xiàn)。）

大多數(shù)新冠疫情傳播模型都基于標(biāo)準(zhǔn)SIR分區(qū)模型或其變體。在本期特刊中，有3篇論文討論了這種分區(qū)模型的校正及其在處理實(shí)際數(shù)據(jù)時(shí)的局限性。James Gleeson和他的同事報(bào)告了以人口為基礎(chǔ)的SEIR （E 表示 Exposed）模型，該模型為愛爾蘭政府提供了疫情防控的建議[8]。為了刻畫非藥物干預(yù)的影響，他們?cè)谀Ｐ椭幸肓穗S時(shí)間變化的有效接觸率。在文章中，他們提出了一種利用觀測(cè)數(shù)據(jù)進(jìn)行魯棒校正的新型算法。他們的校正算法可應(yīng)用于其他場(chǎng)景（例如疫苗接種）的建模，以較低的復(fù)雜性實(shí)現(xiàn)了良好的準(zhǔn)確性。詳見第7篇摘要。

在文章[9]中，Dirk Helbing和他的同事指出，由于忽略了隨機(jī)效應(yīng)、網(wǎng)絡(luò)效應(yīng)及測(cè)量過(guò)程的影響，使用SIR類型的分區(qū)模型來(lái)監(jiān)測(cè)傳染病的基本挑戰(zhàn)。他們將這樣的分區(qū)模型與測(cè)試過(guò)程的測(cè)量模型結(jié)合，并檢查了誤差和有偏采樣。他們的結(jié)論是：將傳統(tǒng)方法應(yīng)用于具有非線性動(dòng)力學(xué)、網(wǎng)絡(luò)效應(yīng)和不確定性的復(fù)雜系統(tǒng)可能會(huì)產(chǎn)生誤導(dǎo)，從而影響到下游的監(jiān)測(cè)和預(yù)測(cè)任務(wù)。他們認(rèn)為，這些誤差可以通過(guò)將傳播動(dòng)力學(xué)和測(cè)量過(guò)程的科學(xué)知識(shí)納入模型來(lái)糾正。詳見第8篇摘要。

SIR型分區(qū)模型另一個(gè)明顯的局限性，是對(duì)社交網(wǎng)絡(luò)均勻和完全混合的簡(jiǎn)化假設(shè)。為了描述個(gè)體間疾病傳播的異質(zhì)性，Nicholas A. Christakis 和同事在洪都拉斯收集了詳細(xì)的縱向社交中心演變數(shù)據(jù)，并創(chuàng)建了一個(gè)社交網(wǎng)絡(luò)驅(qū)動(dòng)的傳播模型，以識(shí)別人口中的超級(jí)傳播者和易感個(gè)體[10]。通過(guò)主體建模，他們能夠預(yù)測(cè)腹瀉和呼吸道疾病的爆發(fā)。使用人口水平調(diào)查來(lái)驗(yàn)證預(yù)測(cè)和確定超級(jí)傳播者和易感個(gè)體。與回溯接觸者追蹤不同，本研究通過(guò)模擬來(lái)主動(dòng)識(shí)別超級(jí)傳播者。他們的模型可以應(yīng)用于其它依賴接觸傳播的傳染病，研究結(jié)果說(shuō)明有必要在疾病傳播模型中考慮社交互動(dòng)。詳見第9篇摘要。

傳染病監(jiān)測(cè)的一項(xiàng)主要且具有挑戰(zhàn)性的任務(wù)是通過(guò)檢測(cè)準(zhǔn)確估計(jì)患病率，因?yàn)樵趧?dòng)態(tài)演化的人群中進(jìn)行檢測(cè)存在著誤差和偏差。Lucas B?ttcher和他的同事開發(fā)了一個(gè)統(tǒng)計(jì)模型來(lái)推斷患病率[11]。他們的模型考慮到了抽樣偏差和測(cè)試誤差。新冠疫情的實(shí)證數(shù)據(jù)證明了該模型用不確定性的量化指標(biāo)估計(jì)患病率的有效性。該模型框架是通用的，可以很容易地應(yīng)用于其他傳染病的監(jiān)測(cè)。詳見第10篇摘要。

社交媒體已被公認(rèn)為監(jiān)測(cè)傳染病和公共衛(wèi)生事件的主要數(shù)據(jù)源。Wei Wang和他的同事開發(fā)了新冠疫情監(jiān)測(cè)系統(tǒng)，這是一個(gè)基于網(wǎng)絡(luò)的新冠疫情監(jiān)測(cè)系統(tǒng)[12]。新冠疫情監(jiān)測(cè)者采用了動(dòng)態(tài)圖神經(jīng)網(wǎng)絡(luò)模型，通過(guò)分析推特的流數(shù)據(jù)來(lái)預(yù)測(cè)趨勢(shì)，并識(shí)別新冠疫情的高風(fēng)險(xiǎn)事件。詳見第11篇摘要。

資源配置是傳染病控制的關(guān)鍵。Weiming Tang 和他的同事利用中國(guó)男男性接觸者的實(shí)際數(shù)據(jù)，建立了兩個(gè)數(shù)據(jù)驅(qū)動(dòng)的整數(shù)線性規(guī)劃模型，以優(yōu)化高危人群中HIV自檢（HIVST）試劑盒的二級(jí)分發(fā)[13]。結(jié)果表明，所提議的數(shù)據(jù)驅(qū)動(dòng)方法在提高HIVST二級(jí)分發(fā)的衛(wèi)生經(jīng)濟(jì)效益方面是可行的。該模型可作為指導(dǎo)資源匱乏的低收入和中等收入國(guó)家實(shí)施二級(jí)HIVST分發(fā)的參考。進(jìn)一步的準(zhǔn)實(shí)驗(yàn)性測(cè)試將比較本方法與傳統(tǒng)公共衛(wèi)生方法所產(chǎn)生的的實(shí)際經(jīng)濟(jì)效益差異。詳見第12篇摘要。

本期論文許多重要的主題未涉及到，包括評(píng)估經(jīng)濟(jì)影響、挖掘患者數(shù)據(jù)、藥物再利用和開發(fā)、科學(xué)文獻(xiàn)等。感興趣的讀者可以參考第13篇摘要[1]，它回顧了在抗擊新冠疫情中解決這些問(wèn)題的新型數(shù)據(jù)科學(xué)方法，并討論了這一新興領(lǐng)域的機(jī)遇和挑戰(zhàn)。

顯而易見，大數(shù)據(jù)和數(shù)據(jù)科學(xué)方法對(duì)于有效控制傳染病不可或缺。傳統(tǒng)的公共衛(wèi)生研究人員和數(shù)據(jù)科學(xué)研究人員之間往往存在著鴻溝與差異，我們希望通過(guò)本期特刊介紹兩個(gè)領(lǐng)域?qū)＜业呢暙I(xiàn)，彌合這一鴻溝。長(zhǎng)遠(yuǎn)來(lái)看，本期特刊的研究不僅有助于抗擊新冠疫情，還有助于監(jiān)測(cè)和控制其他傳染病。

參考文獻(xiàn)：

[1] Zhang Q, Gao J, Wu JT, Cao Z, Dajun Zeng D. 2021 Data science approaches to confronting the COVID-19 pandemic: a narrative review. Phil. Trans. R. Soc. A 380, 20210127. （doi:10.1098/rsta.2021.0127）

[2]He H, Deng H, Wang Q, Gao J. 2021 Percolation of temporal hierarchical mobility networks during COVID-19. Phil. Trans. R. Soc. A 380, 20210116. （doi:10.1098/rsta.2021.0116）

[3] Edsberg M?llgaard P, Lehmann S, Alessandretti L. 2021 Understanding components of mobility during the COVID-19 pandemic. Phil. Trans. R. Soc. A 380, 20210118.（doi:10.1098/rsta.2021.0118）

[4]Jing F et al. 2021 Modelling the geographical spread of HIV among MSM in Guangdong,China: a metapopulation model considering the impact of pre-exposure prophylaxis. Phil.Trans. R. Soc. A 380, 20210126. （doi:10.1098/rsta.2021.0126）

[5] Steinegger B, Arola-Fernández L, Granell C, Gómez-Garde?es J, Arenas A. 2021 Behavioural response to heterogeneous severity of COVID-19 explains temporal variation of cases among different age groups. Phil. Trans. R. Soc. A 380, 20210119. （doi:10.1098/rsta.2021.0119）

[6]Wu JT et al. 2021 A global assessment of the impact of school closure in reducing COVID-19 spread. Phil. Trans. R. Soc. A 380, 20210124. （doi:10.1098/rsta.2021.0124）

[7]Burghardt K, Guo S, Lerman K. 2021 Unequal impact and spatial aggregation distort COVID-19 growth rates. Phil. Trans. R. Soc. A 380, 20210122. （doi:10.1098/rsta.2021.0122）

[8]Gleeson JP, Brendan Murphy T, O’Brien JD, Friel N, Bargary N, O’Sullivan DJP. 2021 Calibrating COVID-19 susceptible-exposed-infected-removed models with time-varying effective contact rates. Phil. Trans. R. Soc. A 380, 20210120. （doi:10.1098/rsta.2021.0120）

[9]Vasiliauskaite V, Antulov-Fantulin N, Helbing D. 2021 On some fundamental challenges in monitoring epidemics. Phil. Trans. R. Soc. A 380, 20210117. （doi:10.1098/rsta.2021.0117）

[10]Shridhar SV, Alexander M, Christakis NA. 2021 Characterizing super-spreaders using population-level weighted social networks in rural communities. Phil. Trans. R. Soc. A 380,20210123.（doi:10.1098/rsta.2021.0123）

[11]B?ttcher L, D’Orsogna MR, Chou T. 2021 A statistical model of COVID-19 testing in populations: effects of sampling bias and testing errors. Phil. Trans. R. Soc. A 380, 20210121.（doi:10.1098/rsta.2021.0121）

[12]Jiang J-Y, Zhou Y, Chen X, Jhou Y-R, Zhao L, Liu S, Yang P-C, Ahmar J, Wang W. 2021 COVID-19 Surveiller: toward a robust and effective pandemic surveillance system based on social media mining. Phil. Trans. R. Soc. A 380, 20210125. （doi:10.1098/rsta.2021.0125）

[13]Jing F, Zhang Q, Ong JJ, Xie Y, Ni Y, Cheng M, Huang S, Zhou Y, Tang W. 2021 Optimal resource allocation in HIV self-testing secondary distribution among Chinese MSM: data-driven integer programming models. Phil. Trans. R. Soc. A 380, 20210128. （doi:10.1098/rsta.2021.0128）

以下為《自然科學(xué)會(huì)報(bào)A》當(dāng)期另外13篇論文（含研究論文及評(píng)論文章）的摘要：

1.新冠疫情期間時(shí)序?qū)哟我苿?dòng)網(wǎng)絡(luò)的滲流

論文題目：Percolation of temporal hierarchical mobility networks during COVID-19

作者：Haoyu He，Hengfang Deng，Qi Wang，Jianxi Gao

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0116

滲流理論對(duì)于理解時(shí)序移動(dòng)網(wǎng)絡(luò)（temporal mobility networks）上的疾病傳播模式至關(guān)重要。然而，在長(zhǎng)時(shí)間分析大規(guī)模動(dòng)態(tài)網(wǎng)絡(luò)時(shí)，傳統(tǒng)的滲流過(guò)程方法可能效率低下。它不僅耗時(shí)，而且很難識(shí)別連通片（connected component）。最近的研究表明，空間容器限制了由移動(dòng)網(wǎng)絡(luò)分層拓?fù)浣Y(jié)構(gòu)描述的移動(dòng)行為。在這里，我們利用眾包的大規(guī)模人類移動(dòng)數(shù)據(jù)，構(gòu)建由美國(guó)超過(guò) 175000 個(gè)街區(qū)組成的時(shí)序?qū)哟尉W(wǎng)絡(luò)（temporal hierarchical networks）。每個(gè)每日網(wǎng)絡(luò)都包含大城市統(tǒng)計(jì)區(qū) （Metropolitan Statistical Area ，MSA） 內(nèi)街區(qū)之間的移動(dòng)性，以及跨大城市統(tǒng)計(jì)區(qū)的長(zhǎng)途街區(qū)間的移動(dòng)性。我們檢查了這兩個(gè)級(jí)別的滲流，并展示了在新冠疫情的影響下網(wǎng)絡(luò)度量和連通片的變化。該研究揭示了即使網(wǎng)絡(luò)具有高移動(dòng)性閾值，也存在功能子單元。最后，我們找到一組劃分連通片的重復(fù)關(guān)鍵鏈路 （recurrent critical links），它們導(dǎo)致核心大城市統(tǒng)計(jì)區(qū)的分離。我們的研究結(jié)果為理解疫情期間移動(dòng)網(wǎng)絡(luò)的動(dòng)態(tài)社群結(jié)構(gòu)提供了新的見解，并有助于在多個(gè)尺度上更有效地控制傳染病。

2.了解新冠疫情期間移動(dòng)性的組成部分

論文題目：Understanding components of mobility during the COVID-19 pandemic

作者：Peter Edsberg M?llgaard，Sune Lehmann，Laura Alessandretti

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0118

出行限制已被證明是控制新冠疫情傳播的有效策略，部分原因是它有助于延緩疾病在各個(gè)地區(qū)的傳播。然而，關(guān)于從通勤到度假相關(guān)的不同類型出行行為如何促進(jìn)傳染病傳播的問(wèn)題仍然沒(méi)有答案。在這里，我們使用因式分解技術(shù)，將描述2020年全年移動(dòng)流的時(shí)序網(wǎng)絡(luò)分解為可解釋的組分，以此解決這個(gè)問(wèn)題。我們的研究結(jié)果基于兩個(gè)移動(dòng)數(shù)據(jù)集：第一個(gè)數(shù)據(jù)集來(lái)自丹麥移動(dòng)網(wǎng)絡(luò)運(yùn)營(yíng)商；第二個(gè)數(shù)據(jù)集來(lái)自 Facebook 的 Data-For-Good 項(xiàng)目。我們發(fā)現(xiàn)，移動(dòng)模式可以描述為三個(gè)移動(dòng)網(wǎng)絡(luò)組分的集合，分別對(duì)應(yīng)于工作日、周末和節(jié)假日的出行。我們發(fā)現(xiàn)，在嚴(yán)格的出行限制期間，對(duì)應(yīng)于工作日出行的組分大幅減少，對(duì)應(yīng)于周末出行的組分則增加了。最后，我們通過(guò)測(cè)量疾病在兩個(gè)城市之間的有效傳播距離，來(lái)研究每種組分類型（工作日、周末和假日）的移動(dòng)性如何影響傳染病的傳播。

3.模擬艾滋病毒在中國(guó)廣東男男性接觸者中的地理傳播：考慮暴露前預(yù)防用藥影響的集合種群模型

論文題目：Modelling the geographical spread of HIV among MSM in Guangdong, China：a metapopulation model considering the impact of pre-exposure prophylaxis

作者：Fengshi Jing，Yang Ye，Yi Zhou，Hanchu Zhou，Zhongzhi Xu，Ying Lu，Xiaoyu Tao，Shujuan Yang，Weibin Cheng，Junzhang Tian，Weiming Tang，Dan Wu

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0126

在中國(guó)年輕人中，男男性行為占據(jù)艾滋病診斷中的絕大部分。因此，了解男男性接觸者之間艾滋病毒的傳播動(dòng)力學(xué)對(duì)于控制和預(yù)防艾滋病毒感染至關(guān)重要，特別是對(duì)于一些新報(bào)道的艾滋病毒基因型。本研究提出了一個(gè)考慮暴露前預(yù)防用藥影響的集合種群模型，以調(diào)查假設(shè)的HIV新基因型在中國(guó)廣東省男男性接觸人群中的地理傳播。我們使用多個(gè)數(shù)據(jù)源（包括通過(guò)同性戀社交網(wǎng)絡(luò)應(yīng)用的在線社交網(wǎng)絡(luò)，通過(guò)百度移動(dòng)網(wǎng)站的離線人類移動(dòng)網(wǎng)絡(luò)，以及男男性接觸者性行為自我報(bào)告）來(lái)構(gòu)建該模型，描述了艾滋病毒在廣東省21個(gè)地級(jí)市（即廣州、深圳、佛山等）內(nèi)部和之間傳播的行為動(dòng)力學(xué)特征。結(jié)果顯示，暴露前預(yù)防用藥的啟動(dòng)成指數(shù)量級(jí)地延遲了從最初爆發(fā)城市傳播的病毒在其他城市的發(fā)生；移動(dòng)網(wǎng)絡(luò)的樞紐，如廣州、深圳和佛山有更高的風(fēng)險(xiǎn)“最早”接觸到新的艾滋病毒基因型；大多數(shù)城市直接從最初爆發(fā)的城市獲得病毒，而其它城市則從非最初爆發(fā)地點(diǎn)但介數(shù)中心性（betweenness centralities）相對(duì)較高的城市（如廣州、深圳和汕頭）獲得病毒。本研究為預(yù)測(cè)不同地區(qū)男男性接觸者艾滋病新基因型的地理分布及評(píng)估地級(jí)市在廣東省艾滋病防治工作中的重要性提供了理論依據(jù)。

4.對(duì)新冠疫情不同嚴(yán)重程度的行為響應(yīng)可以解釋不同年齡組病例的時(shí)間變化

論文題目：Behavioural response to heterogeneous severity of COVID-19 explains temporal variation of cases among different age groups

作者：Benjamin Steinegger，Lluís Arola-Fernández，Clara Granell，Jesús Gómez-Garde?es，Alex Arenas

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0119

隨著預(yù)防措施的逐漸放松，再加上誘發(fā)室外或室內(nèi)活動(dòng)的季節(jié)性影響，各國(guó)出現(xiàn)了第二波和第三波新冠疫情。有趣的是，數(shù)據(jù)表明，在低患病率時(shí)期，老年人感染的比例特別小，而隨著病例數(shù)量的增加，老年人感染率不斷增加。這種影響導(dǎo)致了高患病率期間，衛(wèi)生保健系統(tǒng)將會(huì)面臨額外的壓力。此外，與年輕人相比，老年人的感染高峰期存在約一周的延遲現(xiàn)象。在此，我們對(duì)這種現(xiàn)象提供了一個(gè)機(jī)制解釋，將其歸因于不同年齡受疫情影響程度不同誘導(dǎo)的異質(zhì)預(yù)防。我們通過(guò)一個(gè)雙策略博弈建立了實(shí)施預(yù)防的動(dòng)力學(xué)模型，并將其與SIR傳播模型相結(jié)合。我們的研究結(jié)果還表明，年齡組間接觸者的混合決定了其患病高峰與病例分布的時(shí)間變化之間的延遲。

5.關(guān)閉學(xué)校對(duì)減少新冠疫情傳播影響的全球評(píng)估

論文題目：A global assessment of the impact of school closure in reducing COVID-19 spread

作者：Joseph T. Wu，Shujiang Mei，Sihui Luo，Kathy Leung，Di Liu，Qiuying Lv，Jian Liu，Yuan Li，Kiesha Prem，Mark Jit，Jianping Weng，Tiejian Feng，Xueying Zheng，Gabriel M. Leung

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0124

為了控制新冠疫情，世界各地都采取了延長(zhǎng)學(xué)校關(guān)閉時(shí)間的做法。事實(shí)上，聯(lián)合國(guó)教育、科學(xué)及文化組織的數(shù)據(jù)顯示，由于學(xué)校關(guān)閉，全世界平均損失了三分之二個(gè)學(xué)年。這種先發(fā)的措施是基于這樣一個(gè)前提，即學(xué)生是新冠疫情傳播的核心群體。根據(jù)中國(guó)深圳和安慶的監(jiān)測(cè)數(shù)據(jù)，我們推斷，與60歲及以上的老年人相比，18歲及以下的兒童和19-59歲的成年人對(duì)感染的易感性分別要低75%和32%。通過(guò)綜合全球177個(gè)司法轄區(qū)的接觸矩陣參數(shù)化后的傳播模型，我們表明，學(xué)生較低的易感性大大限制了關(guān)閉學(xué)校對(duì)降低新冠疫情傳播率的有效性。我們的研究結(jié)果，連同最近指出兒童新冠疫情的臨床嚴(yán)重程度較低的研究，表明關(guān)閉學(xué)?？赡懿皇强刂菩鹿谝咔榈睦硐敫深A(yù)措施。

6.不均衡的影響和空間聚集扭曲了新冠疫情的增長(zhǎng)率

論文題目：Unequal impact and spatial aggregation distort COVID-19 growth rates

作者：Keith Burghardt，Siyi Guo，Kristina Lerman

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0122

新冠疫情疫情對(duì)全世界的公共衛(wèi)生提出了前所未有的挑戰(zhàn)。為了制定應(yīng)對(duì)策略并了解疾病動(dòng)力學(xué)，決策者和傳染病學(xué)家必須了解疾病是如何在社群傳播的。在這里，我們分析了多個(gè)地理尺度上確定的感染數(shù)和死亡數(shù)，發(fā)現(xiàn)新冠疫情的影響是高度不均衡的：許多地區(qū)幾乎沒(méi)有感染，而其它地區(qū)則是感染熱點(diǎn)。我們把這種效應(yīng)歸因于一種Reed–Hughes式的機(jī)制，即疾病在不同時(shí)間到達(dá)不同地區(qū)，并以不同速度呈指數(shù)增長(zhǎng)。增長(zhǎng)較快的區(qū)域?qū)?yīng)的熱點(diǎn)在空間上占統(tǒng)計(jì)主導(dǎo)地位，從而在更大的空間尺度上扭曲增長(zhǎng)率。最后，我們使用這些分析來(lái)表明，在不同空間尺度上，新冠疫情的增長(zhǎng)增長(zhǎng)率每次激增后都有所減緩。這些結(jié)果表明了在估計(jì)增長(zhǎng)率時(shí)的一種權(quán)衡：雖然空間聚集降低了噪聲，但可能增加偏差。公共政策和傳染病模型應(yīng)認(rèn)識(shí)到這種偏差，并力求解決這種偏差。

7.利用隨時(shí)間變化的有效接觸率校正新冠疫情的SEIR模型

論文題目：Calibrating COVID-19 susceptible-exposed-infected-removed models with time-varying effective contact rates

作者：James P. Gleeson，Thomas Brendan Murphy，Joseph D. O’Brien，Nial Friel，Norma Bargary，David J. P. O'Sullivan

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0120

我們描述了由愛爾蘭傳染病學(xué)建模咨詢小組 （Irish Epidemiological Modelling Advisory Group ，IEMAG） 開發(fā)的基于人群的易感-暴露-感染-移除 （susceptible-exposed-infected-removed ，SEIR） 模型，該小組就新冠疫情向愛爾蘭政府提供建議。該模型假設(shè)一個(gè)隨時(shí)間變化的有效接觸率（相當(dāng)于一個(gè)隨時(shí)間變化的再生數(shù)）來(lái)模擬非藥物干預(yù)的效果。應(yīng)用此類模型的一個(gè)關(guān)鍵技術(shù)挑戰(zhàn)是對(duì)觀測(cè)數(shù)據(jù)（如每日確診的新病例數(shù)）進(jìn)行校正，因?yàn)榧膊〉臍v史對(duì)未來(lái)情景的預(yù)測(cè)結(jié)果具有強(qiáng)烈影響。我們展示了一種基于 SEIR 方程反演的方法，結(jié)合數(shù)據(jù)的統(tǒng)計(jì)建模和樣條擬合法，以產(chǎn)生一種魯棒的方法來(lái)校正這種類型的模型。

8.傳染病監(jiān)測(cè)面臨的一些基本挑戰(zhàn)

論文題目：On some fundamental challenges in monitoring epidemics

作者：Vaiva Vasiliauskaite，Nino Antulov-Fantulin，Dirk Helbing

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0117

傳染病模型通常通過(guò)考慮不同健康狀態(tài)（如易感、感染或康復(fù)）的耦合非線性微分方程，來(lái)反映傳染病傳播過(guò)程的特征。然而，這種分區(qū)建模方法提供的是對(duì)傳染病動(dòng)力學(xué)的不完整描述，因?yàn)樗雎粤穗S機(jī)效應(yīng)和網(wǎng)絡(luò)效應(yīng)，以及測(cè)量過(guò)程本身的影響，尤其考慮到傳染病學(xué)參數(shù)和發(fā)病率的估計(jì)依賴于測(cè)量過(guò)程。為了研究相關(guān)問(wèn)題，我們將建立的傳染病傳播模型與測(cè)試過(guò)程的測(cè)量模型相結(jié)合，考慮到假陽(yáng)性和假陰性以及有偏抽樣的問(wèn)題。結(jié)合模擬觀察過(guò)程（虛擬測(cè)量）研究模型生成的基準(zhǔn)真值，可以讓人們?cè)谠u(píng)估傳染病時(shí)深入了解純數(shù)據(jù)驅(qū)動(dòng)方法的基本局限性。我們的結(jié)論是，傳染病監(jiān)測(cè)、模擬和預(yù)測(cè)是非常棘手的問(wèn)題，因?yàn)閷鹘y(tǒng)的數(shù)據(jù)驅(qū)動(dòng)方法應(yīng)用于具有非線性動(dòng)力學(xué)、網(wǎng)絡(luò)效應(yīng)和不確定性的復(fù)雜系統(tǒng)可能會(huì)產(chǎn)生誤導(dǎo)。盡管如此，使用傳播動(dòng)力學(xué)和測(cè)量過(guò)程的科學(xué)知識(shí)，可以糾正一些錯(cuò)誤。我們得出的結(jié)論是，此類修正應(yīng)成為傳染病監(jiān)測(cè)、建模和預(yù)測(cè)工作的一部分。

9.基于農(nóng)村社區(qū)人口水平加權(quán)社交網(wǎng)絡(luò)的超級(jí)傳播者特征研究

論文題目：Characterizing super-spreaders using population-level weighted social networks in rural communities

作者：Shivkumar Vishnempet Shridhar，Marcus Alexander，Nicholas A. Christakis

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0123

整個(gè)人口的社交中心網(wǎng)絡(luò)地圖與關(guān)于組成二元關(guān)系性質(zhì)的數(shù)據(jù)相結(jié)合，能夠促進(jìn)我們對(duì)網(wǎng)絡(luò)與疾病傳播相關(guān)性的理解，并改進(jìn)傳染病的預(yù)測(cè)。在這里，我們使用 4 年來(lái)在洪都拉斯 176 個(gè)村莊的 24702人中收集的詳細(xì)的社交中心數(shù)據(jù)，以及腹瀉和呼吸道疾病的患病率，創(chuàng)建了一個(gè)社交網(wǎng)絡(luò)驅(qū)動(dòng)的傳播模型，確定了超級(jí)傳播節(jié)點(diǎn)，并使用基于主體的蒙特卡羅網(wǎng)絡(luò)模擬，識(shí)別出最容易受到感染的節(jié)點(diǎn)。我們根據(jù)詳細(xì)的社交互動(dòng)模式預(yù)測(cè)傳染病爆發(fā)的程度。來(lái)自腹瀉和呼吸系統(tǒng)疾病的三次人群水平調(diào)查的證據(jù)表明，計(jì)算出的單個(gè)節(jié)點(diǎn)的超級(jí)傳播能力和其相對(duì)脆弱性之間存在正相關(guān)。先前的研究已經(jīng)通過(guò)回溯接觸者追蹤或模擬網(wǎng)絡(luò)識(shí)別出超級(jí)傳播者。相比之下，我們的模擬預(yù)測(cè)，一個(gè)節(jié)點(diǎn)的超級(jí)傳播能力及其在真實(shí)社群中的脆弱性受到多種因素的影響，如節(jié)點(diǎn)的連接及連接之間交互的性質(zhì)、影響個(gè)體傳播病原體能力的特征（例如年齡和性別），以及病原體的內(nèi)在特征（例如處于感染期和潛伏期）。

10.人群中新冠疫情測(cè)試的統(tǒng)計(jì)模型：抽樣偏差和測(cè)試誤差的影響

論文題目：A statistical model of COVID-19 testing in populations: effects of sampling bias andtesting errors

作者：Lucas B?ttcher，Maria R. D'Orsogna，Tom Chou

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0121

我們開發(fā)了一個(gè)統(tǒng)計(jì)模型來(lái)測(cè)試人群中的患病率。該模型測(cè)試結(jié)果為二元值（正或負(fù)），但允許樣本選擇存在偏差，以及 I 型（假陽(yáng)性）和 II 型（假陰性）測(cè)試誤差。我們的模型還包含多種測(cè)試類型，并且能夠區(qū)分重新測(cè)試和未測(cè)試的情況。我們的定量框架能夠?qū)y(cè)試結(jié)果直接解釋為誤差和偏差的函數(shù)。通過(guò)將我們的測(cè)試模型應(yīng)用于新冠疫情測(cè)試數(shù)據(jù)和來(lái)自特定司法管轄區(qū)的實(shí)際病例數(shù)據(jù)，我們能夠估計(jì)和提供在大流行中重要參數(shù)（例如患病率和死亡率）的不確定性。

11.新冠疫情監(jiān)測(cè)器：基于社交媒體挖掘的高效魯棒傳染病監(jiān)測(cè)系統(tǒng)

論文題目：COVID-19 Surveiller: toward a robust and effective pandemic surveillance system based on social media mining

作者：Jyun-Yu Jiang，Yichao Zhou，Xiusi Chen，Yan-Ru Jhou，Liqi Zhao，Sabrina Liu，Po-Chun Yang，Jule Ahmar，Wei Wang

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0125

新冠疫情的爆發(fā)已成為人類歷史上最嚴(yán)重的傳染病之一。在本文中，我們建議利用社交媒體用戶作為社交傳感器，同時(shí)預(yù)測(cè)大流行趨勢(shì)，并提供潛在的風(fēng)險(xiǎn)因素，幫助公共衛(wèi)生專家了解傳播情況并推薦適當(dāng)?shù)母深A(yù)措施。更準(zhǔn)確地說(shuō)，我們開發(fā)了新型深度學(xué)習(xí)模型來(lái)識(shí)別重要實(shí)體及其隨時(shí)間的關(guān)系，從而建立動(dòng)態(tài)異質(zhì)圖來(lái)描述社交媒體用戶的觀察結(jié)果。然后，動(dòng)態(tài)圖神經(jīng)網(wǎng)絡(luò)模型可以預(yù)測(cè)趨勢(shì)（例如新診斷病例和死亡率）并從社交媒體中識(shí)別高風(fēng)險(xiǎn)事件。基于所提出的計(jì)算方法，我們還為沒(méi)有任何計(jì)算機(jī)科學(xué)背景的領(lǐng)域?qū)＜议_發(fā)了一個(gè)基于網(wǎng)絡(luò)的系統(tǒng)，可以輕松地與之交互。我們對(duì) Twitter 提供的新冠疫情相關(guān)推文的大規(guī)模數(shù)據(jù)集進(jìn)行了大量實(shí)驗(yàn)，表明我們的方法可以準(zhǔn)確預(yù)測(cè)新病例和死亡率。我們還展示了我們基于網(wǎng)絡(luò)的傳染病監(jiān)測(cè)系統(tǒng)的魯棒性及其在各種情況下檢索基本知識(shí)和得出準(zhǔn)確預(yù)測(cè)的能力。

12.中國(guó)男男性接觸者艾滋病自測(cè)試劑盒二級(jí)分發(fā)中的最優(yōu)資源分配：數(shù)據(jù)驅(qū)動(dòng)的整數(shù)規(guī)劃模型

論文題目：Optimal resource allocation in HIV self-testing secondary distribution among Chinese MSM: data-driven integer programming models

作者：Fengshi Jing，Qingpeng Zhang，Jason J. Ong，Yewei Xie，Yuxin Ni，Mengyuan Cheng，Shanzi Huang，Yi Zhou，Weiming Tang

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0128

人類艾滋病自我檢測(cè) （Human immunodeficiency virus self-testing ，HIVST） 是一項(xiàng)創(chuàng)新且有效的策略，對(duì)擴(kuò)大 HIV 檢測(cè)覆蓋范圍很重要。為了達(dá)到全球檢測(cè)目標(biāo)，多項(xiàng) HIVST 已在一些 HIV 高危人群（如男男性接觸者）中開發(fā)并試用。一種創(chuàng)新策略是 HIVST 的二級(jí)分發(fā)：向個(gè)人（定義為 index）提供多個(gè)測(cè)試套件，用于自我使用（即自我測(cè)試）以及分發(fā)給其 MSM 社交網(wǎng)絡(luò)中的其他人（定義為 alter）。從傳統(tǒng)公共衛(wèi)生學(xué)科的角度，關(guān)于二級(jí) HIVST分發(fā)的研究主要集中在開發(fā)新的干預(yù)方法，以進(jìn)一步提高這一新策略的有效性。HIVST 二級(jí)分發(fā)有很多切入點(diǎn)，而數(shù)學(xué)建?？梢栽谄渲邪l(fā)揮重要作用。在這項(xiàng)研究中，我們考慮了資源受限情況下的二級(jí) HIVST 試劑盒分發(fā)，并基于我們目前來(lái)自中國(guó) MSM 的實(shí)施數(shù)據(jù)，提出了兩種數(shù)據(jù)驅(qū)動(dòng)的整數(shù)線性規(guī)劃模型，以最大限度地提高二級(jí) HIVST 試劑盒分發(fā)的整體經(jīng)濟(jì)效益。目標(biāo)函數(shù)考慮了正常 alter 的擴(kuò)展，以及陽(yáng)性和新測(cè)試的“alter”的檢測(cè)?；谇蠼馄鹘o出的方案，我們開發(fā)了貪心算法來(lái)為線性規(guī)劃模型找到最終解決方案。結(jié)果表明，我們提出的數(shù)據(jù)驅(qū)動(dòng)方法可以提高 HIVST 二級(jí)分發(fā)的總體健康經(jīng)濟(jì)效益。

13.應(yīng)對(duì)新冠疫情的數(shù)據(jù)科學(xué)方法：敘述性回顧

論文題目：Data science approaches to confronting the COVID-19 pandemic: a narrative review

作者：Qingpeng Zhang，Jianxi Gao，Joseph T. W，Zhidong Cao，Daniel Dajun Zeng

發(fā)表時(shí)間：2021年11月22日

論文鏈接：https://royalsocietypublishing.org/doi/10.1098/rsta.2021.0127

在新冠疫情期間，數(shù)據(jù)科學(xué)比以往任何時(shí)候都更能成為抗擊傳染病，甚至可能是任何未來(lái)傳染病的有力武器。計(jì)算機(jī)科學(xué)家、數(shù)據(jù)科學(xué)家、物理學(xué)家和數(shù)學(xué)家與公共衛(wèi)生專業(yè)人員和病毒學(xué)家一起，利用為抗擊新冠疫情而產(chǎn)生的大規(guī)?！按髷?shù)據(jù)”，來(lái)應(yīng)對(duì)本世紀(jì)規(guī)模最大的傳染病。在本文中，我們回顧了應(yīng)對(duì)新冠疫情的新興數(shù)據(jù)科學(xué)方法，包括傳染病學(xué)參數(shù)估計(jì)、數(shù)字接觸者追蹤、診斷、決策、資源分配、風(fēng)險(xiǎn)評(píng)估、心理健康監(jiān)測(cè)、社交媒體分析、藥物再利用和藥物開發(fā)。我們將新方法與傳統(tǒng)傳染病學(xué)研究進(jìn)行比較，討論我們從新冠疫情中吸取的教訓(xùn)，并強(qiáng)調(diào)數(shù)據(jù)科學(xué)方法在應(yīng)對(duì)未來(lái)傳染病流行方面的機(jī)遇和挑戰(zhàn)。

原標(biāo)題：《傳染病監(jiān)測(cè)的數(shù)據(jù)科學(xué)方法特刊：大數(shù)據(jù)怎樣應(yīng)對(duì)大流行》

閱讀原文