当前位置:首页 > 天道酬勤 > 正文内容

计量中判断变量是否呈线性(什么洋是呈s型的)

张世龙2021年12月21日 21:04天道酬勤810

随着COVID-19首个疫领台灯的到来,许多国家解释了为什么要通过非药物干预措施来减少感染人数。 “社交距离”和“拉平曲线”等短语已经成为常用词的一部分。 但是,有些解释不够充分。 许多国家在最初的彩灯之后显示的感染曲线直线上升,与流行病学模型中预想的s形曲线相反,该如何解释这种上升呢?

维也纳复杂性科学中心(CSH )的科学家们在《美国国家科学院院刊》发表了新论文,对感染曲线的线性增长进行了说明。

“大爆发开始时,COVID-19感染曲线呈现出预期的指数增长。 ”CSH主席、维也纳医科大学复杂系科学教授Stefan Thurner说:“这可以用所谓的滚雪球效应很好地解释。 感染的人感染其他几个人,通过连锁反应把病毒也感染其他几个人。 通过社交距离等措施,政府正在努力将增长率控制在治愈率以下,从而大幅减少新的感染人数。 但是,按照这个逻辑,个人感染人数会比其他人少,曲线会变平,最终接近零——,但不会发生。 ”

“相反,我们看到的是持续的感染水平,每天的新增感染者数量也差不多。 》共同作者Peter Klimek (维也纳CSH Medical university of Vienna )补充说:“用标准的流行病学模型解释这一点基本上是不可能的。”

使用传统的流行病学模型需要很多参数微调,模型变得越来越不可信。 “如果想均衡测量,准确地保持有效繁殖数r的值为1——,可以说明直线增加——。 有必要正确并以一定的比例减少接触。 现实中是不可能的。 ”。 凯利梅克说。

实际上,CSH的科学家们指出,在这些标准的房室模型中观察到线性生长的概率实际上为零。 因此,他们受到启发,扩展了这个模型,寻找进一步的解释。

科学家们以与最初预想的扩散不同的形式解释了曲线的线形形状。 他们假设扩散动力小,在有限的集群内持续。 “很多人去工作,感染病毒,感染家里的两三个人,这些人又去工作和学校。 感染基本上从集群传播到集群。 ”Stefan Thurner说。 “感染曲线从s型向线性的变化明显是网络效应——的动态,与大规模的超扩散事件完全不同。 ”

科学家们指出,接触者中存在着被称为接触网络度(degree of contact networks,简称Dc )的临界数,低于这个临界数,必然会出现线性增长和低感染率。 他们发现Dc等于7.2,假设人们在新型冠状病毒相关网络上流通的人数约为5人,这在有效封锁期间更低(平均每户2.5人)。

他们的模型不需要调整参数,为了保持感染曲线为直线考虑了广泛的可能性。 这解释了为什么许多国家出现直线感染曲线,而与强加的非药物干预措施的规模无关。

科学家们进一步比较了奥地利和美国。 奥地利在初期采取了严厉的封锁措施,但美国最初没有采取严厉的封锁措施。 据Peter Klimek称,他们的模型对这两种情况都适用: “两种类型的国家都呈线性曲线,但在美国和瑞典等其他国家,这些只是发生在更高水平上。 ”

该模型不仅解释了线性增长机制的出现,还解释了为什么流行病可以通过随之而来的社会距离停止在群体免疫水平以下。 在标准建模过程中,复杂性科学家使用所谓的带sir -model的分区模型,通过编写的集群传输进行扩展。

但是,在接下来的几个月里,随着数字可能再次上升,会发生什么呢? 也有其他风险因素。 例如,人们从其他国家度假回来,在国内停留的时间会变长,疾病的传播可能会发生变化。 Klimek总结了:“如果感染率再次上升,线性曲线有可能再次指数增长的——人被称为第二波”。

编译/前瞻经济学人APP情报组

原文来源:

359 medical xpress.com/news/2020-08-co vid -信息-不可见性. html

358 dx.doi.org/10.1073/PNAS.2010398117

扫描二维码推送至手机访问。

版权声明:本文由花开半夏のブログ发布,如需转载请注明出处。

本文链接:https://www.zhangshilong.cn/work/26580.html

标签: s型曲线
分享给朋友:

发表评论

访客

看不清,换一张

◎欢迎参与讨论,请在这里发表您的看法和观点。