建模和预测COVID-19传播的挑战
摘要：针对COVID-19，我们提出了三种基于数据驱动的模型，这些模型具有最少的参数，可为政策制定提供有关疾病传播的见解。第一种是指数增长模型，在早期数据分析中广泛研究。第二种是自激发分支过程模型，其中包括传播和恢复的延迟。它允许对早期时间随机数据进行有意义的拟合。第三种是众所周知的易感-感染-康复（SIR）模型及其变种，带有“暴露”组分。这三种模型在数量上有关联，其中SIR模型用于说明在美国实施短期隔离措施可能产生的潜在影响。
作者：Andrea L. Bertozzi, Elisa Franco, George Mohler, Martin B. Short, Daniel Sledge
论文ID：2004.04741
分类：Populations and Evolution
分类简称：q-bio.PE
提交时间：2022-05-25