印度Covid-19疫情的时空模式：通过数据分析推断疫情动态
摘要：大规模Covid-19流行数据的建模和分析可以得出关于其动态和疾病传播特征的推断。这些推断可以与人口密度、战略干预的效果、异质性疾病传播等背景因素相关联，并且这些经过验证的推断可以作为设计后续缓解策略的先例。在这项工作中，我们使用生长函数拟合过程和谐波分析方法，展示了印度背景下Covid-19流行数据的分析结果。我们对数据的生长函数拟合结果表明，生长函数参数对感染人口的增长非常敏感，表明封锁策略的积极影响、拐点的识别以及疾病传播的几乎同步统计特征。数据的谐波分析显示了全国范围内由于同时实施控制策略而出现的同步事件特征。然而，如果分析印度各邦的数据，可以看到全国范围内波动模式中存在不同形式的行波。因此，我们需要不时进行这些分析，以了解任何控制策略的有效性，并密切关注疾病传播，制定所需类型的缓解策略。
作者：Preet Mishra and R. K. Brojen Singh
论文ID：2207.02586
分类：Populations and Evolution
分类简称：q-bio.PE
提交时间：2022-07-07