1、-复杂网络上传染病动力学概述张海峰-提纲 传染病动力学基本概念 复杂网络上传染病动力学的基本结果与推广 个体、社会行为反应对传播行为的影响 总结与展望-一、基本概念-专业名词S-susceptible（易感染者，健康者）;I-infected（感染者）;R-recovery/removed（恢复者、移除者）;V-vaccinated(接种者）;E-exposed（暴露但不具有感染性，或称潜伏）。SIS模型：易染个体被感染后，可以被治愈但无免疫力（还可以再被感染）（感冒等）SIR模型：易染个体被感染后，可以被治愈且有免疫力（不会被感染，也不会感染其它节点，相当于已经从传播网络中被清除了）（天花等
2、）SI模型：易染个体被感染后，不能被治愈（艾滋病等）SIRS模型：易染个体被感染后，可以被治愈且有免疫力，但免疫期是有限的，还会再次回到易染状态。（乙肝？）-基本微分方程IIIdtdIISIdtdIISIdtdS)1(SIR的微分方程的微分方程SIS的微分方程的微分方程IdtdRISIdtdISIdtdS疾病越容易爆发。越大，否则疾病会灭亡。，疾病会爆发，指标。最基本是刻画疾病传播能力的定义为基本再生数表示平均恢复时间。表示恢复率，表示传播率，00001,/1 RRRR更一般的模型，可以考虑人口数量 变化的、传播率变化的、多种群的、时间滞后的、加入媒介的、加入接种措施的，等等。-二、复杂网络上
3、的疾病传播-感染密度（感染水平或者波及范围）(t)(t)：传播过程中,感染节点总数占总节点数的比例。：传播到稳态时（）感染密度的值,称为稳态感染密度。有效传播率(=/)非常小（很小，很大），传播达稳态时，所有节点都会变成健康节点，这种情况下就认为疾病没有在网络上传播开来，并记该疾病的稳态感染密度=0。反之，当足够大时，疾病将一直在网络中存在而不会完全消失，只是染病节点的数目有时多有时少，这时稳态感染水平（波及范围）0。把稳态感染密度从零零向正实数正实数变化的那个点所对应的有效传播率有效传播率称作传播阈值（临界值）c。它是衡量网络上的传播行为最重要的参量之一。t -.均匀网络：.解析模型三个假设
4、：均匀混合假设：感染强度和感染个体密度 成比例。即：和为常数（均匀混合）。不失一般性，可假设=1，因为这只影响疾病传播的时间尺度；均匀性假设：均匀网络中，每个节点的度都等于网络的平均度；规模不变假设：不考虑个体的出生和自然死亡 ,t-运用平均场的方法可得：被感染个体密度(t)的变化率 被感染节点以单位速率恢复健康 单个感染节点产生的新感染节点的平均速度，它与有效传播率、节点的平均度k，健康节点相连概率1-(t)成比例，（其他的高阶校正项忽略了）。ttkttt1-当传播达到稳态时，变化率为0，所以令上式右端为0；即：-+1-=0 （1-+）=0；（-）=0；当 时，-必大于0，所以=0；当 时，
5、=；所以，即为临界传播值，记 =。c1k1(1)k1k 1k1k 01ttkttt1(1)k1(1)k-结论：在均匀网络中存在一个有限的正的传播临界值c。如果有效传播率 c，则病毒可以在网络中传播开来，并最终稳定于 ,此时称网络处于激活相态；如果有效传播率0时，有结论：BA无标度网络在SIS模型下的 只要有效传播率0，病毒就能传播开来，并将达到一个稳定感染水平 ，这反映了无标度网络对抵抗病毒的脆弱性0;0;c1/1/1/1/1/2111lnmmmmmeeeee（1-）0-WS网络与BA网络的比较-1.SIS模型在均匀网络中，存在一个传播临界值 。当时，疾病在时间演化过程中逐渐衰减，最终被灭；当
6、时，疾病在时间演化过程中传播开来，并稳定于某一值（稳态感染密度）：2.SIS模型在SF网络中，传播临界值：只要有效传播率0，病毒就能传播开来，并将达到一稳定感染水平 值：，这反映了无标度网络对抵抗病毒的脆弱性。ccc10ck20ckk exp(1/)m-表示恢复率表示传播率，表示平均度。k对自洽方程求导结论：疾病阈值也是kkc11最终感染范围为：-其中辅助函数：00()()()()tktkkP kt dtkP ktdtkk-对于SIR模型，最终感染比例为0！所以根据恒等式：可以得到以下关系式，所以根据可以得到时，当0,)(t因此由得到-类似求SIS中的方法，有结论类似的方法同样可以发现，无标度
7、网络上最终感染范围也是：结论：无标度上的SIR模型和SIS模型具有相同的爆发阈值，以及同等规模的感染范围！-1.随机免疫：随机选一部分人进行免疫2.目标免疫：免疫度大的结点3.熟人免疫：随机找一个结点，再随机选一个邻居进行免疫4.环状接种：隔离或免疫染病个体的所有(距离为k)邻居5.接触追踪：对与有传染性个体的接触者进行跟踪，然后以一定的概率进行免疫-结论：在均匀网络中：只要 ，就可保证疾病不在网络中传播开来；SF网络中：免疫临界值约为，即任给定一值，都需要对网络中的所有个体进行免疫才能使疾病不传播开来。说明随机免疫只对均匀网络有效（有较小的),而对SF网络效果很差（=1）。原因：这是由于SF
8、网络是异质网络，节点度呈两极分化，采用随机免疫，哪些最容易传播病毒的节点（度大的节点）不一定获得免疫。所以，如果对SF网络采取随机免疫的策略，需要对网络中几乎所有的节点都实施免疫才能保证最终消灭病毒传染。因此对SF网络这样的异质网络，普遍认为：随机免疫策略对于无标度网络是无效的！cgcgccg-其他网络结构对传播行为的影响 加权网络：Yan Gang等，CPL,Vol.22,No.2(2005)510 社团网络：刘宗华等，EPL,72,315,2006 层状网络：郑大昉等，Physica A,352,659,2006 具有地理效应的网络：许新建等，PRE,Phys.Rev.E,76,05610
9、9,2007-其他方面网络与传播共同演化网络与传播共同演化T.Gross,C.J.D.DLima,B.Blasius,Phys.Rev.Lett.,96,208701,2006.;T.Gross,B.Blasius,Adaptive coevolutionary networks:a review,J.R.Soc.Interface,5,259-271,2008;T.Gross,I.G.Kevrekidis,Europhys.Lett.82,38004,2008;S.Risau-Gusmsn,D.H.Zanette,J.Theor.Biol.,257,52-60,2009;D.H.Zanett
10、e,S.Risau-Gusmsn,J.Biol.Phys.,34,135-148,2008;L.B.Shaw and I.B.Schwartz,Phys.Rev.E,77,066101,2008.L.B.Shaw and I.B.Schwartz,Phys.Rev.E,81,046120,2010.人口移动：人口移动：V.Colizza,A.Vespignani,Phys.Rev.Lett.,99,148701,2007.V.Colizza,R.Pastor-Satorras,A.Vespignani,Nature Physics 3,276-282,2007.V.Colizza,A.Barr
11、at,M.Barthelemy,A.Vespignani,International Journal of Bif.and Chaos.17,2491-2500,2007.M.Tang,Z.H.Liu,and B.W.Li,Europhys.Lett.,87,18005,2009.S.Meloni,A.Arenas,Y.Moreno,Proc.Natl Acad.Sci.USA,106,16897,2009.S.J.Ni，W.G.Weng,Phys.Rev.E,79,016111,2009.Vitaly Belik et al,PRX 1,011001 (2011)-三、个体、社会行为反应对传
12、播行为的影响-动力学与个体行为、政府决策的相互关系示意图用来刻画传染病动力学与个体行为，政府决策等因素之间的相互影响-1.Group interest versus self-interest in smallpox vaccination policy,PNAS,100(2003)1564模型：由于接种天花存在着一个困境，预防面临代价，不预防也有被感染的风险；另外由于(herd immunity）群体免疫的作用，如果别人采取了免疫那么我被感染的风险减小，我可以不免疫，但是别人也有这样的想法，所以这是一个预防困境问题。用博弈中的收益（payoff)来描述接种的收益 和暂时不接种的收益 ：vac
13、EdelE-模型 假设每个个体采取接种的概率为p,在群体中就有p比例的人选择接种，此时vd其中表示死亡率()()ssvppr理解为发生天花的概率，d 表示感染以后的死亡率，和分别表示被感染的概率和被击中后具有免疫的概率对应个体而言，个体的平衡点为：0()vacdelEEp对于整个集体的最优为,代价C(p):最小。-主要结果（个体最优和全局最优的差距）-2.Can Influenza epidemics be prevented by voluntary vaccination,PLoS computational biology,3(5)(2007)e85模型：模型：流感疫苗的有效期是有限的（
14、比如一年，一个季度），但是流感又是不断发的，因此对于理性个体就要不断做决定是否采取接种疫苗，那么他/她就会根据当前的爆发范围、接种疫苗的范围、以及以前的成败史来判断当前是否采取接种。思想：思想：a,上个季节采取接种，但是总的接种范围超过“需要接种范围”，则下个季节接种意愿减小！b,上个季节采取接种，但是总的接种范围低于“需要接种范围”，则下个季节接种意愿增加！c,上个季节没有采取接种，但是没有被感染，则下个季节接种意愿减小！d,上个季节没有采取接种，但是被感染，则下个季节接种意愿增加！-模型示意图-主要结果两种不同的政府补贴引起的不同效果免疫比例p(black)和感染比例f(red)的时间演化
15、图-3，F.Fu,D.I.Rosenbloom,L.Wang,M.A.Nowak,Imitation dynamics of vaccination behavior on social networks,Proc.R.Soc.B,278,42-49,2011.模型：在流感爆发爆发季节之前，每个个体要选择是否接种流感疫苗：(a),接种，在接下来的季节不会被感染，但是要付出V的代价;(b),如果不接种，可能面临两种不同的结果：被感染，付出1的代价；没有被感染付出代价为0！模型示意图：-模型 在每个传播季节以后，个体的收益P(i,t)可以是：-1(infected);-c(vaccinated);
16、0(free-rider).个体随机选择一个邻居，学习邻居策略（接种或不接种）的概率由收益差决定：),(),(exp11)(tiPtjPssWji越大越敏感！反映个体的理性程度，-结果全连通网络方格结论：方格上的接种人数受c的影响更明显，稍微的增加c就使得接种人数锐减！-结果随机网络无标度网络结论：随机网络和无标度网络上的疾病在c不是很大的时候可以有效控制，然后随着c的增大而增加，但不像方格那样剧烈！-4，Imitation dynamics predict vaccinating behaviour,Proc.R.Soc.B 272,(2005),1669 模型：父母决定让自己的孩子接种。随
17、机从人群中抽样一部分人，比较接种的收益高还是不接种的收益高，然后采取收益高的行为。定义接种的收益为：.vr表示对免疫的死亡率的风险估计不免疫被可能被感染的收益为：im量化个体对疾病行为的敏感性，r表示被感染带来的死亡率。(),0vnEffIE令如果抽样的则采取接种，否则不接种-相应的微分方程分两种情况0E当时，0E当时，-x(1)()(1)vnvidxkxxffIkxxrrmIdt其中，x表示接种者的相对比例，（1）就是不接种的比例，是抽样比例，是一个比例参数。经过令k=得到：再和SIR模型结合就得到：=,/vivkrmrr令-结论:在不同的条件下出现不同的相Hopf bifurcation around epislon_4-结论选择接种的人数x和被感染的人数在不同的条件下随着参数omega(L)和kappa（R）的变化情况。-4、展望
