اثرات آگاهی جهانی بر گسترش همه گیر در شبکه های چند منظوره
چکیده
به طور فزاینده مشخص شده است که درک الگوهای پیچیده تعامل بین گسترش همه گیر (اپیدمی) و رفتار انسانی یک مولفه کلیدی در فعالیت های کنترل موفق سرایت است. به طور ویژه، افراد می توانند به اطلاعاتی درباره بیماری های همه گیر و واکنش از طریق تغییر رفتارهای خود دست یابند که می تواند بر پویایی گسترش تاثیرگذار باشد. علاوه بر این، با توجه به وجود رفتارهای گله مانند، افراد به آسانی تحت تاثیر اطلاعات آگاهی جهانی قرار می گیرند. بنابراین، در این مقاله مدل گسترش کنترل شده آگاهی جهانی (GACS) را بررسی تعامل بین فرآیند هایی پیشنهاد می دهیم که ارتباط پویایی با یکدیگر دارند. ما با استفاده از روش زنجیره مارکوف میکروسکوپی عمومی به نتایج تحلیلی برای آستانه های همه گیر دست می بابیم به طوری که دقت بالایی را از طریق مقایسه با شبیه سازی های متعدد مونت کارلو نشان می دهد. علاوه بر این، با در نظر گرفتن مدل های کلاسیک استفاده شده برای توصیف فرآیندهای مرتبط پویا از جمله مدل گسترش واگیری کنترل شده آگاهی محلی (LACS)، مدل مستعد پذیرش- آلوده- مستعد پذیرش- ناآگاه-آگاه- ناآگاه (SIS-UAU) و موقعیت تک لایه، مقایسه های کاملی بین GACS و آن ها انجام می دهیم. اگرچه این مقایسه ها و نتایج به پارامترهای هر مدل وابسته هستند اما مدل GACS همواره اثرات مهار شدید را بر فرآیند گسترش همه گیر نشان می دهد. نتایج به دست آمده در این مقاله درک بهتر از فرآیند های مرتبط دینامیکی نشان می دهد و اهمیت در نظر گرفتن گسترش آگاهی جهانی در کنترل بیماری های همه گیر را نمایان می کند.
1. مقدمه
مطالعه شبکه ها در دو دهه اخیر شاهد فعالیت های گسترده ای بوده است [1-5]. بیشتر روش ها در حوزه فیزیک برای حل این مسائل به نظریه انتقال فاز [6]، فیزیک آماری [7] و پدیده بحرانی [8-10] مرتبط هستند. به ویژه با توسعه سریع شبکه اینترنت و رسانه های اجتماعی، مطالعه فرآیندهای انتشار علاقه مندی بیشتر و بیشتری را به خود جذب کرده است [11-13]. استفاده از نظریه شبکه در مدل های اِپیدمیولوژی (همه گیر شناسی) روشی را برای ترکیب ناهمگونی سطح فردی فراهم می کند که برای درک مکانیکی گسترش بیماری های واگیردار ضروری است [14]. به عنوان یک نتیجه، مدل های جالب بسیاری برای دستیابی به جزئیات این فرآیندها پیشنهاد داده شده است که نمونه آن مدل کلاسیک مستعد پذیرش- آلوده- مستعد پذیرش (SIS) [15]، مدل مستعد پذیرش- آلوده- بهبود (SIR) [16] و غیره [17,18] است. مدل های مختلفی به سناریوهای متنوع واقعی مرتبط هستند و ممکن است بر عوامل مختلفی متمرکز شوند که می تواند بر گسترش همه گیر تاثیرگذار باشد که نمونه آن ساختار شبکه ها [19]، تکرار تماس بین افراد [20]، ناهمگونی مشارکت کنندگان [21]، ظرفیت انتقال ساختار جامعه [22,23] و غیره است.
Abstract
It is increasingly recognized that understanding the complex interplay patterns between epidemic spreading and human behavioral is a key component of successful infection control efforts. In particular, individuals can obtain the information about epidemics and respond by altering their behaviors, which can affect the spreading dynamics as well. Besides, because the existence of herd-like behaviors, individuals are very easy to be influenced by the global awareness information. Here, in this paper, we propose a global awareness controlled spreading model (GACS) to explore the interplay between the coupled dynamical processes. Using the global microscopic Markov chain approach, we obtain the analytical results for the epidemic thresholds, which shows a high accuracy by comparison with lots of Monte Carlo simulations. Furthermore, considering other classical models used to describe the coupled dynamical processes, including the local awareness controlled contagion spreading (LACS) model, Susceptible–Infected–Susceptible–Unaware–Aware–Unaware (SIS–UAU) model and the single layer occasion, we make a detailed comparisons between the GACS with them. Although the comparisons and results depend on the parameters each model has, the GACS model always shows a strong restrain effects on epidemic spreading process. Our results give us a better understanding of the coupled dynamical processes and highlights the importance of considering the spreading of global awareness in the control of epidemics.
1. Introduction
The study of networks has experienced a burst of activity in the last two decades [1–5]. In the field of physics, most approaches to these problems are related to the theory of phase transition [6], statistical physics [7] and critical phenomenon [8–10]. Especially with the rapid development of Internet and social media, the study of diffusion processes has attracted more and more interests [11–13]. The use of network theory in epidemiological models provides a way to incorporate the individual-level heterogeneity necessary for the mechanistic understanding of the spread of infectious disease [14]. And as a result, many interesting models have been proposed to help us to gain the details of these processes, such as the classical susceptible–infected–susceptible model (SIS) [15], susceptible–infected–recovery model (SIR) [16] and so on [17,18]. Different models correspond to diverse realistic scenarios and they may focus on various factors which can affect epidemic spreading, e.g., the structure of networks [19], the frequency of contacts among individuals [20], the heterogeneity of participants [21], the transmission capacity of community structure [22,23], etc.
نکات مهم
چکیده
1. مقدمه
2. مدل گسترش همه گیری کنترل شده آگاهی جهانی
3. روش MMCA جهانی
4. شبیه سازی های آستانه همه گیری
5. مقایسه با مدل آگاهی محلی (LACS)
6. مقایسه با مدل SIS-UAU و مدل تک لایه آگاهی عمومی آگاهی محلی
7. نتیجه گیری
ضمیمه
منابع
Abstract
1. Introduction
2. The global awareness controlled contagion spreading model
3. Global MMCA method
4. Simulations of the epidemic threshold
5. Comparison with local awareness model (LACS)
6. Comparison with SIS–UAU model and single layer model
7. Conclusion
Appendix.
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه