مقاله تأثیر انتشار بر الگوی همگام سازی اپیدمی ها در شبکه های فراجمعیت غیریکسان

چکیده

In a prior study, a novel deterministic compartmental model known as the SEIHRK model was introduced, shedding light on the pivotal role of test kits as an intervention strategy for mitigating epidemics. Particularly in heterogeneous networks, it was empirically demonstrated that strategically distributing a limited number of test kits among nodes with higher degrees substantially diminishes the outbreak size. The network’s dynamics were explored under varying values of infection rate. In this research, we expand upon these findings to investigate the influence of migration on infection dynamics within distinct communities of the network. Notably, we observe that nodes equipped with test kits and those without tend to segregate into two separate clusters when coupling strength is low, but beyond a critical threshold coupling coefficient, they coalesce into a unified cluster. Building on this clustering phenomenon, we develop a reduced equation model and rigorously validate its accuracy through comprehensive simulations. We show that this property is observed in both complete and random graphs.

چکیده به فارسی (ترجمه ماشینی)

در یک مطالعه قبلی ، یک مدل محفظه قطعی جدید معروف به مدل SEIHRK معرفی شد ، که نقش محوری کیت های آزمون را به عنوان یک استراتژی مداخله برای کاهش اپیدمی می گذارند.به ویژه در شبکه های ناهمگن ، از نظر تجربی نشان داده شد که توزیع استراتژیک تعداد محدودی از کیت های آزمایشی در بین گره ها با درجه های بالاتر به طور قابل ملاحظه ای از اندازه شیوع کاهش می یابد.پویایی شبکه تحت مقادیر مختلف میزان عفونت مورد بررسی قرار گرفت.در این تحقیق ، ما این یافته ها را برای بررسی تأثیر مهاجرت بر پویایی عفونت در جوامع مجزا شبکه گسترش می دهیم.نکته قابل توجه ، ما مشاهده می کنیم که گره های مجهز به کیت های آزمایشی و آنهایی که بدون تمایل به اتصال به دو خوشه جداگانه هستند کم است ، اما فراتر از ضریب اتصال آستانه بحرانی ، آنها به یک خوشه یکپارچه متصل می شوند.با تکیه بر این پدیده خوشه بندی ، ما یک مدل معادله کاهش یافته را توسعه می دهیم و دقت آن را از طریق شبیه سازی های جامع اعتبار می دهیم.ما نشان می دهیم که این خاصیت در هر دو نمودار کامل و تصادفی مشاهده می شود.