近日，我院硕士生陈嘉兴关于信息-流行病耦合传播的研究工作相继在国际知名期刊《Information Sciences》和《Nonlinear Dynamics》发表。陈嘉兴为第一作者，指导老师刘影为通讯作者。

流行病的爆发和扩散是威胁人类生存和社会发展的重要问题。我们利用计算机模拟和统计物理理论分析方法，研究信息和流行病耦合传播的时空演变规律，预测传播爆发阈值、稳态感染密度等关键参量，为流行病的防控提供参考。

首先，考虑到在疾病爆发初期人们倾向于从多个渠道获取消息，提出基于多源信息相互确认的消息-疾病耦合传播模型。个体根据多层邻居的状态确认流行病爆发的严重程度和信息的真实性，使自身接受信息并采取防护措施以降低感染概率。通过马尔可夫链方法，我们计算出疾病的爆发阈值和稳态最终感染比例，与计算机模拟结果非常吻合。研究结果表明个人及时且明确地将自己的感染状况及对流行病的意识暴露给接触邻居将有助于抑制流行病的传播。

其次，我们研究关于疫苗的负面信息对人群接种及流行病传播的影响。接种疫苗的个体由于自身发生不良反应而传播关于疫苗的负面信息，使收到负面消息的个体降低接种概率，这将阻碍流行病防控的进展。当接受负面信息的个体明显降低接种意愿时，流行病爆发阈值将显著降低，最终感染规模大幅提升。本研究为度量负面消息对流行病传播的影响提供定量模型。

文章链接:

[1] https://www.sciencedirect.com/science/article/abs/pii/S0020025522013226

[2] https://link.springer.com/article/10.1007/s11071-022-07776-x