基於邊緣的隨機圖疾病傳播模型：應用於減輕梅毒疫情
相較於傳統的質量作用模型，基於邊緣滲透的網絡模型能更準確地模擬梅毒在高危人群中的傳播動態，並預測疫情的最終規模，為評估公共衛生干預措施（如即時檢測和治療策略）的影響提供更精確的工具。
랜덤 그래프에서 질병 전파를 위한 에지 기반 모델링: 매독 발생 완화를 위한 적용
본 논문에서는 캐나다 온타리오주 남동부의 킹스턴, 프론테나크, 레녹스 & 애딩턴(KFL&A) 지역에서 매독 확산을 완화하기 위해 에지 기반 네트워크 모델을 적용하여 전통적인 질량 작용 모델에 비해 더 낮은 최종 감염 규모를 예측하고, 신속 검사 및 치료 전략의 잠재적 영향을 평가합니다.
考慮意見驅動的風險感知的SIS傳染病模型
該研究提出了一個結合意見動態和流行病傳播的數學模型 (NOD-SIS)，用於研究人們對感染風險的感知和反應如何影響傳染病的傳播，並證明了在高傳染性條件下，尋求風險和規避風險的行為會導致截然不同的結果。
의견 주도 위험 인식 및 반응을 고려한 SIS 전염병 모델
본 논문에서는 개인의 위험 인식에 따라 행동 변화가 발생하는 상황에서 전염병 확산을 보다 정확하게 예측하기 위해 의견 역학을 고려한 SIS 전염병 모델을 제시합니다.
ランダムグラフにおける病気伝播のエッジベースモデリング：梅毒流行抑制への応用
梅毒の伝播をより正確にモデル化するために、性交渉ネットワークの社会的異質性を考慮したエッジベースのネットワークモデルが、従来の集団行動SIRモデルよりも有効である。
意見に基づくリスク認識と反応がSIS感染症に与える影響
人々のリスク認識と行動が感染症の流行に複雑に影響を与えることを示した上で、リスク回避行動が感染抑制に有効である可能性を数学モデルを用いて提示した。
Modeling Syphilis Transmission Dynamics in a High-Risk Population Using Edge-Based Network Models and the Impact of Point-of-Care Testing
Edge-based network models, particularly those incorporating bond percolation methods, offer a more accurate representation of syphilis transmission dynamics compared to traditional mass action models, highlighting the importance of social heterogeneity in disease spread and the potential impact of interventions like rapid point-of-care testing and treatment.
Opinion-Driven Risk Perception and its Impact on Infection Levels in Epidemics Modeled with SIS Dynamics
Incorporating opinion dynamics, specifically risk perception related to disease spread, into traditional epidemic models like the SIS model reveals that individual and collective behaviors significantly influence infection levels, highlighting the potential for behavioral interventions in epidemic control.
ネットワーク上のSIS感染症における積極的なリスク回避
リスク回避行動をとる集団を考慮したネットワーク型感染症モデルでは、リスク回避によって感染拡大が抑制されるが、情報伝達の不足は感染レベルの不均一化を引き起こす可能性がある。
Active Risk Aversion Strategies Reduce Infection Levels in Networked SIS Epidemics
Incorporating risk-averse behavioral responses, where populations reduce contact rates based on perceived infection risk, can effectively lower infection levels in networked populations, especially when communication about infection levels is prevalent.
