基于多重网络中的个人情绪反应的负信息-流行病合模型

科学领域:

• 流行病学 流行病学
• 网络科学 网络科学
• 计算社会科学 计算社会科学

背景情况:

• 情绪反应对公共卫生危机产生重大影响.
• 信息传播和疾病传播是相互关联的.
• 多重网络提供了一个研究复杂相互作用的框架.

研究的目的:

• 模拟负面信息传播和流行病传播之间的相互作用.
• 在多重网络中分析个体情绪反应 (焦虑与公平) 的影响.
• 调查情绪状态如何影响流行病动态和信息传播.

主要方法:

• 开发了一种结合模型,将情绪反应整合到信息和流行病层.
• 利用了情绪状态影响的信息扩散的值函数.
• 使用线性函数来计算受感染个体对康复率的情绪影响.
• 应用马尔科夫链分析,用于流行病爆发值和最终规模估计.
• 进行了广泛的蒙特卡洛模拟,以验证发现.

主要成果:

• 焦虑的人加快了负面信息的传播和流行病的传播.
• 更高比例的焦虑个体降低了疫情的值,并增加了最终的流行病规模.
• 信息传播受到一个人邻居的情绪反应的影响.
• 感染个体的焦虑程度与对康复率干预措施的敏感性相关.
• 合理应对和减少受感染者的焦虑对流行病控制有好处.

结论:

• 个人情绪反应,特别是焦虑,在流行病动态和信息传播方面发挥着关键作用.
• 针对焦虑管理的有针对性的干预措施可以减轻流行病的后果.
• 了解情绪反应的网络影响对于有效的公共卫生战略至关重要.