模拟流行病

Simulating an epidemic

频道:3Blue1Brown · 时长:23:12 · 发布:2020-03-27 · 播放:5228092

在 YouTube 观看

简介

3Blue1Brown 构建玩具 SIR 模型来模拟流行病如何传播,并测试社交距离、旅行限制、中心聚集场所和隔离等场景。该视频制作于 COVID-19 爆发初期。

HN 为什么推荐

2020 年 HN 指出它是流行病动态和干预措施的易懂、制作精良的说明。

3blue1brown 关于该主题的视频非常易懂且信息丰富 [1]。 — HN, 2020

数据可视化与信息设计 · 趣味与视觉数学 · 医学与传染病

中文字幕节选

我想和大家分享几个模拟疫情传播的模型。 最近有几篇很棒的互动文章, 包括《华盛顿邮报》上Harry Stevens的一篇, 还有Melting Asphalt上Kevin Simler的另一篇。 它们都很棒,你可以亲自操作,信息量很大, 我当然会在描述里留下链接。 看完这些之后,我又有了几个问题。 比如,如果人们彼此保持距离, 我明白这会减缓传播。 但如果尽管大多数时候彼此远离, 人们偶尔还是会去一个中心地点,比如杂货店或学校呢? 另外,如果你能识别并隔离病例呢? 如果可以,但有几个漏网之鱼,比如 因为他们没有症状所以没被检测呢? 不同社区之间的旅行会如何影响情况? 如果人们避免接触一段时间, 但后来他们有点累了就停止了? 我们将探讨这些问题以及更多,但首先 让我们来看看这些模型究竟是如何运作的。 每个模拟都代表一个所谓的SIR模型, 意味着人群被分为三类, 易感人群、感染者, 以及从感染中康复的人, 所以免疫的人不参与其中。 按照我的写法,对于每个单位时间,如果一个易感者 在某个感染半径内与感染者相处, 他们就有一定概率自己感染, 所以我们用物理接近来代表握手、 触摸同一表面、接吻、互相打喷嚏等等这些好事。 然后对于每个感染者,经过一段 时间后他们会康复,不再 能够传播疾病,或者如果他们 死亡,也无法再传播, 所以作为一个更通用的术语,有时人们 认为SIR中的R代表移除。 这应该不言而喻,但让我在开始时还是强调一下。 这些是玩具模型,人口极少,不可避免地 远不能反映真实人群和更大群体的复杂性。 我不是流行病学家,所以我会非常犹豫 在没有深入考虑的情况下将这里的任何教训推广。 尽管如此,我认为激发我们每个人内心的小科学家是健康的, 并借此机会进行实验和量化, 即使是以一种必然有限的方式, 尤其是如果替代方案是纠结于头条新闻和不确定性。 我们将从简单开始,逐步增加复杂性。 在你们看到的这前几次运行中, 每个人都只是在城市里随机漫步, 感染遵循我们制定的规则。 所以看起来不太好,没过多久几乎所有人都被感染了。 作为一个合理性检查,如果我把这个感染半径加倍, 你会预期发生什么? 你可以认为这代表了人与人之间更多的总互动, 或者一个更社交活跃的社会。 当然会传播得更快,但快多少? 实际上非常剧烈。 在很短的时间内,我们的小群体中大多数 同时被感染。 作为另一个合理性检查,如果我们回到 原来的感染半径,然后把感染概率减半,你会预期什么? 记住,按照这个运行方式,对于每个易感者处于 在这个半径内,易感者与感染者接触,就有一定概率被感染。 默认我设置为20%,但现在我们要把这个数字减半。 你可以把这想象成更好的洗手习惯, 更好的咳嗽防护,以及更少触摸面部。 如你所料,这会使曲线变得更加平缓。 事实上,效果相当显著,这真正说明了 卫生习惯的改变对传播速度有着非常大的影响。 我想让你记住的几个关键要点中的第一个是,

HN 上的讨论

Garrett,谢谢你。* * * 我写这篇文章的灵感来自观看 3Blue1Brown 的 YouTube 视频“Simulating an epidemic”:[VIDEO]。他的模拟涵盖了几种情景:- 模拟社交距离。- 让人们前往一个中心地点(例如杂货店)。- 如果政府能够识别并隔离病例会怎样?- 模拟多个有旅行往来的社区,并实施隔离措施。- 当人们厌倦社交距离时会发生什么。* * * 感谢分享你的代码。我看到你正在使用 gnuplot 来可视化脚本的输出。你是否考虑过使用 csv 模块([LINK])来输出数据,而不是使用 print() 函数?那样的话,你就不必手动在数据周围添加空格并将数值数据字符串化。>>> import csv, sys >>> writer = csv.writer(sys.stdout, delimiter=" ") >>> writer.writero… — kaunta, 2020-04
3 Blue 1 Brown 最新一期精彩视频的一部分模拟了旅行限制,并表明它们效果不佳:[VIDEO]。然而,那只是将所有社区之间的旅行减少到四分之一,而不是完全禁止两个特定社区/国家之间的旅行。 — foobarbecue, 2020-03
病毒传播的动力学相当有趣。3Blue1Brown 做了一个关于流行病如何传播的引人入胜的视频:[VIDEO] — systemvoltage, 2021-05
> 技术官僚们用复杂的数学模型断定大规模接种疫苗会产生对疾病的“群体免疫”。SIR 模型非常简单 [LINK] 在 covid19 疫情初期,人人都(连他们的狗都在)写一个并发布演示版本。修改参数看看情况如何变化,既有趣又吓人。另外,试着修正模型中的错误信息,比如 50% 的死亡率。总之,一个 SIR 模型用 20 行代码就能编出来,而且相当直白。加入疫苗最多也就多 5 行。而且,核心思想非常容易理解。(应该有人写一个 Excel/GoogleSheets 版的 SIR 教程,看看那些图表挺有意思的。)最简单的模型只是假设每个人随机地与每个人相遇。如果你想考虑更真实的人员流动模型,就会更复杂。做封锁决策需要复杂模型,但要理解群体免疫,简单模型就足够了。关于更复杂模型的精彩讲解,有一个 3Blue1Brown 的视频:“Simulating an epidemic”[VIDEO] 注意他解… — gus_massa, 2021-01
顺便说一句,他目前正在与人合授一门关于 Julia 的课程,其中有一些非常棒的计算思维讲座:[LINK] 他还做过一个关于流行病/大流行的不错的视频:[VIDEO] 全都用 manim 做可视化。 — tmabraham, 2020-10

相关视频