更改

网络科学在进来的研究中能帮助相关人员对网络的变化与发展趋势有比较可视化的观察，以辅佐相关政策与行为的实施。例如最为公共关注的流行病学领域，[[艾伯特-拉斯洛·巴拉巴西 Albert-László Barabási]]就运用网络科学进行分析与预测，为防控防治行为做出模型演化。运用来自20世纪80年代的传染病模型框架和2003年非典型性肺炎大暴发，后者确定了全球疫情的报告准则这两个典型的流行病学案例，[[艾伯特-拉斯洛·巴拉巴西 Albert-László Barabási]] 关注于病原体从哪里起源？ 新发病例会出现在哪里？ 流行病什么时候会到达各个人口稠密地区？ 预计有多少人会被感染？ 该如何减缓其传播进程？ 如何能消灭它？这几个问题进行探索，找出此在网络模型上的变化趋势。

网络科学在进来的研究中能帮助相关人员对网络的变化与发展趋势有比较可视化的观察，以辅佐相关政策与行为的实施。例如最为公共关注的流行病学领域，[[艾伯特-拉斯洛·巴拉巴西 Albert-László Barabási]]就运用网络科学进行分析与预测，为防控防治行为做出模型演化。运用来自20世纪80年代的传染病模型框架和2003年非典型性肺炎大暴发，后者确定了全球疫情的报告准则这两个典型的流行病学案例，[[艾伯特-拉斯洛·巴拉巴西 Albert-László Barabási]] 关注于病原体从哪里起源？ 新发病例会出现在哪里？ 流行病什么时候会到达各个人口稠密地区？ 预计有多少人会被感染？ 该如何减缓其传播进程？ 如何能消灭它？这几个问题进行探索，找出此在网络模型上的变化趋势。

在进一步研究中其运用全球疾病传播和移动(Global Epidemic and Mobility，简称GLEAM)计算模型进行推算，模型内的数据流则是来自人口学信息、移动信息和流行病学数据作为输入数据流，并在此过程中实时监督每一时间步建模的基于网络的动态过程，并输出为可视化动态图。GLEAM运用规则如下：将每个地理位置映射为网络中的节点。根据全球交通数据，用节点之间的传输表示链接（章节9.4）。GLEAM使用基于网络的方法估算流行病参数，例如传播率和再生数。它基于历年全球范围流行病的传播数据，而非医学报告。GLEAM同时也在流行病的高峰期、早到的高峰期、接种疫苗的影响做出了分析与评价。

在进一步研究中其运用全球疾病传播和移动(Global Epidemic and Mobility，简称GLEAM)计算模型进行推算，模型内的数据流则是来自人口学信息、移动信息和流行病学数据作为输入数据流，并在此过程中实时监督每一时间步建模的基于网络的动态过程，并输出为可视化动态图。GLEAM运用规则如下：将每个地理位置映射为网络中的节点。根据全球交通数据，用节点之间的传输表示链接（章节9.4）。GLEAM使用基于网络的方法估算流行病参数，例如传播率和再生数。它基于历年全球范围流行病的传播数据，而非医学报告。GLEAM同时也在流行病的高峰期、早到的高峰期、接种疫苗的影响做出了分析与评价。

在防治政策中我们常常会运用旅行限制与抗病毒治疗两种手段，得出在旅行限制条件下，只有当旅行限制所导致的延迟能够帮助提高当地疫苗接种水平或改善治疗手段时，旅行限制才是有效的。而在抗病毒治疗中，在2009年H1N1甲型流感传播时期，加拿大、德国、中国香港、日本、英国和美国都分发了抗病毒药物，来减轻这一传染病的影响。这不禁使人发问:如果有药物储备的真实验表明，高峰期会推迟3至4星期，从而使人们有更多的时间，让全部人口中更大比例的人在疫情达到高峰之前获得免疫。

在防治政策中我们常常会运用旅行限制与抗病毒治疗两种手段，得出在旅行限制条件下，只有当旅行限制所导致的延迟能够帮助提高当地疫苗接种水平或改善治疗手段时，旅行限制才是有效的。而在抗病毒治疗中，在2009年H1N1甲型流感传播时期，加拿大、德国、中国香港、日本、英国和美国都分发了抗病毒药物，来减轻这一传染病的影响。这不禁使人发问:如果有药物储备的真实验表明，高峰期会推迟3至4星期，从而使人们有更多的时间，让全部人口中更大比例的人在疫情达到高峰之前获得免疫。

而在有效距离上面做的工作，因为现代工业与生活方式的改变，我们很难再用一般的旅行模型去推导整个过程[[艾伯特-拉斯洛·巴拉巴西 Albert-László Barabási]]就着眼于移动网络的节点是城市，链接表示城市之间的出行量这个一个改变进行了一系列的推导，比较好的展示就是，H1N1甲型流感的到达时间关于物理距离的函数看起来非常随机，而其与有效距离之间却存在很强的相关性。因此，我们可以利用有效距离来确定病原体的传播速度（章节9.6）。而在此书内的主要思路与贡献能让我们关注到，数据的收集和网络上的传染病研究的进步共同促使实时预测病原体传播成为可能。所开发的模型可以帮助设计应对和缓解方案，训练医疗和急诊人员，还可以用于探索从隔离到旅行限制等不同干预措施的影响，优化治疗和疫苗的分配。

而在有效距离上面做的工作，因为现代工业与生活方式的改变，我们很难再用一般的旅行模型去推导整个过程[[艾伯特-拉斯洛·巴拉巴西 Albert-László Barabási]]就着眼于移动网络的节点是城市，链接表示城市之间的出行量这个一个改变进行了一系列的推导，比较好的展示就是，H1N1甲型流感的到达时间关于物理距离的函数看起来非常随机，而其与有效距离之间却存在很强的相关性。因此，我们可以利用有效距离来确定病原体的传播速度（章节9.6）。而在此书内的主要思路与贡献能让我们关注到，数据的收集和网络上的传染病研究的进步共同促使实时预测病原体传播成为可能。所开发的模型可以帮助设计应对和缓解方案，训练医疗和急诊人员，还可以用于探索从隔离到旅行限制等不同干预措施的影响，优化治疗和疫苗的分配。

大多数网络都是沿着其链接进行传播的，包括传播信任、知识、习惯或信息（社交网络）、电力（电网）、货币（金融网络）、商品（贸易网络），而[[艾伯特-拉斯洛·巴拉巴西 Albert-László Barabási]]发现网络拓扑结构对动态传播的过程有极大的影响——随机网络和无标度网络上的传播会产生截然不同的结果，网络上的流行病分析框架给出了很多让人意想不到的结果，其中最重要的一个结果是:在异质网络上，特征传播时间和传播阈值趋近于零。由于流行病传播所涉及的接触网络大多具有较宽的度分布，这些结果同时具有短期和长期的理论与应用价值。

大多数网络都是沿着其链接进行传播的，包括传播信任、知识、习惯或信息（社交网络）、电力（电网）、货币（金融网络）、商品（贸易网络），而[[艾伯特-拉斯洛·巴拉巴西 Albert-László Barabási]]发现网络拓扑结构对动态传播的过程有极大的影响——随机网络和无标度网络上的传播会产生截然不同的结果，网络上的流行病分析框架给出了很多让人意想不到的结果，其中最重要的一个结果是:在异质网络上，特征传播时间和传播阈值趋近于零。由于流行病传播所涉及的接触网络大多具有较宽的度分布，这些结果同时具有短期和长期的理论与应用价值。