Published November 2, 2022
| Version v1
Publication
Open
Network structure indexes to forecast epidemic spreading in real-world complex networks
Creators
- 1. Politecnico di Milano
- 2. Istituto Nazionale di Fisica Nucleare
- 3. University of Parma
- 4. Plantes et Système de Cultures Horticoles
- 5. Italian Institute of Technology
- 6. Van Lang University
- 7. Duy Tan University
Description
Complex networks are the preferential framework to model spreading dynamics in several real-world complex systems. Complex networks can describe the contacts between infectious individuals, responsible for disease spreading in real-world systems. Understanding how the network structure affects an epidemic outbreak is therefore of great importance to evaluate the vulnerability of a network and optimize disease control. Here we argue that the best network structure indexes (NSIs) to predict the disease spreading extent in real-world networks are based on the notion of network node distance rather than on network connectivity as commonly believed. We numerically simulated, via a type-SIR model, epidemic outbreaks spreading on 50 real-world networks. We then tested which NSIs, among 40, could a priori better predict the disease fate. We found that the "average normalized node closeness" and the "average node distance" are the best predictors of the initial spreading pace, whereas indexes of "topological complexity" of the network, are the best predictors of both the value of the epidemic peak and the final extent of the spreading. Furthermore, most of the commonly used NSIs are not reliable predictors of the disease spreading extent in real-world networks.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
الشبكات المعقدة هي الإطار التفضيلي لنمذجة ديناميكيات الانتشار في العديد من الأنظمة المعقدة في العالم الحقيقي. يمكن للشبكات المعقدة أن تصف الاتصالات بين الأفراد المعديين، المسؤولين عن انتشار الأمراض في أنظمة العالم الحقيقي. لذلك فإن فهم كيفية تأثير هيكل الشبكة على تفشي الوباء له أهمية كبيرة لتقييم ضعف الشبكة وتحسين مكافحة الأمراض. هنا نجادل بأن أفضل مؤشرات بنية الشبكة (NSIs) للتنبؤ بمدى انتشار المرض في شبكات العالم الحقيقي تستند إلى مفهوم مسافة عقدة الشبكة بدلاً من الاتصال بالشبكة كما هو معتقد بشكل شائع. قمنا بمحاكاة تفشي الأوبئة رقميًا، عبر نموذج نوع SIR، الذي ينتشر على 50 شبكة في العالم الحقيقي. ثم اختبرنا أي من NSIs، من بين 40، يمكن أن يتنبأ مسبقًا بشكل أفضل بمصير المرض. وجدنا أن "متوسط تقارب العقدة الطبيعية" و "متوسط مسافة العقدة" هما أفضل مؤشرات لوتيرة الانتشار الأولية، في حين أن مؤشرات "التعقيد الطوبولوجي" للشبكة، هي أفضل مؤشرات لكل من قيمة ذروة الوباء والمدى النهائي للانتشار. علاوة على ذلك، فإن معظم NSIs الشائعة الاستخدام ليست تنبؤات موثوقة لمدى انتشار المرض في شبكات العالم الحقيقي.Translated Description (French)
Les réseaux complexes sont le cadre préférentiel pour modéliser la dynamique d'étalement dans plusieurs systèmes complexes du monde réel. Des réseaux complexes peuvent décrire les contacts entre les individus infectieux, responsables de la propagation de la maladie dans les systèmes du monde réel. Comprendre comment la structure du réseau affecte une épidémie est donc d'une grande importance pour évaluer la vulnérabilité d'un réseau et optimiser le contrôle des maladies. Ici, nous soutenons que les meilleurs indices de structure de réseau (INS) pour prédire l'étendue de la propagation de la maladie dans les réseaux du monde réel sont basés sur la notion de distance du nœud de réseau plutôt que sur la connectivité du réseau comme on le croit communément. Nous avons simulé numériquement, via un modèle type-SIR, des épidémies se propageant sur 50 réseaux du monde réel. Nous avons ensuite testé quels INS, parmi 40, pourraient a priori mieux prédire le sort de la maladie. Nous avons constaté que la « proximité moyenne normalisée des nœuds » et la « distance moyenne des nœuds » sont les meilleurs prédicteurs du rythme de propagation initial, tandis que les indices de « complexité topologique » du réseau sont les meilleurs prédicteurs à la fois de la valeur du pic épidémique et de l'étendue finale de la propagation. En outre, la plupart des INS couramment utilisés ne sont pas des prédicteurs fiables de l'étendue de la propagation de la maladie dans les réseaux du monde réel.Translated Description (Spanish)
Las redes complejas son el marco preferencial para modelar la dinámica de propagación en varios sistemas complejos del mundo real. Las redes complejas pueden describir los contactos entre individuos infecciosos, responsables de la propagación de enfermedades en sistemas del mundo real. Comprender cómo la estructura de la red afecta a un brote epidémico es, por lo tanto, de gran importancia para evaluar la vulnerabilidad de una red y optimizar el control de enfermedades. Aquí argumentamos que los mejores índices de estructura de red (NSI) para predecir el grado de propagación de la enfermedad en las redes del mundo real se basan en la noción de distancia de nodo de red en lugar de en la conectividad de red como se cree comúnmente. Simulamos numéricamente, a través de un modelo de tipo SIR, brotes epidémicos que se propagaban en 50 redes del mundo real. Luego probamos qué INE, entre 40, podrían predecir mejor a priori el destino de la enfermedad. Descubrimos que la "cercanía media normalizada de los nodos" y la "distancia media de los nodos" son los mejores predictores del ritmo de propagación inicial, mientras que los índices de "complejidad topológica" de la red son los mejores predictores tanto del valor del pico epidémico como de la extensión final de la propagación. Además, la mayoría de los INE comúnmente utilizados no son predictores confiables de la extensión de la propagación de la enfermedad en las redes del mundo real.Files
pdf.pdf
Files
(1.0 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:3c6136beab65fe49b7a518a1182d81c5
|
1.0 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- مؤشرات بنية الشبكة للتنبؤ بانتشار الوباء في الشبكات المعقدة في العالم الحقيقي
- Translated title (French)
- Indices de structure de réseau pour prévoir la propagation de l'épidémie dans des réseaux complexes du monde réel
- Translated title (Spanish)
- Índices de estructura de red para pronosticar la propagación de epidemias en redes complejas del mundo real
Identifiers
- Other
- https://openalex.org/W4307991005
- DOI
- 10.3389/fphy.2022.1017015
References
- https://openalex.org/W183183720
- https://openalex.org/W1878853999
- https://openalex.org/W1906988550
- https://openalex.org/W1971937094
- https://openalex.org/W1972728154
- https://openalex.org/W1992250165
- https://openalex.org/W1995876521
- https://openalex.org/W2010965902
- https://openalex.org/W2030539428
- https://openalex.org/W2047940964
- https://openalex.org/W2052165885
- https://openalex.org/W2055620707
- https://openalex.org/W2060464767
- https://openalex.org/W2070722739
- https://openalex.org/W2129315144
- https://openalex.org/W2131529378
- https://openalex.org/W2133131640
- https://openalex.org/W2138582543
- https://openalex.org/W2142371631
- https://openalex.org/W2142610630
- https://openalex.org/W2142678895
- https://openalex.org/W2153349054
- https://openalex.org/W2157635833
- https://openalex.org/W2158196600
- https://openalex.org/W2342114889
- https://openalex.org/W2804502241
- https://openalex.org/W3026175677
- https://openalex.org/W3032971139
- https://openalex.org/W3048238828
- https://openalex.org/W3048720176
- https://openalex.org/W3098435366
- https://openalex.org/W3100352078
- https://openalex.org/W3132732596
- https://openalex.org/W3168999625
- https://openalex.org/W4302331569
- https://openalex.org/W63088803