在接触自适应网络中具有无症状传染期的疫情传播

为什么隐匿感染与人人相关

一些最危险的病原携带者看起来完全健康。这些“隐形传播者”可以继续见朋友、通勤、上班，同时在不知情的情况下传播感染。与此同时，当人们看到有人明显生病时，往往会改变社交习惯，比如取消拜访或保持距离。本文提出了一个简单但至关重要的问题：当这两种力量——看不见的感染与不断变化的社交联系——在同一个人群网络中同时起作用时，会发生什么？

一种新的生病思路

作者提出了一个他们称为SIaIsS的数学框架，将人群分为三类：仍然健康但可能感染的易感者（Susceptible），被感染但无症状的无症状感染者（Asymptomatic Infected），以及被感染并明显有症状的症状感染者（Symptomatic Infected）。不同于许多只追踪是否被感染的经典流行病模型，该模型还记录感染是否为他人可见。这一额外细节使模型能够描述我们行为的改变：我们可能会回避明显生病的人，但对看起来健康的人保持正常接触，即便他们具有传染性。

同时追踪人和他们的联系

为了捕捉这些效应，研究者将社会表示为一个网络，每个人是一个节点，每个经常性的接触（如朋友、同事或家庭成员）是一条连接。他们使用概率论工具描述个体如何随时间在三种健康状态间转换，以及连接如何被断开或恢复。如果一个健康或无症状的人与某个变得明显生病的人有联系，他们可能会切断该连接；如果病人康复，连接可以重新建立。由于在大规模人群中精确模拟所有可能的状态组合会极其复杂，作者采用了一种标准的近似技术，追踪网络中的平均行为，同时仍保留谁与谁相连的信息。

隐形传播者改变胜算

第一个结果集考察接触网络固定时的疾病传播。在这种情况下，SIaIsS模型可以与不区分无症状与有症状感染的常见SIS模型进行比较。作者计算了“基本再生数”——本质上是在其他人都健康的情况下，一个感染者会导致多少新病例。他们证明，对于相同的疾病强度和康复速度，当存在隐形传播者时，再生数总是更高。实际上，这意味着具有无症状期的疾病在较低的感染率下就会开始传播，并且会感染更大比例的人群，而即刻显现症状的疾病在其他条件相同的情况下不会如此。

当人们调整他们的联系时

研究的第二部分允许网络本身演化。随着人们注意到接触者出现症状，他们可能会切断连接以避免感染；随后一旦症状消失，他们可能会重新建立联系。模型追踪连接被切断和重建的频率以及这些变化如何改变疫情进程。模拟显示，从原则上讲，切断与病人的连接可以降低任何时刻的感染比例。但随着隐形传播者比例的增加，这种自我保护机制会减弱：由于无症状携带者看起来健康，其他人会保持与他们的联系，使得整体接触网络保持密集。结果是疾病会感染更多人并且更容易传播。

网络、结构与临界点

作者还探讨了不同类型的网络如何影响传播。密集网络中人们有许多接触，使得感染可在群体中快速蔓延，但一旦出现症状也提供了更多切断连接的机会。具有少数高度连接枢纽的网络（类似社交媒体或职场层级）显示出快速的初期传播，但当这些枢纽变为有症状时，许多连接被切断，长期感染水平可能反而较低。在多种情形下，研究发现疫情何时起飞的临界点不仅取决于疾病的传染性，还取决于有多少感染是隐匿的以及人们对明显生病接触者切断联系的积极程度。

这对真实疫情意味着什么

简而言之，该研究强化了一个令人警醒的信息：当一种疾病具有显著的无症状传染期时，仅靠日常行为改变（如回避看起来生病的人）很难控制疫情。隐形传播者既延长了人们的传染时间，又使他们免于社会回避，从而利用了我们社交网络的结构。该研究表明，仅依靠可见症状来指导隔离和保持距离，会低估这类疾病可能的传播范围，无论在人群中还是在被隐匿恶意软件感染的计算机网络中。作者认为，有效的控制需要采取能检测或减少隐形传播的策略——例如定期检测、监测或广泛的预防措施——而不是仅在疾病明显时才采取反应。

引用: Chai, W.K., Karaliopoulos, M. Epidemic spread with asymptomatic infectious period in contact adaptive networks. Sci Rep 16, 6069 (2026). https://doi.org/10.1038/s41598-026-36212-y

关键词: 无症状传播, 自适应接触网络, 隐形传播者, 流行病建模, 网络流行病学