개인 대 개인 상호 작용 그래프에 SIR 역학 모델을 포함하는 COVID-19 전염병의 동적 소셜 네트워크 모델을 구축한다. 표준 SIR 프레임워크는 모집단에서 감염자의 균일한 혼합을 가정한다. 이것은 현실성과 지역성의 중요한 요소에서 추출한다. (i) 사람들은 자신의 소셜 네트워크 구성원과 상호작용할 가능성이 더 높으며, (ii) 보건 및 경제 정책은 개인의 소셜 네트워크를 통한 바이러스 전파 비율 대 인구 전체에 차등적으로 영향을 미칠 수 있다. 제안된 네트워크 증강(NSIR) 모델은 시뮬레이션을 통해 (i) 인구의 전체 또는 하위집단에 대한 보건 및 경제 정책 및 결과(잠금/거리, 집단 면역, 시험, 접촉 추적, (ii) 특정 시간 또는 관찰된 상태에 따라 정책을 부과 또는 해제할 수 있다. 네트워크에 연결된 모집단을 통한 바이러스 전송은 균일한 혼합을 통해 전송보다 더 느리게 진행되며 더 낮은 피크에 도달할 수 있다는 것을 알게 되었다. 네트워크 연결은 브리지 링크와 슈퍼 스프레더에 중요한 역할을 하는 전염병 역학에 불확실성과 경로 의존성을 도입한다. 테스트 및 연락처 추적은 네트워크 모델에서 더 효과적입니다. 만약 조기에 해제된다면, 거리 두기 정책은 대부분 관련된 경제적 비용과 함께 감염의 정점을 미래로 이동시킨다. 지연되거나 간헐적인 개입 또는 내생적인 행동 반응은 '곡선 평탄화'의 한 형태인 다중 피크 감염 곡선을 생성하지만 전염병의 지속 시간을 연장함으로써 더 많은 경제적 결과를 초래할 수 있다.

제 1편 코로나바이러스 정의

1. 코로나바이러스감염증-19(Covid-19) 정보 7
2. 코로나바이러스 분류 및 특성 9
3. 코로나바이러스 전자현미경 형태 11
4. 코로나바이러스 구조 (Covid-19 Organization) 13
5. 코로나19: 환경에 지속적인 영향을 미칠까? 19
6. 치료법(Therapeutical Method) 22



제 2편 연구논문
A social network model of COVID-19


1. Introduction 23
2. The NSIR model 26
3. Policies and scenarios 32
4. Simulation results 35
5. Economic module 48
6. Summary and robustness 52
7. References 54