提高知识水平就能够避免疾病的传播-至少模型是这样说的

如果关于冠状病毒，需要写点什么科普，我希望我写下的东西是有用的，能够让你看了，会有所改变，而不只是传播知识。如今不止国内有冠状病毒，美国也有很严重的乙型流感。因此这篇小文将概述一篇2020年新出的相关论文，希望能在当下传递些正能量。

https://www.sciencedirect.com/science/article/pii/S002251931930459X

用一句话来概括这篇文章，就是传递正确的防控知识（awareness），并且知行合一的执行，能够降低疾病在复杂网络中的传播。知识改变疾病传播的方式有俩种，第一是降低疾病的传播比例；第二是切断疾病传播的连接。通过这俩种方式。通过在SIR模型引入衡量认识程度不同变量（分为俩种，分别代表上述的俩种效应），在无标度网络上，通过模拟，可以得出认知程度越高，在无标度网络上，最终的感染者的比例会有所下降（即最终患病数会少）

上面的图是文章中关键的一张图，图中的alpha 越大，代表由于对疾病的认知提升，导致的疾病传播比例降低越明显，可理解为局部的认知提升（多戴口罩），造成疾病不容易传播；而beta越大，代表由于大众提升了对疾病的认知，导致疾病传播的连接被切断的可能性越大，可以理解为全局的认知提升（不前往/离开疫区）；图中的纵轴代表在模拟环境下，随着不同的alpha 和beta值的提升，网络中最终传播人群所占的比例有多大的比例下降，不同的图代表疾病自身的传播率的不同，上图假设在alpha改变时，beta不变；下图假设beta改变时，alpha不变。从这里看出，不管是那一种，都会显著降低最终感染的人数。

细心的读者会发现，在疾病的自身传播率中等的时候，增加对疾病的认知，降低最终感染人数的效果最明显，这是合理的，如果疾病本身传播的太快或者太慢，不意味着增加对疾病认知无用，只是效果不那么明显。另一点需要指出的是，在某些图中，最终降低的感染人数比例，不是随着认知的提升单调变化的，可能的原因是图中的假设是beta始终为0，即在疾病本身的传播率很高的情况下，局部的降低传播率迅速的同时，全局的远程传播还在快速进行，从而导致最终感染人数的比例降低没有随着对认知程度而进一步增加，但注意这里谈的是降低的比例，意味着增加大众的认知，还是能够降低最终传播的比例的。

关于这篇论文的科普，就到这里，最后说几句作者的心里话：在这个社交媒体泛滥的时代，知道的多没用，要做到知行合一，很多人不知道预防冠状病毒最有效的办法除了戴口罩，勤洗手，还有就是充足的睡眠，适度的锻炼，做好保暖和通风，保证蛋白质的摄入，保持乐观的心态，但有多少人能100%做到这些了？在这个谣言满天飞的时代，又有多少人能够做到自身不传播未经证实的消息了？唯有知行合一，才是真正的awareness。之所以写下这篇短文，也是希望每个人都能看到，让自己变成身边中的知识明灯（传播正确的预防知识，并带头践行），是能够对这场疫病的最终结局有那么一些影响的。

附 该论文摘要翻译：

在疫情爆发期间，个体感知到的感染风险会影响其在疫情期间的行为，从而降低风险。我们将感染风险认知纳入到 Volz-Miller SIR 流行病模型中，以研究认知水平对疾病动力学的影响。我们认为有两种认知水平水平，一种是地方认知水平，表现为个人接触者之间的流行程度，另一种是全球认知水平，表现为人口中的流行程度。我们还考虑了认知的两个可能的影响: 降低感染率或打破感染连接。我们使用下一代矩阵方法来获得我们模型的基本传染数，并表明在流行期间获得的认知水平不会影响基本传染数。然而，在当地疫情爆发之前，其他地区的疫情已经引起了人们的重视，从而降低了基本传染病的发病率。 认知水平总是会缩小流行病的最终规模。 与降低感染率相比，打破传染性连接会导致更大的减少。 如果认知降低了感染率，那么随着地方和全球认知的提高，感染率的降低也会增加。 然而，如果它打破了传染性链接，减少可能不是单调的。 对于相同的认知，在一些中间感染率时，减少可能达到最大。 无论是局部还是全局认知对最终规模的减小有较大的影响，这取决于网络的程度分布和感染率。