基于NetLogo的COVID-19传播主体模型再生数（R0）计算方法咨询

嘿，我刚好对NetLogo里的流行病模型R0计算很熟悉，帮你梳理两种实用方法，顺便解决你关于恢复率参数的疑问～

你猜的没错！如果你的模型里chance-to-recover滑块设置的是1/平均病程，那它直接就是γ（单位时间恢复率）的数值。举个例子：如果平均病程是10个时间步，那chance-to-recover设为0.1，γ就等于0.1，对应每步有10%的概率康复，平均10步康复，完全符合γ=1/平均病程的定义。

如果你的模型用的是固定康复时间（比如有recovery-time滑块），那γ=1/recovery-time，这时候chance-to-recover可以不用，直接用这个值计算就行。

根据R0的定义，完全易感人群中单个感染者的平均二代病例数，公式就是：

R0 = β（有效接触率） / γ（恢复率）

拆解参数怎么从你的模型里提取：

• β的计算：NetLogo里的病毒模型通常用「每次接触的感染概率」×「每步平均接触数」，比如你的模型里有infection-probability（接触后感染的概率）和contacts-per-step（每步的平均接触次数），那β = infection-probability × contacts-per-step
• γ的计算：如果用chance-to-recover滑块，γ就是这个滑块的值；如果用固定病程recovery-time，γ=1/recovery-time

Excel计算示例： #

分两种场景，你可以根据模型情况选：

1. 公式法（快速计算，适合均匀混合模型） #

直接在模型里定义全局变量，初始化时计算R0，还能实时显示在界面上：

globals [ r0 beta gamma ]

to setup
  clear-all
  reset-ticks
  ; 初始化种群（保留你原模型的代码）
  create-turtles population-size [
    set color green
    set status "susceptible" ; 自定义状态变量：易感/感染/康复
  ]
  ; 计算beta：替换成你模型里的参数名
  set beta infection-probability * contacts-per-step
  ; 计算gamma：二选一，根据你的模型参数
  ; 情况1：用chance-to-recover滑块
  set gamma chance-to-recover
  ; 情况2：用固定recovery-time滑块
  ; set gamma 1 / recovery-time
  ; 计算R0
  set r0 beta / gamma
  ; 打印到命令行，也可以加一个监视器在界面显示r0
  print (word "理论计算R0: " round r0)
end

2. 模拟估算法（更准确，适合有空间/异质性的模型） #

这种方法完全贴合R0的定义：初始化1个感染者，其余全易感，运行到这个感染者康复，统计期间产生的新感染数，就是R0的估算值。代码示例：

to estimate-r0
  clear-all
  reset-ticks
  ; 初始化：1个初始感染者，其余全易感
  create-turtles 1 [
    set color red
    set status "infected"
    set who 0 ; 标记初始病例，方便后续判断
  ]
  create-turtles (population-size - 1) [
    set color green
    set status "susceptible"
  ]
  let new-infections 0

  ; 运行直到初始感染者康复
  while [ any? turtles with [ status = "infected" and who = 0 ] ] [
    ; 执行你的模型感染逻辑（复制原模型的感染代码）
    ask turtles with [ status = "infected" ] [
      ask other turtles in-radius contact-radius with [ status = "susceptible" ] [
        if random-float 1 < infection-probability [
          set status "infected"
          set color red
          set new-infections new-infections + 1
        ]
      ]
      ; 执行你的模型恢复逻辑（复制原模型的恢复代码）
      if random-float 1 < chance-to-recover [
        set status "recovered"
        set color blue
      ]
    ]
    tick
  ]

  print (word "模拟估算R0: " round new-infections)
end

这种方法能考虑模型里的空间接触（比如in-radius）、随机波动，比纯公式更贴近你模型的实际行为。

EpiDEM Basic里的R0计算本质和公式法一致，只是参数命名可能不同。比如它可能用infectivity代表β的一部分，contact-rate代表每步接触数，recovery-rate就是γ，所以代码里会有类似set r0 (infectivity * contact-rate) / recovery-rate的逻辑。如果你还是看不懂，可以把它的参数对应到β和γ的定义上，就容易理解了。

内容的提问来源于stack exchange，提问作者Lawan