Epidemic spreading and risk perception in multiplex networks: a self-organized percolation method

Abstract

The contribution of this paper is twofold. First, we develop a self-organized method which is able the evaluate the percolation threshold of the SIS dynamics in general networks by comparing computational results with theoretical ones. Then, we apply this method to the case of risk perception in which the probability of being infected is reduced by a component which is function of the information about the disease. We then study the interplay between epidemic spreading and risk perception on multiplex networks. The system is represented by two layers: one representing the physical contacts and the other one the virtual contacts in which people exchange information and become aware of the disease. The final contribution of this paper is to comprehend the effectiveness of the source of information in modelling the risk perception in epidemic modelling: we found that the similarity between the physical and the information networks determine the possibility of stopping the infection for a sufficiently high precaution level: if the networks are too different there is no mean of avoiding the epidemics. Résumé. La contribution de cet article est double. Tout d'abord, nous développons une méthode auto-organisée qui est en mesure d'´ evaluer le seuil de percolation de la dynamique SIS dans les réseaux généraux en confrontant les résultats de simulation aux résultats théoriques. Ensuite, nous appliquons cette méthode pour le cas de la perception du risque dans lequel la probabilité d'infection est réduite d'unélémentunélément qui est fonction de l'information sur la maladie. NousétudionsNousétudions après l'interaction entre la propagation de l'´ epidémie et la perception du risque sur des réseaux multiplex. Le système est représenté par deux couches: une représentation des contacts physiques et l'autre les contacts virtuels dans lesquels les genséchangentgenséchangent des informations et prennent conscience de la maladie. La contribution finale de ce papier est de permettre la compréhension de l'efficacité de la source de l'information dans la représentation de la perception du risque pour la modélisation de l'´ epidémie. Nous avons constaté que la similitude entre les réseaux d'information et les réseaux physiques détermine la possibilité d'arrêter l'infection pour un niveau de précaution suffisammentélevésuffisammentélevé. En d'autres termes, si les réseaux sont trop différents il n'y a pas moyen d'´ eviter lesépidémieslesépidémies. * FB acknowledges partial financial support from the EU projects 288021 (EINS-Network of Excellence in Internet Science) and 611299 (SciCafe2.0). The authors are grateful to Dr. Nicola Perra for helpful discussions.