症状评分取代病毒载量成为行为触发信号
多数多尺度免疫-流行病学模型通过病毒载量把宿主内尺度与人群传播连接起来：连接函数把病毒浓度转换为传播率。这篇论文认为，病毒载量并不是反映疾病驱动行为的合适信号，因为病毒载量的动态变化在时间上与症状出现并不一致，而症状严重程度往往反映炎症反应，而不是直接的病毒负担。
替代方案是系统性症状评分，它是由宿主内免疫模型生成的一个综合指标，涵盖肌肉酸痛、疲劳、头痛和发热感。在人群模型中，有症状者依据该评分通过一个取值在 0 到 1 之间的传播修正函数降低传播，而无症状者假定不知道自己已被感染，因此保持基线传播率。因此，这个评分不是病例数，也不是按仓室划分的严重程度标签；它是一个连续的、随感染年龄变化的量，改变有症状者实际发生的有效接触数量。
两个尺度通过一个连接函数耦合
宿主内部分是一组常微分方程，追踪靶细胞、隐蔽期与产毒期感染细胞、病毒、促炎细胞因子、自然杀伤细胞以及症状评分。病毒产生按细胞因子水平成比例减少，症状评分随细胞因子产生而上升，并按自身速率消退。人群部分是一个按感染年龄分层的模型，把人群分为易感、暴露、有症状感染、无症状感染和康复五种状态。
桥梁是作用于症状评分的连接函数。论文的主要分析使用指数形式，附录则用 Hill 型、线性和阈值开关函数重复了同样的分析。行为变化参数决定给定症状评分在多大程度上抑制传播；当它取零时，模型退化为没有行为反应。正是这一设计让作者能够追问：流行曲线的形态是否取决于所选的连接函数。
更强的疾病反应推迟并降低高峰
在所考察的各连接函数下，提高行为变化参数都会产生更小、更晚的流行高峰。阈值版本让机制变得直观：更低的症状阈值会更早触发行为变化，且持续时间更长，从而产生更小、推迟且更分散的高峰；而更高的阈值对应很少或几乎没有行为反应，会产生更大、更早且更尖锐的高峰。
这是模型结果，不是观测到的疫情结局。其含义是：症状驱动的接触减少在人们感觉最难受的时期对传播起到部分刹车作用，使累积感染压力被分散到更长时间里。推迟的幅度和高峰的高度取决于所选的连接函数和行为参数，因此论文的结论是方向性的，而不是某个具体的预测高峰日期。
曲线在症状驱动行为下仍近似 SEIR
更具特色的发现关乎形态而非规模。多尺度模型生成的总感染人数轨迹与不含行为变化的标准 SEIR 模型相似，而且这种定性相似性在指数、Hill 型、线性和阈值连接函数下都持续存在。即使采用一旦症状超过某个阈值就把接触降为零的阈值函数，仍然会得到近似 SEIR 的曲线。
作者通过假定有症状者和无症状者的康复率相等来分离这一效应，然后用标准 SEIR 模型拟合多尺度模型的输出。当连接函数为指数形式时，SEIR 模型能很好地重现给定时刻的总感染人数，而且即使行为参数取值很大，平均相对误差仍保持在相当小的水平。拟合时只调整基线传播率；康复率、进展率和初始条件都固定为真实值。这一拟合选择很重要：该比较检验的是更简单的模型能否模仿总体轨迹，而不是它能否还原背后的行为机制。
人群反馈留下不同的流行特征
对照的是行为响应人群层面信息（如报告病例或死亡）的模型。在一个传播率随感染人数指数下降的改编 SEIR 模型中，提高行为参数会压平并推迟高峰，但也会产生更缓慢、更拖长的下降。论文指出，这类人群反馈模型能够产生定性上不同的特征，包括平台期、肩部和延长的下降段。
区别在于驱动响应的来源。在多尺度模型中，传播抑制跟随每个人自身的感染年龄时钟和症状轨迹；在人群反馈模型中，它跟随疫情的总体状态。论文的解释是：症状驱动的行为可以在人群层面存在，却不在流行曲线上留下清晰可辨的痕迹；而人群层面的反馈则可能留下痕迹。这是从模型比较中得出的推论，而不是说真实疫情可以仅凭病例曲线就这样分类。
SEIR 等价性没有说明什么
标准 SEIR 模型能匹配总感染曲线，并不意味着行为变化不存在或不重要。多尺度模型相对于自身无行为基线仍然推迟并降低了高峰，而拟合出的 SEIR 传播率吸收了这一效应。这种等价性只在康复率相等的假设和特定的指数连接函数下，对总体数量成立；论文并未证明它在所有参数区间都成立，也未证明它对分别追踪有症状者和无症状者的模型成立。
该模型还带有一些结构性假设，限制了它的适用范围。只有有症状者会改变行为，无症状者按基线传播率传播，而且模拟中康复被当作固定参数处理，尽管框架允许它依赖宿主内动态。症状评分是由免疫模型生成的综合量，而不是实测的临床指标，因此这些结果描述的是上述假设下的模型行为，而不是针对某个流感季节的校准预测。
曲线形态比高峰高度更值得关注
这篇论文确立的实际重点是比较两条行为路径，而不是给出单一的高峰削减估计。如果行为由个人感觉有多难受驱动，模型预测高峰推迟且降低，同时流行曲线保持熟悉的单峰 SEIR 形态。如果行为由人群层面的病例或死亡报告驱动，模型预测会出现平台期、肩部或延长下降等特征，而标准 SEIR 拟合无法重现这些特征。
因此，对于要判断某条观测曲线是否暗示行为反馈的读者来说，相关的检验是形态，而不仅仅是高峰时间。推迟且降低的高峰与症状驱动的接触减少相容，看起来普通的 SEIR 曲线也同样相容；本文中更具诊断力的特征来自人群层面的反馈。论文自己的总结是：症状严重程度驱动的行为变化可以在人群层面发挥作用，却不在流行曲线上留下清晰可辨的痕迹；因此值得在不同模型间比较的量是行为触发信号的选择，而不是行为变化本身是否存在。
本文引用的文献
A multi-scale immuno-epidemiological behavioral model for influenza-like illness: connecting scales through symptom scores
症状评分驱动的行为变化会推迟并降低流行高峰，但在指数、Hill 型、线性和阈值连接函数下，所得轨迹在定性上仍近似 SEIR；这与可能产生平台期、肩部或延长下降的人群反馈模型不同。