COVID-19大流行强调了建模在理解疾病传播以及为疾病预防和控制提供关键见解方面的重要性。一个新的模型利用COVID-19的数据并结合两种经典的方法来加强对疾病传播的预测。一个广泛使用的建模技术包括将人口分为几个部 ...
|
COVID-19大流行强调了建模在理解疾病传播以及为疾病预防和控制提供关键见解方面的重要性。一个新的模型利用COVID-19的数据并结合两种经典的方法来加强对疾病传播的预测。
一个广泛使用的建模技术包括将人口分为几个部分，如易感者（S）、感染者（I）和康复者（R），即所谓的SIR模型。这种方法对描述个体从一个区间到另一个区间的变化率进行建模。 由Paula Moraga领导的KAUST研究人员整合了时间上的SIR分区模型和时空上的点过程模型方法，同时还考虑到了特定年龄的接触模式。为了做到这一点，他们使用了一个两步框架，使他们能够对不同年龄组的感染性地点的数据进行时间建模。 "在进行空间和时间上的短/中距离预测时，该模型比以前的方法给出了更准确的预测，"首席研究员André Amaral说。"它还说明了不同的年龄层，因此我们可以分别对待这些群体，从而更精细地控制传染病例的数量"。
他们的方法得到了回报。在评估该模型性能的模拟研究中，以及在对哥伦比亚卡利的COVID-19病例的案例研究中，与预测模型中常用的模型相比，该模型在进行预测时表现更好，并为过去的时间点提供类似的结果。 "该模型的特点可以帮助决策者确定高风险地点和脆弱人群，以制定更好的疾病控制策略，"Amaral说。 它还可以用于任何符合区划模型假设的传染病，如流感。此外，该模型可以考虑到不同的年龄组及其相关的接触模式，这意味着它可以得出更详细的结论，即如果决策者想要控制疾病的传播，他们应该在哪里、何时以及向哪个人口组别集中资源。 "在未来的工作中，我们可能会扩展这种方法，使用不同的时间模型来取代SIR模型。这将使我们能够考虑到不同的流行病动态，并扩大该模型可用于的情景数量，"Amaral说。"最后，为了提高模型的预测能力，我们可能会致力于开发集合方法，将一些不同模型的预测结果结合起来，同时考虑到收集数据的潜在时间延迟。" 莫拉加说，该模型的表现表明了按地点、时间和人口组别划分的高质量和详细数据对了解传染病动态的重要性，同时强调需要加强国家监测系统以改善公共卫生决策。 本文来自网络，如若转载引用本网站内容须注明原网址，并标明本网站网址(www.anwei66.com)。 对于不当转载或引用本网站内容而引起的民事纷争、行政处理或其他损失，本网站不承担责任。 |
广告
广告
支付
吃瓜
0