インフォデミックのメカニズムの理解：方程式ベースモデル vs. エージェントベースモデル

科学分野:

• 計算疫学
• ネットワーク科学
• 公衆衛生モデリング

背景:

• デジタルコミュニケーションは、誤報および偽情報の拡散を加速させ、公衆衛生と政策に影響を与える。
• これらの拡散メカニズムの理解は、特にCOVID-19パンデミックのような世界的な健康危機において極めて重要である。
• 従来のEBMは、重要な心理社会的要因やコミュニケーションネットワーク構造を見落としがちである。

主な方法:

• 心理社会的要素とネットワーク構造を組み込んだ強化型エージェントベースモデル（ABM）を開発した。
• EBM構造を模倣するために単純ABMを開発し、比較分析を行った。
• パラメータ範囲にわたるABMとEBMを比較するために11,110回の実験を実施した。
• 36週間のワクチン受容に関する実世界のデータにモデルを適合させるために、多目的最適化手順を利用した。

結論:

• ABMは、複雑なインフォデミック現象を捉える上でEBMよりも効果的である。
• 心理社会的要因とネットワーク相互作用は、誤報および偽情報の拡散の正確なモデリングにおいて重要な要素である。
• 強化型ABMは、健康危機における公衆衛生政策およびコミュニケーション戦略のための堅牢なフレームワークを提供する。