佛罗里达州COVID-19大流行病的基于代理物的建模
Alexander N Pillai1, Kok Ben Toh2, Dianela Perdomo1
1Department of Biology, University of Florida, Gainesville, FL, USA.
Epidemics
|June 9, 2024
概括
数学建模人员在COVID-19大流行期间迅速适应,从简单的模型过渡到复杂的基于代理的模型 (ABM),因为有更多的数据可用于告知公共卫生决策.
科学领域:
- 流行病学 流行病学
- 计算生物学 计算生物学
- 公共卫生建模公共卫生建模
背景情况:
- 由于COVID-19大流行,需要快速开发SARS-CoV-2的数学模型.
- 早期的建模工作往往很简单,或者由于迫切的需求和有限的数据而重新定位.
研究的目的:
- 讨论从简单到复杂的基于代理物的模型 (ABMs) 进行流行病建模的过渡.
- 思考模型设计人员在危机期间提供实时决策支持时所面临的挑战.
- 为了告知未来为传染病爆发做好准备.
主要方法:
- 使用基于代理的模型 (ABM) 进行微细的干预场景分析.
- 根据不断变化的经验证据,适应模拟工具和方法.
- 参与近乎实时的分析,以支持决策.
主要成果:
- 在流行病早期阶段证明了简单模型的实用性.
- 展示了随着详细数据的出现,高分辨率ABM的价值越来越高.
- 强调平衡学术研究与紧急决策支持的挑战.
结论:
- 建模人员必须准备好根据数据可用性在不同的建模复杂性之间进行过渡.
- 有效的流行病应对需要适应性的建模策略和工具.
- 对危机经验的反思可以改善未来对传染病建模的准备.
