优化流感的时空非药物干预:一种适应性强化学习方法,用于区域异质性
Yuxing Tian1, Xin Li1, Hualing Wang2
1Department of Epidemiology and Health Statistics, West China School of Public Health and West China Fourth Hospital, Sichuan University, Chengdu, 610041, Sichuan Province, China.
Infectious Disease Modelling
|October 27, 2025
概括
一个新的SEIQR-Dueling DQN模型通过适应区域差异来优化流感非药物干预 (NPI),与标准方法相比,显著减少感染和峰值流行率.
科学领域:
- 流行病学 流行病学
- 计算建模计算建模
- 公共卫生干预措施 公共卫生干预措施
背景情况:
- 由于流感的高传染性和社会影响,流感对全球健康构成重大威胁.
- 传统的非药物干预 (NPI) 往往无法解释区域异质性,导致控制不足.
- 在不同地区平衡感染控制与社会经济成本仍然是一个挑战.
研究的目的:
- 开发一个适应性框架,以优化流感控制中的NPI策略.
- 通过纳入区域特征来解决基于门的NPI的局限性.
- 为了动态平衡公共卫生和社会经济方面的考虑.
主要方法:
- 提出了一个易感-暴露-感染-隔离-移除 (SEIQR) 隔间模型,与决斗深度Q网络 (DQN) 集成.
- 整合区域数据 (气候,人口,医疗资源) 来捕捉传播动态.
- 使用顺序贝叶斯优化估计的模型参数和通过引导重新抽样评估的不确定性.
主要成果:
- 在不同类型的城市中,SEIQR-Dueling DQN框架将累积感染减少了5.21%-5.99%,峰值发病率减少了8.12%-34.92%.
- 基于值的NPI显示出有限的区域响应能力,仅减少了3.05%-3.67%的感染.
- 拟议的模型在各种传输设置中展示了一致的性能.
结论:
- SEIQR-Dueling DQN框架使得量身定制的NPI策略成为可能,有效地管理流感爆发的区域异质性.
- 这种适应性方法显示出对控制具有区域差异的新兴传染病的前景.
- 该模型提供了一种平衡的方法来控制感染和社会经济影响.


