کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8644178 1569425 2018 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Real-time forecasting of infectious disease dynamics with a stochastic semi-mechanistic model
ترجمه فارسی عنوان
پیش بینی زمان واقعی پویایی بیماری های عفونی با یک مدل نیمه مکانیکی تصادفی
کلمات کلیدی
پیش بینی، مدلسازی زمان واقعی دینامیک بیماری عفونی، شیوع،
ترجمه چکیده
پیش بینی های زمان واقعی بیماری های عفونی می تواند به برنامه ریزی بهداشت عمومی کمک کند، به ویژه در طی شیوع بیماری. اگر پیش بینی ها از مدل های مکانیکی تولید می شود، می توان آنها را بیشتر برای هدف گذاری منابع یا مقایسه تأثیر مداخلات احتمالی مورد استفاده قرار داد. با این حال، برداشتن چنین مدل ها اغلب در زمان واقعی مشکل است، زمانی که اطلاعات در مورد تغییرات رفتاری، مداخلات و مسیرهای انتقال به آسانی در دسترس نیست. در اینجا ما یک مدل نیمه مکانیستی از پویایی بیماری های عفونی ارائه می دهیم که در زمان واقعی در آفریقای غرب آفریقا 2013-2016 مورد استفاده قرار گرفت و نشان می دهد که چالش پیش بینی ابولا در اواخر سال 2015 با داده های شبیه سازی شده که تقلبی از شیوع بیماری واقعی را نشان می دهد، مناسب است. ما عملکرد مدل را در شرایط مختلف ارزیابی می کنیم و نقاط قوت و ضعف رویکرد ما را شناسایی می کنیم. مدل هایی از قبیل ارائه شده در اینجا که توانایی مدل های مکانیکی را با انعطاف پذیری ترکیب می کنند، شامل عدم اطمینان در مورد پویایی شیوع دقیق می تواند یک ابزار مهم در مبارزه با شیوع های آینده باشد.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک بوم شناسی، تکامل، رفتار و سامانه شناسی
پیش نمایش مقاله
پیش بینی زمان واقعی پویایی بیماری های عفونی با یک مدل نیمه مکانیکی تصادفی
چکیده انگلیسی
Real-time forecasts of infectious diseases can help public health planning, especially during outbreaks. If forecasts are generated from mechanistic models, they can be further used to target resources or to compare the impact of possible interventions. However, paremeterising such models is often difficult in real time, when information on behavioural changes, interventions and routes of transmission are not readily available. Here, we present a semi-mechanistic model of infectious disease dynamics that was used in real time during the 2013-2016 West African Ebola epidemic, and show fits to a Ebola Forecasting Challenge conducted in late 2015 with simulated data mimicking the true epidemic. We assess the performance of the model in different situations and identify strengths and shortcomings of our approach. Models such as the one presented here which combine the power of mechanistic models with the flexibility to include uncertainty about the precise outbreak dynamics may be an important tool in combating future outbreaks.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Epidemics - Volume 22, March 2018, Pages 56-61
نویسندگان
, , , , ,