کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8644176 1569425 2018 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Using data-driven agent-based models for forecasting emerging infectious diseases
ترجمه فارسی عنوان
با استفاده از مدل مبتنی بر عامل مبتنی بر داده ها برای پیش بینی بیماری های عفونی در حال ظهور
کلمات کلیدی
بیماری های عفونی در حال ظهور، مدل مبتنی بر عامل، بهینه سازی شبیه سازی، کالیبراسیون بیزی ابولا،
ترجمه چکیده
تهیه پیش بینی های به موقع، آگاهانه و قابل اعتماد برای یک اپیدمی مداوم از بیماری های عفونی در حال ظهور یک چالش بزرگ است. اپیدمیولوژیست ها و سیاست گذاران باید با کیفیت داده های ضعیف، درک محدودی از پویایی بیماری، فضای اجتماعی به سرعت در حال تغییر و عدم اطمینان در مورد تأثیرات مداخلات مختلف در محل مقابله کنند. تحت این تنظیمات، مدل های محاسباتی دقیق، یک چارچوب جامع برای ادغام منابع داده های متنوع را به یک مدل تعریف شده از پویایی بیماری و رفتار اجتماعی ارائه می دهد که به طور بالقوه منجر به درک بهتر و اقدامات می شود. در این مقاله، یک چارچوب مدل مبتنی بر عامل ایجاد شده برای پیشگیری از شیوع اپیدمی ابولا 2014-2015 در لیبریا را توصیف می کنیم و سپس در چالش پیش بینی ابولا استفاده می شود. ما مولفه های مختلف مدل، فرآیند کالیبراسیون را شرح می دهیم و عملکرد پیش بینی را در میان سناریوهای چالش خلاصه می کنیم. ما نتیجه گیری می کنیم که چگونه چنین رویکردی مبتنی بر داده ها را می توان برای بیماری های اپیدمی آینده تصحیح و تطبیق داد، و درس هایی را که در طول این چالش به دست آمده، به اشتراک بگذارند.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک بوم شناسی، تکامل، رفتار و سامانه شناسی
پیش نمایش مقاله
با استفاده از مدل مبتنی بر عامل مبتنی بر داده ها برای پیش بینی بیماری های عفونی در حال ظهور
چکیده انگلیسی
Producing timely, well-informed and reliable forecasts for an ongoing epidemic of an emerging infectious disease is a huge challenge. Epidemiologists and policy makers have to deal with poor data quality, limited understanding of the disease dynamics, rapidly changing social environment and the uncertainty on effects of various interventions in place. Under this setting, detailed computational models provide a comprehensive framework for integrating diverse data sources into a well-defined model of disease dynamics and social behavior, potentially leading to better understanding and actions. In this paper, we describe one such agent-based model framework developed for forecasting the 2014-2015 Ebola epidemic in Liberia, and subsequently used during the Ebola forecasting challenge. We describe the various components of the model, the calibration process and summarize the forecast performance across scenarios of the challenge. We conclude by highlighting how such a data-driven approach can be refined and adapted for future epidemics, and share the lessons learned over the course of the challenge.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Epidemics - Volume 22, March 2018, Pages 43-49
نویسندگان
, , , , , ,