Modelling and analysis of influenza A (H1N1) on networks
Notice bibliographique
Résumé
BACKGROUND: In April 2009, a new strain of H1N1 influenza virus, referred to as pandemic influenza A (H1N1) was first detected in humans in the United States, followed by an outbreak in the state of Veracruz, Mexico. Soon afterwards, this new virus kept spreading worldwide resulting in a global outbreak. In China, the second Circular of the Ministry of Health pointed out that as of December 31, 2009, the country's 31 provinces had reported 120,000 confirmed cases of H1N1. METHODS: We formulate an epidemic model of influenza A based on networks. We calculate the basic reproduction number and study the effects of various immunization schemes. The final size relation is derived for the network epidemic model. The model parameters are estimated via least-squares fitting of the model solution to the observed data in China. RESULTS: For the network model, we prove that the disease-free equilibrium is globally asymptotically stable when the basic reproduction is less than one. The final size will depend on the vaccination starting time, T, the number of infective cases at time T and immunization schemes to follow. Our theoretical results are confirmed by numerical simulations. Using the parameter estimates based on the observation data of the cumulative number of hospital notifications, we estimate the basic reproduction number R0 to be 1.6809 in China. CONCLUSIONS: Network modelling supplies a useful tool for studying the transmission of H1N1 in China, capturing the main features of the spread of H1N1. While a uniform, mass-immunization strategy helps control the prevalence, a targeted immunization strategy focusing on specific groups with given connectivity may better control the endemic.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».