The impact of media coverage on the transmission dynamics of human influenza
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: There is an urgent need to understand how the provision of information influences individual risk perception and how this in turn shapes the evolution of epidemics. Individuals are influenced by information in complex and unpredictable ways. Emerging infectious diseases, such as the recent swine flu epidemic, may be particular hotspots for a media-fueled rush to vaccination; conversely, seasonal diseases may receive little media attention, despite their high mortality rate, due to their perceived lack of newness. METHODS: We formulate a deterministic transmission and vaccination model to investigate the effects of media coverage on the transmission dynamics of influenza. The population is subdivided into different classes according to their disease status. The compartmental model includes the effect of media coverage on reporting the number of infections as well as the number of individuals successfully vaccinated. RESULTS: A threshold parameter (the basic reproductive ratio) is analytically derived and used to discuss the local stability of the disease-free steady state. The impact of costs that can be incurred, which include vaccination, education, implementation and campaigns on media coverage, are also investigated using optimal control theory. A simplified version of the model with pulse vaccination shows that the media can trigger a vaccinating panic if the vaccine is imperfect and simplified messages result in the vaccinated mixing with the infectives without regard to disease risk. CONCLUSIONS: The effects of media on an outbreak are complex. Simplified understandings of disease epidemiology, propogated through media soundbites, may make the disease significantly worse.
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.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle