Public health interventions for epidemics: implications for multiple infection waves
Notice bibliographique
Résumé
BACKGROUND: Epidemics with multiple infection waves have been documented for some human diseases, most notably during past influenza pandemics. While pathogen evolution, co-infection, and behavioural changes have been proposed as possible mechanisms for the occurrence of subsequent outbreaks, the effect of public health interventions remains undetermined. METHODS: We develop mean-field and stochastic epidemiological models for disease transmission, and perform simulations to show how control measures, such as drug treatment and isolation of ill individuals, can influence the epidemic profile and generate sequences of infection waves with different characteristics. RESULTS: We demonstrate the impact of parameters representing the effectiveness and adverse consequences of intervention measures, such as treatment and emergence of drug resistance, on the spread of a pathogen in the population. If pathogen resistant strains evolve under drug pressure, multiple outbreaks are possible with variability in their characteristics, magnitude, and timing. In this context, the level of drug use and isolation capacity play an important role in the occurrence of subsequent outbreaks. Our simulations for influenza infection as a case study indicate that the intensive use of these interventions during the early stages of the epidemic could delay the spread of disease, but it may also result in later infection waves with possibly larger magnitudes. CONCLUSIONS: The findings highlight the importance of intervention parameters in the process of public health decision-making, and in evaluating control measures when facing substantial uncertainty regarding the epidemiological characteristics of an emerging infectious pathogen. Critical factors that influence population health including evolutionary responses of the pathogen under the pressure of different intervention measures during an epidemic should be considered for the design of effective strategies that address short-term targets compatible with long-term disease outcomes.
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 | 0,011 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».