MétaCan
Menu
Retour à la cohorte
Enregistrement W2030386659 · doi:10.3934/mbe.2013.10.1691

Optimal isolation strategies of emerging infectious diseases with limited resources

2013· article· en· W2030386659 sur OpenAlexafffund
Min Wu, Yinggao Zhou

Notice bibliographique

RevueMathematical Biosciences & Engineering · 2013
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational University of Defense TechnologyCanada Research ChairsInternational Development Research Centre
Mots-clésIsolation (microbiology)Optimal controlLimited resourcesMathematical optimizationPopulationControl (management)Patient isolationComputer scienceOutbreakMathematicsBiologyStatisticsVirologyMedicineArtificial intelligenceBioinformatics

Résumé

récupéré en direct d'OpenAlex

A classical deterministic SIR model is modified to take into account of limited resources for diagnostic confirmation/medical isolation. We show that this modification leads to four different scenarios (instead of three scenarios in comparison with the SIR model) for optimal isolation strategies, and obtain analytic solutions for the optimal control problem that minimize the outbreak size under the assumption of limited resources for isolation. These solutions and their corresponding optimal control policies are derived explicitly in terms of initial conditions, model parameters and resources for isolation (such as the number of intensive care units). With sufficient resources, the optimal control strategy is the normal Bang-Bang control. However, with limited resources the optimal control strategy requires to switch to time-variant isolation at an optimal rate proportional to the ratio of isolated cases over the entire infected population once the maximum capacity is reached.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,551

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,318
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMathematical Biosciences & EngineeringMême sujetCOVID-19 epidemiological studiesTravaux en français237 207