MétaCan
Menu
← Retour à la cohorte
Enregistrement W2115784884 · doi:10.1145/2452516.2452529

Integrated epidemiologic simulation for person to person contagion through urban mobility within GIS

2012· article· en· W2115784884 sur OpenAlexafffund
Hedi Haddad, Bernard Moulin, Marius Thériault, Daniel Navarro-Velazquez

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensUniversité Laval
Organismes subventionnairesMinistère des Transports
Mots-clésGIS and public healthGeographic information systemPublic healthSpatial epidemiologyComputer scienceHealth informaticsContext (archaeology)Data scienceCommunicable diseaseDecision support systemVariety (cybernetics)GIS applicationsHealth geographyRisk analysis (engineering)GeographyData miningHealth policyInternational healthBusinessCartographyMedicineEpidemiologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In recent years, advances in Health Geography, Geographical Epidemiology and Public Health Informatics have led to an extensive use of Geographic Information Systems (GIS) to study a variety of public health issues. Considering infectious disease outbreaks, time becomes a critical factor and Public Health officers require tools to support rapid decision making. In this context, GIS technology presents some limits. Mainly, the study of communicable diseases requires the development of complicated spatial-temporal models which is often time and effort consuming. In addition, this type of dynamic analysis is hard to realize by means of the GIS functionalities commonly available. Addressing such limits, we present in this paper a new GIS-based spatial-temporal simulation approach and software to support public health decision making in the context of communicable diseases. Our approach stands out by the integrative perspective and the explicit spatial aspect that it offers. On the one hand, it fully integrates epidemiological, mobility and GIS-data models at an aggregate population level in order to support public health decision making. This is made possible because our approach is built on data automatically processed from transportation surveys that are widely available, at least in North America and Europe. Our approach is thus simple and can be promptly put into use. On the other hand, our approach particularly aims at supporting decision makers with respect to "spatialized" intervention policies. Mainly, it allows for the assessment of different public intervention actions in different spatial locations of the studied area and the evaluation of their effects on the disease spatial evolution and distribution.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,525
Tête enseignante GPT0,476
Écart entre enseignants0,049 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCOVID-19 epidemiological studies→Travaux en français237 207→