Emergence and spread of drug resistant influenza: A two-population game theoretical model
Notice bibliographique
Résumé
BACKGROUND: The potential for emergence of antiviral drug resistance during influenza pandemics has raised great concern for public health. Widespread use of antiviral drugs is a significant factor in producing resistant strains. Recent studies show that some influenza viruses may gain antiviral drug resistance without a fitness penalty. This creates the possibility of strategic interaction between populations considering antiviral drug use strategies. METHODS: To explain why, we develop and analyze a classical 2-player game theoretical model where each player chooses from a range of possible rates of antiviral drug use, and payoffs are derived as a function of final size of epidemic with the regular and mutant strain. Final sizes are derived from a stochastic compartmental epidemic model that captures transmission within each population and between populations, and the stochastic emergence of antiviral drug resistance. High treatment levels not only increase the spread of the resistant strain in the subject population but also affect the other population by increasing the density of the resistant strain infectious individuals due to travel between populations. RESULTS: We found two Nash equilibria where both populations treat at a high rate, or both treat at a low rate. Hence the game theoretical analysis predicts that populations will not choose different treatment strategies than other populations, under these assumptions. The populations may choose to cooperate by maintaining a low treatment rate that does not increase the incidence of mutant strain infections or cause case importations to the other population. Alternatively, if one population is treating at a high rate, this will generate a large number of mutant infections that spread to the other population, in turn incentivizing that population to also treat at a high rate. The prediction of two separate Nash equilibria is robust to the mutation rate and the effectiveness of the drug in preventing transmission, but it is sensitive to the volume of travel between the two populations. CONCLUSIONS: Model-based evaluations of antiviral influenza drug use during a pandemic usually consider populations in isolation from one another, but our results show that strategic interactions could strongly influence a population's choice of antiviral drug use policy. Furthermore, the high treatment rate Nash equilibrium has the potential to become socially suboptimal (i.e. non-Pareto optimal) under model assumptions that might apply under other conditions. Because of the need for players to coordinate their actions, we conclude that communication and coordination between jurisdictions during influenza pandemics is a priority, especially for influenza strains that do not evolve a fitness penalty under antiviral drug resistance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».