MétaCan
Menu
Retour à la cohorte
Enregistrement W2618986821 · doi:10.3934/mbe.2018012

A frailty model for intervention effectiveness against disease transmission
when implemented with unobservable heterogeneity

2017· article· en· W2618986821 sur OpenAlexaff
Ping Yan

Notice bibliographique

RevueMathematical Biosciences & Engineering · 2017
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensPublic Health Agency of Canada
Organismes subventionnairesnon disponible
Mots-clésUnobservableIntervention (counseling)DiseaseEconometricsPopulationInfectious disease (medical specialty)Communicable diseaseComputer scienceMedicineMathematicsPublic healthEnvironmental healthPathology

Résumé

récupéré en direct d'OpenAlex

For an intervention against the spread of communicable diseases, the idealized situation is when individuals fully comply with the intervention and the exposure to the infectious agent is comparable across all individuals. Some level of non-compliance is likely where the intervention is widely implemented. The focus is on a more accurate view of its effects population-wide. A frailty model is applied. Qualitative analysis, in mathematical terms, reveals how large variability in compliance renders the intervention less effective. This finding sharpens our vague, intuitive and empirical notions. An effective reproduction number in the presence of frailty is defined and is shown to be invariant with respect to the time-scale of disease progression. This makes the results in this paper valid for a wide spectrum of acute and chronic infectious diseases. Quantitative analysis by comparing numerical results shows that they are also robust with respect to assumptions on disease progression structure and distributions, such as with or without the latent period and the assumed distributions of latent and infectious periods.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,740
Score d'incertitude au seuil0,821

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,271
Tête enseignante GPT0,432
Écart entre enseignants0,161 · 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'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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

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