Using cultural, historical, and epidemiological data to inform, calibrate, and verify model structures in agent-based simulations
Notice bibliographique
Résumé
Agent-based simulation models are excellent tools for addressing questions about the spread of infectious diseases in human populations because realistic, complex behaviors as well as random factors can readily be incorporated. Agent-based models are flexible and allow for a wide variety of behaviors, time-related variables, and geographies, making the calibration process an extremely important step in model development. Such calibration procedures, including verification and validation, may be complicated, however, and usually require incorporation of substantial empirical data and theoretical knowledge of the populations and processes under study. This paper describes steps taken to build and calibrate an agent-based model of epidemic spread in an early 20<sup>th</sup> century fishing village in Newfoundland and Labrador, including a description of some of the detailed ethnographic and historical data available. We illustrate how these data were used to develop the structure of specific parts of the model. The resulting model, however, is designed to reflect a generic small community during the early 20<sup>th</sup> century and the spread of a directly transmitted disease within such a community, not the specific place that provided the data. Following the description of model development, we present the results of a replication study used to confirm the model behaves as intended. This study is also used to identify the number of simulations necessary for high confidence in average model output. We also present selected results from extensive sensitivity analyses to assess the effect that variation in parameter values has on model outcomes. After careful calibration and verification, the model can be used to address specific practical questions of interest. We provide an illustrative example of this process.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».