Optimizing Tactics for use of the U.S. Antiviral Strategic National Stockpile for Pandemic (H1N1) Influenza, 2009
Notice bibliographique
Résumé
Public health agencies across the globe are working to mitigate the impact of the 2009 pandemic caused by swine-origin influenza A (H1N1) virus. Prior to the large-scale distribution of an effective vaccine, the primary modes of control have included careful surveillance, social distancing and hygiene measures, strategic school closures, other community measures, and the prudent use of antiviral medications to prevent infection (prophylaxis) or reduce the severity and duration of symptoms (treatment). Here, we use mathematical models to determine the optimal geo-temporal tactics for distributing the U.S. strategic national stockpile of antivirals for treatment of infected cases during the early stages of a pandemic, prior to the wide availability of vaccines.We present a versatile optimization method for efficiently searching large sets of public health intervention strategies, and apply it to evaluating tactics for distributing antiviral medications from the U.S. Strategic National Stockpile (SNS). We implemented the algorithm on a network model of H1N1 transmission within and among U.S. cities to project the epidemiological impacts of antiviral stockpile distribution schedules and priorities. The resulting optimized strategies critically depend on the rates of antiviral uptake and wastage (through misallocation or loss). And while a surprisingly simple pro rata distribution schedule is competitive with the optimized strategies across a wide range of uptake and wastage, other equally simple policies perform poorly.Even as vaccination campaigns get underway worldwide, antiviral medications continue to play a critical in reducing H1N1-associated morbidity and mortality. If efforts are made to increase the fraction of cases treated promptly with antivirals above current levels, our model suggests that optimal use of the antiviral component of the Strategic National Stockpile may appreciably slow the transmission of H1N1 during fall 2009, thereby improving the impact of targeted vaccination. A more aggressive optimized antiviral strategy of this type may prove critical to mitigating future flu pandemics, but may increase the risk of antiviral 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».