A discrete epidemic model and a zigzag strategy for curbing the Covid-19 outbreak and for lifting the lockdown
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study looks at the dynamics of a Covid-19 type epidemic with a dual purpose. The first objective is to propose a reliable temporal mathematical model, based on real data and integrating the course of illness. It is a daily discrete model with different delay times, and whose parameters are calibrated from the main indicators of the epidemic. The model can be broken down in two decoupled versions: a mortality-mortality version, which can be used with the data on the number of deaths, and an infection-infection version to be used when reliable estimates of infection rate are available. The model allows to describe realistically the evolution of the main markers of the epidemic. In addition, in terms of deaths and occupied ICU beds, the model is not very sensitive to the current uncertainties about IFR. The second objective is to study several original scenarios for the epidemic’s evolution, especially after the period of strict lockdown. A coherent strategy is therefore proposed to contain the outbreak and exit lockdown, without going into the risky herd immunity approach. This strategy, called zigzag strategy , is based on a classification of the interventions into four lanes, distinguished by a marker called the daily reproduction number. The model and strategy in question are flexible and easily adaptable to new developments such as mass screenings or infection surveys. They can also be used at different geographical scales (local, regional or national).
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.
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 | 0,002 | 0,013 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle