CovidSIMVL – Agent-Based Modeling of Localized Transmission within a Heterogeneous Array of Locations – Motivation, Configuration and Calibration
Notice bibliographique
Résumé
ABSTRACT CovidSIMVL is an agent-based infectious disease modeling tool that is designed specifically to simulate localized spread of infectious disease. It is intended to support tactical decision-making around localized/staged re-institution of pre-pandemic levels and patterns of social/economic/health service delivery activity, following an initial stage of pan-societal closures of social/economic institutions and broad-based reductions in services. By design, CovidSIMVL supports the generation of dynamic models that reflect heterogeneity within and between a network of interacting localized contexts. This heterogeneity is embodied in a hierarchically organized set of rules. Primary rules reflect the pathophysiology of transmission. Secondary rules (“HazardRadius” and “Mingle Factor” in CovidSIMVL) relate transmission to proximity and movement within physically demarcated and relatively contained spaces (“Universes”). Tertiary rules (“Schedules”) relate probabilities of transmission to movement of people between a network of localized contexts (a CovidSIMVL “Multiverse”). This report focuses mainly on calibration of secondary rules. To calibrate the HazardRadius and MingleFactor parameters, growth curves were generated with CovidSIMVL by setting different configurations of values on those two proximal determinants of viral transmission. These were compared to the characteristic shapes of curves generated by equation-based compartmental models (e.g., SEIR models) that fit different real-world datasets embodying different reproduction numbers (R 0 ). By operating with parameter values in CovidSIMVL that generate “real-world” growth curves, the tool can be used to produce plausible simulations of localized chains of transmission. These include transmission among different groups of persons (e.g., staff, patients) who are co-located within a single setting such as a long-term care facility. The Multiverse version of CovidSIMVL can be used to simulate localized cross-over transmission among arrays consisting of both unaffected and impacted contexts and associated sub-populations, via agents who interact within and across arrays of contexts such as schools, multigenerational families, recreational facilities, places of work, emergency shelters for homeless persons, or other settings in which people are in close physical proximity.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».