Why populations are not planets_ gravity and the limits of disease modeling by analogy
Notice bibliographique
Résumé
Wellness depends on health and that, in turn, depends on the absence of disease. Analogous models based on physical laws have long been utilized by researchers to understand epidemic expansion in urban communities. Perhaps the most significant of this class is the gravity model in which population size is equated with planetary mass and distance between cities to that separating planets. While the model assumes homogeneity among different bodies, cities or planets, in epidemiology the likelihood of disease spread may depend on other heterogeneous, non-constant factors. The study used a public dataset of H1N1 Influenza in 2009 as the focus. A natural log regression was applied in an attempt to sort the relative importance of gravity model variables as predictors of influenza occurrence and diffusion. It was found that while the model population size serves as a general predictor of disease expansion that distance failed as an indicator of disease dynamics. Furthermore, findings from the study show that disease progression was irregular and not, as one might expect from the gravity model, consistent in space or over time. The study concludes that the gravity model may serve only as a coarse predictor of disease expansion over time. By extension, this raises similar questions about other models in which homogeneity between populations or network of populations is assumed. Key words: Gravity model, H1N1influenza, regression, spatial epidemiology.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».