Necessity of Social Distancing in Pandemic Control: A Dynamic Game Theory Approach
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
We model a society with two types of citizens: healthy and vulnerable individuals. While both types can be exposed to the virus and contribute to its spread, the vulnerable people tend to be more cautious as being exposed to the virus can be fatal for them due to their conditions, e.g., advanced age or prior medical conditions. We assume that both types would like to participate in in-person social activities as freely as possible and they make this decision based on the total number of infected people in the society. In this model, we assume that a local governmental authority imposes and administers social distancing regulations based on the infection status of the society and revises it accordingly in each time period. We model and solve for the steady state in four scenarios: (i) non-cooperative (Nash), (ii) cooperative, (iii) egoistic, and (iv) altruistic. The results show that the Altruistic scenario is the best among the four, i.e., the healthy citizens put the vulnerable citizens' needs first and self-isolate more strictly which results in more flexibility for the vulnerable citizens. We use a numerical example to illustrate that the Altruistic scenario will assist with pandemic control for both healthy and vulnerable citizens in the long run. The objective of this research is not to find a way to resolve the pandemic but to optimally live in a society which has been impacted by pandemic restrictions, similar to what was experienced in 2020 with the spread of COVID-19.
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 | 0,001 | 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 | 0,000 | 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