Individually Optimal Choices can be Collectively Disastrous in COVID-19 Disease Control
Notice bibliographique
Résumé
Abstract Background: The word ‘pandemic’ conjures dystopian images of bodies stacked in the streets and societies on the brink of collapse. Despite this frightening picture, denialism and noncompliance with public health measures are common in the historical record, for example during the 1918 Influenza pandemic or the 2015 Ebola epidemic. The unique characteristics of SARS-CoV-2—its high basic reproduction number (R0), time-limited natural immunity and considerable potential for asymptomatic spread—exacerbate the public health repercussions of noncompliance with interventions (such as vaccines and masks) to limit disease transmission. Our work explores the rationality and impact of noncompliance with COVID-19 disease control measures. Methods: In this work, we used game theory to explore when noncompliance confers a perceived benefit to individuals. We then used epidemiological modeling to predict the impact of noncompliance on control of COVID-19, demonstrating that the presence of a noncompliant subpopulation prevents suppression of disease spread. Results: Our modeling demonstrating that noncompliance is a Nash equilibrium under a broad set of conditions, and that the existence of a noncompliant population can result in extensive endemic disease in the long-term after a return to pre-pandemic social and economic activity. Endemic disease poses a threat for both compliant and noncompliant individuals; all community members are protected if complete suppression is achieved, which is only possible with a high degree of compliance. For interventions that are highly effective at preventing disease spread, however, the consequences of noncompliance are borne disproportionately by noncompliant individuals. Conclusions: In sum, our work demonstrates the limits of free-market approaches to compliance with disease control measures during a pandemic. The act of noncompliance with disease intervention measures creates a negative externality, rendering COVID-19 disease control ineffective in the short term and making complete suppression impossible in the long term. Our work underscores the importance of developing effective strategies for prophylaxis through public health measures aimed at complete suppression and the need to focus on compliance at a population level.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».