MétaCan
Menu
Retour à la cohorte
Enregistrement W4302023729 · doi:10.1007/s11538-022-01091-7

Long-Term Forecast of HIV/AIDS Epidemic in China with Fear Effect and 90-90-90 Strategies

2022· article· en· W4302023729 sur OpenAlexafffund
Ling Xue, Kai Zhang, Hao Wang

Notice bibliographique

RevueBulletin of Mathematical Biology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMathematical and Theoretical Epidemiology and Ecology Models
Établissements canadiensUniversity of Alberta
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésTerm (time)Human immunodeficiency virus (HIV)ChinaVirologyPandemicCoronavirus disease 2019 (COVID-19)DemographyEconometricsMedicineGeographyMathematicsInfectious disease (medical specialty)DiseaseSociologyInternal medicinePhysics

Résumé

récupéré en direct d'OpenAlex

We formulate a compartmental model considering behavioral changes of susceptible individuals due to fear to assess the transmission dynamics of HIV/AIDS in mainland China. Stability and uniform persistence are analyzed. Markov chain Monte Carlo simulations and Latin hypercube sampling are used to estimate the basic reproduction number and its sensitivity to parameter variations. The estimated mean reproduction number is 1.2138 (95% CI 1.0834–1.3442). The basic reproduction numbers of aware susceptible individuals and high-risk susceptible individuals are $$5.6776 \times {10^{-10}}$$ (95% CI $$4.7883\times {10^{{-10}}}$$ – $$6.7039 \times {10^{{-10}}}$$ ) and 1.2138 (95% CI 1.0834–1.3442), respectively. Global sensitivity analysis shows that preventive measures are more effective than post-infection measures in eliminating the epidemic. We incorporate 90-90-90 strategies to predict the new HIV/AIDS cases in China in the next few decades, and the results show that it takes at least 26 years to achieve the goal of zero new HIV/AIDS cases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,275
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBulletin of Mathematical BiologyMême sujetMathematical and Theoretical Epidemiology and Ecology ModelsTravaux en français237 207