MétaCan
Menu
Retour à la cohorte
Enregistrement W4399563344 · doi:10.1016/j.jfranklin.2024.106994

The impact of vaccination and social distancing on COVID-19: A compartmental model and an evolutionary game theory approach

2024· article· en· W4399563344 sur OpenAlexaboutno aff
Mohammadali Dashtbali, Mehdi Mirzaie

Notice bibliographique

RevueJournal of the Franklin Institute · 2024
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial distanceCoronavirus disease 2019 (COVID-19)Game theoryDistancing2019-20 coronavirus outbreakVaccinationSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Evolutionary game theoryMathematical economicsVirologyEconomicsBiologyMedicineOutbreak

Résumé

récupéré en direct d'OpenAlex

The spread of COVID-19 disease is a worldwide issue that has impacted many countries. Mathematical modeling can help us better understand this disease and predict how different interventions and behavioral changes will affect disease progression. This study presents a compartmental model that corresponds to the COVID-19 trend in some countries. The compartments are: susceptible–exposed–unvaccinated infectious-partially vaccinated infectious–hospitalized–recovered–death–vaccinated (with at least three doses of vaccine). In this model, we have compartments such as individuals who have recovered but may re-infect if they come into contact with infection after completing the post-recovery immunity course, and individuals who have received one or two doses of vaccine are assumed to be partially immune and may infect. Individuals who have received at least three doses of vaccine are considered fully immune and will no longer be infected. The results show this model fits the data from the World Health Organization (WHO) for Finland, Denmark, the Netherlands, the United Kingdom, Italy, and Canada. Furthermore, the basic reproduction number of the proposed model is calculated, and we can compare it to the one released by the WHO to analyze the relative risk of infection based on the amount of investment in social distancing. People in Denmark, according to the study’s findings, invested less in social distancing than people in the other five countries. Finally, we use evolutionary game theory to examine the impact of changing strategy from not-vaccinated to partially vaccinated (with one or two doses of vaccine) in a population that is not fully immune.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
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 Opus0,181
Tête enseignante GPT0,449
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Franklin InstituteMême sujetCOVID-19 epidemiological studiesTravaux en français237 207