Agent-Based Modeling of COVID-19 Transmission: A Case Study of Housing Densities in Sankalitnagar, Ahmedabad
Notice bibliographique
Résumé
The differential transmission of COVID-19 depending on the socio-economic status of a neighborhood is well established. For example, several studies have shown that COVID-19 transmission was higher in poorer and denser neighborhoods than in wealthier ones. However, what is less well known is how this varied rate of transmission interacted with established health measures, i.e., face masks and lockdowns, in the context of developing countries to reduce pandemic cases and hence resulted in fewer deaths. This study uses an Agent-Based Model (ABM) simulation to examine the context and impacts of COVID-19 mitigation efforts (i.e., lockdowns combined with masks) on the transmission of COVID-19 across a single neighborhood in Ahmedabad, a city in the state of Gujarat, India. The model is parameterized using real-world population data, which allows us to simulate the spread of COVID-19 to find conditions that most closely match the realities of COVID-19 in the spring of 2020. Consequently, the simulation can be used to understand the impact of nation-wide lockdown on the spread of COVID cases across Ahmedabad as a function of housing density. Thus, invaluable insight into the effectiveness of a lockdown as a mitigation measure can be derived. Further information about how the effectiveness of the lockdown varied by neighborhood, as well as other factors that impacted it, can be ascertained.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».