Mathematical modelling for pandemic preparedness in Canada: Learning from COVID-19
Notice bibliographique
Résumé
Background: The COVID-19 pandemic underlined the need for pandemic planning but also brought into focus the use of mathematical modelling to support public health decisions. The types of models needed (compartment, agent-based, importation) are described. Best practices regarding biological realism (including the need for multidisciplinary expert advisors to modellers), model complexity, consideration of uncertainty and communications to decision-makers and the public are outlined. Methods: A narrative review was developed from the experiences of COVID-19 by members of the Public Health Agency of Canada External Modelling Network for Infectious Diseases (PHAC EMN-ID), a national community of practice on mathematical modelling of infectious diseases for public health. Results: Modelling can best support pandemic preparedness in two ways: 1) by modelling to support decisions on resource needs for likely future pandemics by estimating numbers of infections, hospitalized cases and cases needing intensive care, associated with epidemics of "hypothetical-yet-plausible" pandemic pathogens in Canada; and 2) by having ready-to-go modelling methods that can be readily adapted to the features of an emerging pandemic pathogen and used for long-range forecasting of the epidemic in Canada, as well as to explore scenarios to support public health decisions on the use of interventions. Conclusion: There is a need for modelling expertise within public health organizations in Canada, linked to modellers in academia in a community of practice, within which relationships built outside of times of crisis can be applied to enhance modelling during public health emergencies. Key challenges to modelling for pandemic preparedness include the availability of linked public health, hospital and genomic data in Canada.
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 | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».