The optimal spatially-dependent control measures to effectively and economically eliminate emerging infectious diseases
Notice bibliographique
Résumé
Non-pharmaceutical interventions (NPIs) are effective in mitigating infections during the early stages of an infectious disease outbreak. However, these measures incur significant economic and livelihood costs. To address this, we developed an optimal control framework aimed at identifying strategies that minimize such costs while ensuring full control of a cross-regional outbreak of emerging infectious diseases. Our approach uses a spatial SEIR model with interventions for the epidemic process, and incorporates population flow in a gravity model dependent on gross domestic product (GDP) and geographical distance. We applied this framework to identify an optimal control strategy for the COVID-19 outbreak caused by the Delta variant in Xi'an City, Shaanxi, China, between December 2021 and January 2022. The model was parameterized by fitting it to daily case data from each district of Xi'an City. Our findings indicate that an increase in the basic reproduction number, the latent period or the infectious period leads to a prolonged outbreak and a larger final size. This indicates that diseases with greater transmissibility are more challenging and costly to control, and so it is important for governments to quickly identify cases and implement control strategies. Indeed, the optimal control strategy we identified suggests that more costly control measures should be implemented as soon as they are deemed necessary. Our results demonstrate that optimal control regimes exhibit spatial, economic, and population heterogeneity. More populated and economically developed regions require a robust regular surveillance mechanism to ensure timely detection and control of imported infections. Regions with higher GDP tend to experience larger-scale epidemics and, consequently, require higher control costs. Notably, our proposed optimal strategy significantly reduced costs compared to the actual expenditures for the Xi'an outbreak.
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 | 0,001 | 0,003 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».