MétaCan
Menu
Retour à la cohorte
Enregistrement W4403666556 · doi:10.48550/arxiv.2409.09096

Structural causal influence (SCI) captures the forces of social inequality in models of disease dynamics

2024· preprint· en· W4403666556 sur OpenAlexfundno aff
Sudam Surasinghe, Swathi Nachiar Manivannan, Samuel V. Scarpino, Lorin Crawford, C. Brandon Ogbunugafor

Notice bibliographique

RevuearXiv (Cornell University) · 2024
Typepreprint
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesBanff International Research Station for Mathematical Innovation and DiscoveryYale University
Mots-clésDynamics (music)InequalityCausal modelSocial forceEconomicsStatistical physicsEconometricsPsychologyPhysicsPolitical scienceMedicineMathematicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Mathematical modeling has played a central role in understanding how infectious disease transmission manifests in populations. These models have demonstrated the importance of key community-level factors in structuring epidemic risk, and are now routinely used in public health for decision support. One barrier to their broader utility is that the existing canon does not often accommodate social inequalities as distinct formal drivers of variability in transmission dynamics. Given decades of evidence supporting the organizational effects of inequalities in structuring society more generally, and infectious disease risk more specifically, addressing this modeling gap is of critical importance. In this study, we build on previous efforts to integrate social forces into computational epidemiology by introducing a metric, the structural causal influence (SCI). The SCI uses causal analysis to provide a measure of the relative vulnerability of sub-communities within a susceptible population, shaped by differences in characteristics such as access to therapy, exposure to disease, and other determinants driven by social forces. We develop our metric in a simple case and apply it to a context of public health importance: Hepatitis C virus in a population of persons who inject drugs. In addition, we demonstrate the flexibility of the SCI using an agent-based model of an infectious disease. Our use of the SCI reveals that, under specific parameters in a multi-community model, the "less vulnerable" community may achieve a basic reproduction number below one, ensuring disease extinction. However, even minimal transmission between communities can increase this number, leading to sustained epidemics within both communities.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,003
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,283
Tête enseignante GPT0,322
Écart entre enseignants0,039 · 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
GenreMéthodes

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

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetCOVID-19 epidemiological studiesTravaux en français237 207