Forecasting SARS-CoV-2 epidemic dynamic in Poland with the pDyn agent-based model
Notice bibliographique
Résumé
Abstract In this work, we describe and forecast the fourth wave of the SARS-CoV-2 epidemic, driven by the Delta variant, using pDyn — a detailed epidemiological agent-based model. It is designed to explain the spatiotemporal dynamics of the SARS-CoV-2 spread across Polish society, predicting the number and locations of disease-related states for agents living in the virtual society in response to varying properties of the pathogen and the social structure and behavior. We evaluate the validity of the dynamics generated by the model, including the succession of pathogen variants, immunization dynamics, and the ratio of vaccinated individuals among confirmed cases. Additionally, we assess the model’s predictive power in estimating pandemic dynamics (peak timing, peak value, and wave length) of disease-related states (number of confirmed cases, hospitalizations, ICU hospitalizations, and deaths) both at the national level and in the highest administrative units in Poland (voivodships). When testing the model’s validity, we compared real-world data (excluding data used for calibration) to our model estimates to evaluate whether pDyn accurately reproduced the epidemic dynamics up to the simulation time (October 28, 2021). To assess the accuracy of pDyn’s predictions, we retrospectively compared simulation results with real-world data acquired after the simulation date, evaluating pDyn as a tool for predicting future epidemic spread. Our results indicate that pDyn accurately predicts and can help us better understand the mechanisms underlying the SARS-CoV-2 dynamics.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».