MétaCan
Menu
Retour à la cohorte
Enregistrement W4409548185 · doi:10.1016/j.idm.2025.04.004

Impact of information dissemination and behavioural responses on epidemic dynamics: A multi-layer network analysis

2025· article· en· W4409548185 sur OpenAlex
Congjie Shi, Silvio C. Ferreira, Hugo P. Maia, Seyed M. Moghadas

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueInfectious Disease Modelling · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensYork University
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de Minas GeraisConselho Nacional de Desenvolvimento Científico e TecnológicoNatural Sciences and Engineering Research Council of CanadaMitacsCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésDynamics (music)Layer (electronics)Information DisseminationGeographyComputer sciencePsychologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Network models adeptly capture heterogeneities in individual interactions, making them well-suited for describing a wide range of real-world and virtual connections, including information diffusion, behavioural tendencies, and disease dynamic fluctuations. However, there is a notable methodological gap in existing studies examining the interplay between physical and virtual interactions and the impact of information dissemination and behavioural responses on disease propagation. We constructed a three-layer (information, cognition, and epidemic) network model to investigate the adoption of protective behaviours, such as wearing masks or practising social distancing, influenced by the diffusion and correction of misinformation. We examined five key events influencing the rate of information spread: (i) rumour transmission, (ii) information suppression, (iii) renewed interest in spreading misinformation, (iv) correction of misinformation, and (v) relapse to a stifler state after correction. We found that adopting information-based protection behaviours is more effective in mitigating disease spread than protection adoption induced by neighbourhood interactions. Specifically, our results show that warning and educating individuals to counter misinformation within the information network is a more effective strategy for curbing disease spread than suspending gossip spreaders from the network. Our study has practical implications for developing strategies to mitigate the impact of misinformation and enhance protective behavioural responses during disease outbreaks. ⋅ Adopting information-based protection is more effective than neighbourhood-based protection in mitigating disease spread, particularly when transmission rates are high. ⋅ Warning or educating individuals within the information network is more effective in reducing the overall attack rate than suspending gossip spreaders. ⋅ Hyper-edge multi-layer networks offer a comprehensive framework for connecting the virtual and physical dynamics of disease information and transmission.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,441
Score d'incertitude au seuil0,657

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,130
Tête enseignante GPT0,436
Écart entre enseignants0,306 · 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