MétaCan
Menu
Retour à la cohorte
Enregistrement W4409912700 · doi:10.1098/rsos.250032

Edge-based modelling for disease transmission on random graphs: an application to mitigate a syphilis outbreak

2025· article· en· W4409912700 sur OpenAlexafffundabout
Sicheng Zhao, Sahar Saeed, Megan Carter, Bradley P. Stoner, Maggie Hoover, F. M. G. Magpantay

Notice bibliographique

RevueRoyal Society Open Science · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueComplex Network Analysis Techniques
Établissements canadiensKingston Health Sciences CentreQueen's UniversityMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchCanada Foundation for Innovation
Mots-clésOutbreakSyphilisDisease transmissionTransmission (telecommunications)Computer scienceRandom graphDiseaseEnhanced Data Rates for GSM EvolutionVirologyBiologyTheoretical computer scienceMedicineArtificial intelligenceGraphTelecommunicationsHuman immunodeficiency virus (HIV)

Résumé

récupéré en direct d'OpenAlex

Edge-based network models, especially those based on bond percolation methods, can be used to model disease transmission on complex networks and accommodate social heterogeneity while keeping tractability. Here we present an application of an edge-based network model to the spread of syphilis in the Kingston, Frontenac and Lennox & Addington region of southeastern Ontario, Canada. We compared the results of using a network-based susceptible-infectious-recovered (SIR) model to those generated from using a traditional mass action SIR model. We found that the network model yields very different predictions, including a much lower estimate of the final epidemic size. We also used the network model to estimate the potential impact of introducing a rapid syphilis point of care test and treatment intervention strategy that has recently been implemented by the public health unit to mitigate syphilis 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.

Comment cette classification a été obtenuedéplier

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,576

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,015
Tête enseignante GPT0,312
Écart entre enseignants0,297 · 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 tête enseignante, 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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRoyal Society Open ScienceMême sujetComplex Network Analysis TechniquesTravaux en français237 207