Mathematical modelling and time series clustering of Mpox outbreak: A comparative study of the top 10 affected countries and implications for future outbreak management
Notice bibliographique
Résumé
The 2022 Mpox outbreak, characterized by its rapid cross-continental spread beyond traditionally endemic regions, presented a renewed threat to global health security. This study presents a comparative epidemiological analysis of the ten countries most affected by Mpox, integrating mathematical modelling with time series clustering, the first of its kind to analyze the 2022 WHO Mpox data. By applying an SIR-based model to estimate the effective transmission rate, basic reproduction number, time of first infection, and initial susceptible population, the study captures both the pace and persistence of Mpox spread, while critically assessing the effectiveness of national public health responses. Key findings reveal a paradox in North America: Canada exhibited a high transmission rate but a low reproduction number, indicating an elevated transmission potential per contact alongside limited secondary spread. This is likely due to concurrent containment measures or behavioral factors. In contrast, the United States, despite having a lower initial transmission rate, recorded a higher reproduction number. Similarly, Germany exhibited a similar risk trajectory, with elevated reproductive numbers despite robust infrastructure. The cases in the USA and Germany are likely due to systemic health and socio-political policy gaps and delayed behavior-targeted interventions, particularly in the population of men having sex with men (MSM). In Latin America, countries such as Peru and Mexico suffered disproportionately, likely due to limited access to healthcare, which compounded transmission dynamics and reproductive potential. Our study demonstrates that effective Mpox control is not solely dependent on health infrastructure, but also on behavioral targeting, equity, and adaptive health governance. This calls for cross-country and intercontinental collaborations towards combating current and future health shocks, including epidemics.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 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) | 0,002 | 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 ».