Disease Interventions Can Interfere with One Another through Disease-Behaviour Interactions
Notice bibliographique
Résumé
Theoretical models of disease dynamics on networks can aid our understanding of how infectious diseases spread through a population. Models that incorporate decision-making mechanisms can furthermore capture how behaviour-driven aspects of transmission such as vaccination choices and the use of non-pharmaceutical interventions (NPIs) interact with disease dynamics. However, these two interventions are usually modelled separately. Here, we construct a simulation model of influenza transmission through a contact network, where individuals can choose whether to become vaccinated and/or practice NPIs. These decisions are based on previous experience with the disease, the current state of infection amongst one's contacts, and the personal and social impacts of the choices they make. We find that the interventions interfere with one another: because of negative feedback between intervention uptake and infection prevalence, it is difficult to simultaneously increase uptake of all interventions by changing utilities or perceived risks. However, on account of vaccine efficacy being higher than NPI efficacy, measures to expand NPI practice have only a small net impact on influenza incidence due to strongly mitigating feedback from vaccinating behaviour, whereas expanding vaccine uptake causes a significant net reduction in influenza incidence, despite the reduction of NPI practice in response. As a result, measures that support expansion of only vaccination (such as reducing vaccine cost), or measures that simultaneously support vaccination and NPIs (such as emphasizing harms of influenza infection, or satisfaction from preventing infection in others through both interventions) can significantly reduce influenza incidence, whereas measures that only support expansion of NPI practice (such as making hand sanitizers more available) have little net impact on influenza incidence. (However, measures that improve NPI efficacy may fare better.) We conclude that the impact of interference on programs relying on multiple interventions should be more carefully studied, for both influenza and other infectious diseases.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».