Mathematical Models and Inverse Algorithms for Childhood Infectious Diseases with Vaccination - Case Studies in Measles
Notice bibliographique
Résumé
Children are at a high risk of infection since they have not yet developed mature immunity. Childhood infectious diseases, such as measles, chicken pox and mumps, remain epidemic and endemic around the world. Yet, their dynamics are still not fully understood. SIR-type models have been proposed and widely applied to understand and control infectious diseases, and the SEIR model has been frequently applied to study childhood infectious diseases. In this thesis, we improve the classic SEIR model by separating the juvenile group and the adult group to better describe the dynamics of childhood infectious diseases. We perform stability analysis to study the asymptotic dynamics of the new model, and perform sensitivity analysis to uncover the relative importance of the parameters on infection. The transmission rate is a key parameter in controlling the spread of an infectious disease as it directly determines the disease incidence. However, it is essentially impossible to measure the transmission rate due to ethical reasons. We introduce an inverse method for our new model, which can extract the time-dependent transmission rate from either prevalence data or incidence data in existing open databases. Pre- and post-vaccination measles data sets from Liverpool and London are applied to estimate the time-varying transmission rate. The effectiveness of vaccination has been widely discussed and studied in epidemiology. Outbreaks can still occur if the percentage of susceptible individuals who take the vaccination is low or the vaccination itself is not sufficiently effective. We further extend our model by adding a vaccination term for all children to predict the date and the infection number of a possible measles outbreak peak in the Province of Alberta.
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 | 0,010 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».