MétaCan
Menu
← Retour à la cohorte
Enregistrement W7115823626

Invariant Epidemic Transient Decay From Radically Different Forms of Seasonal Forcing

2025· dissertation· en· W7115823626 sur OpenAlexafffund

Notice bibliographique

RevueMacSphere (McMaster University) · 2025
Typedissertation
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensMcMaster University
Organismes subventionnairesMcMaster University
Mots-clésWhooping coughInvariant (physics)AttractorEpidemic modelQuasiperiodicitySpectral analysisForcing (mathematics)Transient (computer programming)Measles
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis begins by analyzing whooping cough dynamics in London from 1664 to 1950 in chapter 2. We use a historical whooping cough mortality time-series from the London Bills of Mortality and the Registrar General’s Weekly Returns, in which a spectral analysis of the time-series reveals annual, biennial, triennial, and even quadrennial epidemic cycles. We originally sought to model and explain these transitions in the frequency structure of the whooping cough mortality data using the sinusoidally forced Susceptible-Infectious-Recovered (SIR) model [KM91]. The method of transition analysis previously used on historical disease-induced mortality time-series, including measles and smallpox [HE15, Kry11], relies on the existence of a period-doubling bifurcation in the basic reproduction number. Our analysis using this method on whooping cough, however, reveals the existence of only an annual attractor for relevant values of the basic reproduction number and amplitudes of forcing. Furthermore, the lack of bifurcations in relevant parameter spaces of our model for whooping cough led us to investigate the transient dynamics. We explore the transient dynamics of the seasonally forced SIR model in chapter 3. Conveniently, we discover the transient periods of the associated annual attractor have potential to explain the transitions seen in the frequency structure of the whooping cough mortality data. We additionally consider a family of forcing functions when analyzing the transient dynamics. Prior to this work, it was unknown if the transient dynamics of the seasonally forced SIR model were invariant to the shape of seasonal forcing. Papst and Earn showed that key bifurcations of the standard SIR model are invariant to the shape of seasonal forcing if the amplitude of forcing is appropriately adjusted [PE19]. Our results from chapter 3 expand upon Papst and Earn's findings. We discover invariance in the decay of transient periods of the associated annual attractor from radically different shapes of seasonal forcing with appropriately adjusted amplitudes of forcing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,070
Tête enseignante GPT0,300
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMacSphere (McMaster University)→Même sujetCOVID-19 epidemiological studies→Travaux en français237 207→