Variance-based sensitivity analysis of tuberculosis transmission models.
Variance-based sensitivity analysis of tuberculosis transmission models.
复制标题
DOI：
10.1098/rsif.2022.0413
复制
发表时间：
2022-11
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
数学模型被广泛用于为结核病控制政策提供依据。这些模型包含许多输入不确定性的来源，包括模型结构、参数值和输入数据的选择。量化这些不同来源的输入不确定性对模型输出的作用，对于理解模型动态和改善决策证据非常重要。在本文中，我们应用Sobol敏感性分析方法的结核病传播模型，用于模拟一个假设的人群范围内的筛查策略的影响。我们演示了如何使用该方法来量化模型参数和模型结构的重要性，以及如何对输入组进行分析。模型输出的不确定性主要由干预参数的不确定性决定。重要的投入取决于具体情况，取决于所考虑的环境、时间范围和成果计量。特别是，模型结构的选择对高结核病发病率环境中的产出不确定性产生了越来越大的影响。不同的输入识别出相同的有影响力的输入。Sobol方法的广泛使用可以为正在进行的传染病模型开发提供信息，并改善决策中建模证据的使用。
Mathematical models are widely used to provide evidence to inform policies for tuberculosis (TB) control. These models contain many sources of input uncertainty including the choice of model structure, parameter values and input data. Quantifying the role of these different sources of input uncertainty on the model outputs is important for understanding model dynamics and improving evidence for policy making. In this paper, we applied the Sobol sensitivity analysis method to a TB transmission model used to simulate the effects of a hypothetical population-wide screening strategy. We demonstrated how the method can be used to quantify the importance of both model parameters and model structure and how the analysis can be conducted on groups of inputs. Uncertainty in the model outputs was dominated by uncertainty in the intervention parameters. The important inputs were context dependent, depending on the setting, time horizon and outcome measure considered. In particular, the choice of model structure had an increasing effect on output uncertainty in high TB incidence settings. Grouping inputs identified the same influential inputs. Wider use of the Sobol method could inform ongoing development of infectious disease models and improve the use of modelling evidence in decision making.
登录
查看更多内容
影响因子：
4.9
作者：
Baroni, G.;Tarantola, S.
通讯作者：
Tarantola, S.
影响因子：
5.8
作者：
Puy, Arnald;Lo Piano, Samuele;Levin, Simon A.
通讯作者：
Levin, Simon A.
影响因子：
158.5
作者：
Marks, Guy B.;Nguyen, Nhung V.;Fox, Greg J.
通讯作者：
Fox, Greg J.
影响因子：
4.6
作者：
Shaweno D;Horton KC;Hayes RJ;Dodd PJ
通讯作者：
Dodd PJ
影响因子：
4.6
作者：
Kuddus MA;McBryde ES;Adekunle AI;White LJ;Meehan MT
通讯作者：
Meehan MT