Technical challenges of modelling real-life epidemics and examples of overcoming these.
Technical challenges of modelling real-life epidemics and examples of overcoming these.
复制标题
建模现实生活流行病的技术挑战和克服这些挑战的例子。
DOI：
10.1098/rsta.2022.0179
复制
发表时间：
2022-10-03
期刊：
影响因子：
5
通讯作者：
Ackland, G. J.
中科院分区：
文献类型：
--
作者：
Panovska-Griffiths, J.;Waites, W.;Ackland, G. J.
2019 年冠状病毒病 (COVID-19) 大流行凸显了数学模型在为政策决策提供信息和建议方面的重要性。数学建模的有效实践面临着挑战。这些可以围绕技术建模框架以及如何组合不同的技术，适当使用数学形式主义或计算语言来准确捕获正在研究的预期机制或过程，模型和数字代码的透明度和鲁棒性，通过明确识别有关自然过程的基本假设并简化近似值来模拟适当的场景以促进建模，正确量化模型参数和预测的不确定性，考虑数据源的可变质量，以及应用既定的软件工程实践以避免重复工作并确保数值结果的再现性。本期特刊汇集了 16 篇技术论文，旨在解决其中一些挑战，同时展示建模在此次大流行中的实用性。本文是主题“模拟现实生活中流行病的技术挑战以及克服这些挑战的示例”的一部分。
The coronavirus disease 2019 (COVID-19) pandemic has highlighted the importance of mathematical modelling in informing and advising policy decision-making. Effective practice of mathematical modelling has challenges. These can be around the technical modelling framework and how different techniques are combined, the appropriate use of mathematical formalisms or computational languages to accurately capture the intended mechanism or process being studied, in transparency and robustness of models and numerical code, in simulating the appropriate scenarios via explicitly identifying underlying assumptions about the process in nature and simplifying approximations to facilitate modelling, in correctly quantifying the uncertainty of the model parameters and projections, in taking into account the variable quality of data sources, and applying established software engineering practices to avoid duplication of effort and ensure reproducibility of numerical results. Via a collection of 16 technical papers, this special issue aims to address some of these challenges alongside showcasing the usefulness of modelling as applied in this pandemic. This article is part of the theme issue ‘Technical challenges of modelling real-life epidemics and examples of overcoming these’.
登录
查看更多内容
使用简单的评分规则来完善流行病学预测。
DOI：
10.1098/rsta.2021.0305
发表时间：
2022-10-03
影响因子：
5
作者：
Moore, Robert E.;Rosato, Conor;Maskell, Simon
通讯作者：
Maskell, Simon
建模昆士兰州的牛群免疫要求：SARS-COV-2的疫苗接种有效性，犹豫和变体的影响。
DOI：
10.1098/rsta.2021.0311
发表时间：
2022-10-03
影响因子：
5
作者：
Sanz-Leon, Paula;Hamilton, Lachlan H. W.;Raison, Sebastian J.;Pan, Anna J. X.;Stevenson, Nathan J.;Stuart, Robyn M.;Abeysuriya, Romesh G.;Kerr, Cliff C.;Lambert, Stephen B.;Roberts, James A.
通讯作者：
Roberts, James A.
免疫反应和病毒传播动力学的组成模型。
DOI：
10.1098/rsta.2021.0307
发表时间：
2022-10-03
影响因子：
5
作者：
Waites, W.;Cavaliere, M.;Danos, V.;Datta, R.;Eggo, R. M.;Hallett, T. B.;Manheim, D.;Panovska-Griffiths, J.;Russell, T. W.;Zarnitsyna, V. I.
通讯作者：
Zarnitsyna, V. I.
本地案例和进口案例之间的向前传播风险的异质性会影响时间依赖性繁殖数的实际估计。
DOI：
10.1098/rsta.2021.0308
发表时间：
2022-10-03
影响因子：
5
作者：
Creswell, R.;Augustin, D.;Bouros, I.;Farm, H. J.;Miao, S.;Ahern, A.;Robinson, M.;Lemenuel-Diot, A.;Gavaghan, D. J.;Lambert, B. C.;Thompson, R. N.
通讯作者：
Thompson, R. N.
基于统计和代理的建模英格兰不同SARS-COV-2变体的可传播性以及不同干预措施的影响。
DOI：
10.1098/rsta.2021.0315
发表时间：
2022-10-03
影响因子：
5
作者：
Panovska-Griffiths, J.;Swallow, B.;Hinch, R.;Cohen, J.;Rosenfeld, K.;Stuart, R. M.;Ferretti, L.;Di Lauro, F.;Wymant, C.;Izzo, A.;Waites, W.;Viner, R.;Bonell, C.;Fraser, C.;Klein, D.;Kerr, C. C.
通讯作者：
Kerr, C. C.