基于智能体的佛罗里达州 COVID-19 大流行建模
种群与进化
2023-06-21 v1 物理与社会
摘要
COVID-19 大流行的爆发促使各研究小组开展了广泛且常常缺乏协调的努力，以开发 SARS-CoV-2 的数学模型来研究其传播并为防控工作提供信息。大流行初期对洞察的迫切需求意味着早期模型通常要么简单，要么是从现有研究议程中改用的。我们小组主要使用基于智能体的模型（ABM）来研究精细尺度的干预情景。这些高分辨率模型规模大、复杂，需要大量经验数据，并且通常比严格回答“我们是否应该封锁？”这类定性问题所需的细节更多。在异常传染病危机的早期阶段，特别是在明确的经验证据出现之前，更简单的模型更为合适。然而，随着更详细的经验证据变得可用，且政策决策变得更加微妙和复杂，我们这类精细尺度方法变得更有用。在本手稿中，我们讨论了小组在建模大流行时如何应对这一转变。建模者的角色通常包括近乎实时的分析，以及快速调整我们工具的庞大工作。我们常常在大量证据涌来时追赶进度，同时在既不利于学术研究也不利于实时决策支持的条件下，努力同时进行学术研究和实时决策支持。通过反思我们应对大流行的经验以及从这些挑战中学到的东西，我们可以更好地为未来的需求做准备。
引用
@article{arxiv.2306.11003,
title = {Agent-based modeling of the COVID-19 pandemic in Florida},
author = {Alexander N. Pillai and Kok Ben Toh and Dianela Perdomo and Sanjana Bhargava and Arlin Stoltzfus and Ira M. Longini and Carl A. B. Pearson and Thomas J. Hladish},
journal= {arXiv preprint arXiv:2306.11003},
year = {2023}
}