资源不确定下的数据驱动传染病控制
最优化与控制
2020-06-03 v1 物理与社会
种群与进化
摘要
我们研究了一个在具有资源不确定性的多群体(metapopulation)中遏制传染病的资源分配问题。我们提出了一个两阶段模型，其中政策制定者寻求在两个阶段分配资源，而第二阶段资源是随机的。我们未采用在优化模型约束中支配疫情轨迹的非线性微分方程组，而是使用数据驱动的函数形式来建模感染个体的累计数量。这种灵活的数据驱动建模选择使我们可以将优化问题转化为易处理的混合整数线性规划。我们的灵活方法可处理在线决策过程，其中决策者利用关于疫情进展的新信息来更新其开设治疗单元和分配床位的决策。我们利用一个经 2014 年塞拉利昂埃博拉疫情真实数据验证的详细仿真模型。我们的结果表明，与实际疫情中应用的策略相比，我们的策略在塞拉利昂产生的感染个体数减少约 400 人。我们还提供了由我们的优化框架生成的分配策略的详细比较，从而阐明不同地区的最优资源分配。
引用
@article{arxiv.2006.01743,
title = {Data-Driven Infectious Disease Control with Uncertain Resources},
author = {Ceyda Yaba Best and Amin Khademi and Burak Eksioglu},
journal= {arXiv preprint arXiv:2006.01743},
year = {2020}
}