面向当前与未来大流行病的数据驱动方法：监测、建模与管理
系统与控制
2021-08-23 v2 系统与控制
种群与进化
摘要
本综述分析了数据驱动方法在疫情建模与控制中的作用。我们提供了一条从流行病学数据源获取到传染病现象控制的路线图。我们回顾了现有方法，并讨论了在开发数据驱动策略以遏制传染病传播时所面临的挑战。我们的目标是将疫情分析整体方法所需的多个不同学科汇聚在一起，例如数据科学、流行病学以及系统与控制理论。本文提出了一种3M分析，其三大支柱为：监测（Monitoring）、建模（Modelling）与管理（Managing）。重点在于数据驱动方案应对大流行病所引发的三类不同挑战的潜力：(i) 监测疫情演变并评估所采取对策的有效性；(ii) 对疫情传播进行建模与预测；(iii) 及时决策以管理、缓解并抑制传染。针对该路线图的每一步，我们回顾了成熟的理论方法（包括在其他情境中已被证明成功的数据驱动方法），并讨论了它们对过去或当前流行病（如Covid-19）的应用，以及对未来流行病的潜在应用。
引用
@article{arxiv.2102.13130,
title = {Data-Driven Methods for Present and Future Pandemics: Monitoring, Modelling and Managing},
author = {Teodoro Alamo and Daniel G. Reina and Pablo Millán Gata and Victor M. Preciado and Giulia Giordano},
journal= {arXiv preprint arXiv:2102.13130},
year = {2021}
}
备注
24 pages, 2 figures. arXiv admin note: substantial text overlap with arXiv:2006.01731