大流行最初100天：药物、行为与数字干预的相互作用——一项基于智能体建模的研究
多智能体系统
2024-02-07 v2 机器学习
社会与信息网络
物理与社会
摘要
大流行病，尤其是近期爆发的COVID-19疫情，已对公共卫生和全球经济造成影响。因此，需要深刻理解疾病进展和高效的应对策略，为未来可能出现的疫情做好准备。本文强调了基于智能体模型（Agent-Based Models, ABM）在捕捉复杂感染动态和理解干预措施影响方面的潜力。我们模拟了现实的药物、行为和数字干预措施，这些措施反映了现实世界政策采纳中的挑战，并建议将这些干预措施进行整体组合以应对大流行。利用这些模拟，我们基于华盛顿州金县真实的社会人口和地理人口普查数据，研究了大规模人口中涌现行为的趋势。我们的分析揭示了最初100天在决定大流行进程中的关键作用，强调了快速决策和高效政策制定的重要性。此外，我们强调，投资于行为和数字干预可以通过减少总感染人数和住院人数，以及延缓大流行高峰的到来，从而减轻对药物干预的负担。我们还推断，将同等金额的资金投入广泛的检测、接触者追踪和自我隔离，相比将全部预算用于疫苗接种，具有更高的成本效益。
引用
@article{arxiv.2401.04795,
title = {First 100 days of pandemic; an interplay of pharmaceutical, behavioral and digital interventions -- A study using agent based modeling},
author = {Gauri Gupta and Ritvik Kapila and Ayush Chopra and Ramesh Raskar},
journal= {arXiv preprint arXiv:2401.04795},
year = {2024}
}
备注
12 pages, 12 figures, In Proc. of the 23rd International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2024), Auckland, New Zealand, 2024