地理因素对传染病模型参数重要性的影响
分布式、并行与集群计算
2023-10-23 v2
摘要
基于智能体的模型被广泛用于预测传染病传播。对于这些预测，需要理解每个输入参数如何影响结果。此处，某些参数可能影响其他参数的敏感性，需通过例如 Sobol 敏感性分析来考察高阶系数。真实世界区域的地理结构难以化简为单一参数值，使得统一的敏感性分析难以处理。然而，分析地理结构对其他输入参数敏感性的影响十分重要，因为若存在强效应，将证明使用真实世界地理表征模型（而非程式化模型）的合理性。在此，我们对三组不同的真实世界地理表征上的 COVID-19 传播模拟执行了分组 Sobol 敏感性分析。我们研究了这些地理区域间结果及非地理参数敏感性的差异。通过比较各地理区域参数的 Sobol 指数，我们发现证据表明在人口隔离的地区感染率可能具有更高敏感性，而轻症病例恢复期等参数在人口混合地区更为敏感。我们还展示了地理结构如何影响参数敏感性随时间的变化。
引用
@article{arxiv.2310.02449,
title = {Impact of geography on the importance of parameters in infectious disease models},
author = {Arindam Saha and Maziar Ghorbani and Diana Suleimenova and Anastasia Anagnostou and Derek Groen},
journal= {arXiv preprint arXiv:2310.02449},
year = {2023}
}