信息指数增强的eRG模型模拟疫苗接种行为:以美国COVID-19为例
种群与进化
2024-07-31 v1 动力系统
物理与社会
摘要
近期的疫情推动了众多数学模型和计算工具的发展,旨在遏制这些疫情及其社会经济影响。为了从数据中获取可靠的估计,引入了诸如流行病学重整化群(eRG)等有效方法。一个公认的影响疫情演变的相关因素是个体选择带来的反馈。这种反馈可以通过信息指数来考虑,该指数容纳了信息诱导的关于疾病状态和过往传播的记忆感知。因此,我们展示了如何通过信息指数来增强eRG。我们首先开发了行为增强版的eRG,然后将其应用于美国COVID-19疫苗接种活动进行测试。我们发现,行为增强的eRG改善了对美国各分区疫情动态的描述,特别是那些在疫苗接种活动开始后才出现疫情高峰的地区。我们的结果强化了在模拟疫情演变时考虑人类行为成分的重要性。为支持公共卫生政策,该模型可随时用于模拟世界其他地区的社会流行病学动态,包括疫苗接种活动。
关键词
引用
@article{arxiv.2407.20711,
title = {Information index augmented eRG to model vaccination behaviour: A case study of COVID-19 in the US},
author = {Bruno Buonomo and Alessandra D'Alise and Rossella Della Marca and Francesco Sannino},
journal= {arXiv preprint arXiv:2407.20711},
year = {2024}
}
备注
19 pages, 4 figures