论房室流行病学模型的校准
机器学习
2023-12-12 v1 物理与社会
种群与进化
摘要
流行病学房室模型有助于理解传染病传播并指导公共卫生政策决策。这些模型的校准是提供疾病动态和干预措施有效性准确预测的重要步骤。在本研究中，我们概述了可采用的校准策略，包括多种优化方法和强化学习（RL）。我们讨论了这些方法的优缺点，并突出了从我们的实验中获得的相关实用结论。优化方法迭代调整模型参数，直到模型输出与可用数据匹配，而 RL 则通过试错法最大化奖励信号来学习最佳参数集。最后，我们讨论了流行病学房室模型参数校准如何成为一个新兴领域，该领域具有提高疾病建模和公共卫生决策准确性的潜力。需要进一步研究以验证这些方法在不同流行病学背景下的有效性和可扩展性。所有代码和资源可在 \url{https://github.com/Nikunj-Gupta/On-the-Calibration-of-Compartmental-Epidemiological-Models} 获取。我们希望这项工作能促进相关研究。
引用
@article{arxiv.2312.05456,
title = {On the calibration of compartmental epidemiological models},
author = {Nikunj Gupta and Anh Mai and Azza Abouzied and Dennis Shasha},
journal= {arXiv preprint arXiv:2312.05456},
year = {2023}
}