疫情监测中的若干挑战
物理与社会
2021-12-01 v1 统计力学
摘要
疫情模型通常通过考虑不同健康状态（如易感、感染或康复）的耦合非线性微分方程来反映传染病传播过程的特征。然而，这种 compartmental 建模方法对疫情动力学的刻画并不完整，因为它忽略了随机和网络效应，以及测量过程的作用——而流行病学参数和发病率值的估计正依赖于此测量过程。为研究相关问题，我们将已建立的流行病学传播模型扩展为一个测量（即检测）过程模型，考虑假阳性和假阴性以及有偏采样的问题。研究模型生成的真实情况与模拟观测过程（虚拟测量）相结合，可使人深入认识纯数据驱动方法在评估疫情状况时的局限性。我们得出结论：疫情监测、模拟和预测是棘手问题（wicked problems），因为将常规数据驱动方法应用于具有非线性动力学、网络效应和不确定性的复杂系统可能产生误导。尽管如此，借助对传播动力学和测量过程的科学认知，部分误差可得以校正。我们得出结论：此类校正通常应成为疫情监测、建模和预测工作的一部分。
引用
@article{arxiv.2105.08384,
title = {Some Challenges in Monitoring Epidemics},
author = {Vaiva Vasiliauskaite and Nino Antulov-Fantulin and Dirk Helbing},
journal= {arXiv preprint arXiv:2105.08384},
year = {2021}
}