从终点开始：用于新冠疫情在圣路易斯的有效干预的计算政策探索框架
应用统计
2025-07-28 v2 统计计算
摘要
数学模型是研究传染病动力学和对抗其社会系统中的干预策略的强大工具。然而，由于其详细的实现和高计算要求，实践者和利益相关者通常只能探索所有可能的干预情景中很小的一部分，这在准备疾病爆发时是一个严重的限制。在本工作中，我们提出了一个参数探索框架，利用模拟模型进行不确定性感知预测，以识别大量可行的响应策略。我们将该框架应用于圣路易斯, 密苏里州发生在 2021 年 12 月至 2022 年 2 月的大规模基于代理的新冠疫情“奥密克朗浪潮”案例研究。我们识别出大量被估计为大幅减少疾病传播的响应策略。我们还识别出能够减少疾病传播的地理空间变异的政策干预，这对设计审慎的响应策略具有额外的含义。
引用
@article{arxiv.2507.10870,
title = {Start from the End: A Framework for Computational Policy Exploration to Inform Effective and Geospatially Consistent Interventions applied to COVID-19 in St. Louis},
author = {David O'Gara and Matt Kasman and Matthew D. Haslam and Ross A. Hammond},
journal= {arXiv preprint arXiv:2507.10870},
year = {2025}
}