展开选择以推断个体风险异质性用于优化疾病预测与政策制定
种群与进化
2022-05-17 v2
摘要
数学模型正日益被用于设定疾病预防与控制目标。然而,随着模型指导的政策付诸实施,某些预测的不准确性变得明显,例如对感染负担的高估以及对干预效果的高估。在此,我们将这些差异归因于捕捉现实世界系统异质性方面的方局限性。决定个体感染倾向的单一因素及其相互作用的潜在机制数量可能极多,以至于获得完整的机制性描述或许不可行。为对卫生政策制定作出建设性贡献,模型开发者要么忽略部分因素(还原论),要么采用更宽泛但粗糙的描述(整体论)。我们认为,预测能力需要整体论式的异质性描述,这类描述目前在传染病流行病学中未得到充分利用,但在其他学科中却很常见。
引用
@article{arxiv.2009.01354,
title = {Unfolding selection to infer individual risk heterogeneity for optimising disease forecasts and policy development},
author = {M. Gabriela M. Gomes and Nicholas A. Feasey and Marcelo U. Ferreira and E. James LaCourse and Kate E. Langwig and Lisa Reimer and Beate Ringwald and Jamie Rylance and J. Russell Stothard and Miriam Taegtmeyer and Dianne J. Terlouw and Rachel Tolhurst and Tom Wingfield and Stephen B. Gordon},
journal= {arXiv preprint arXiv:2009.01354},
year = {2022}
}
备注
10 pages, 3 figures