文摘

埃博拉病毒病(EVD)区分其特性高传染性和死亡率。因此,政府的当务之急是对埃博拉制定应急预案。然而,很难预测在实践中可能的疫情。幸运的是,近年来,基于人工社会计算实验,提供了一种新方法研究EVD的传播和分析相应的干预措施。因此,人工社会的合理性是实验结果的准确性和可靠性的关键。个人的行为和旅游模式直接影响到个体之间的传播。首先,北京人工重建基于geodemographics和涉及机器学习来优化个人的行为。与此同时,埃博拉课程构建模型和传播模型,根据参数在西非。随后,传播机制分析了EVD,流行情况是预测,并提出了相应的干预措施。最后,通过模拟中国政府的应急反应,最后的结论是,埃博拉病毒是不可能爆发大规模的城市北京。

1。介绍

埃博拉疫情在西非已引起高度关注,最近开始蔓延到其他地区。EVD通过体液传播,传染性高和死亡率(1]。11月26日,2014年,约15935人感染已报告5689例死亡病例。世界卫生组织(WHO)宣布,所有国家都将关注埃博拉紧急和提供必要的医疗艾滋病等这些国家几内亚、利比里亚、尼日利亚、塞拉利昂(2]。到目前为止,对抗EVD正在和许多政府应急计划。此外,疫苗EVD正在测试中,它将使用(3]。近日,卫生部的发言人宣布,埃博拉病毒不会在中国大规模爆发,虽然进口EVD存在的风险。

在中国,可以追溯到2008年汶川大地震的爆发,中国自然科学基金会(国家自然科学基金委)已经进行了非常规应急管理的主要研究计划。在国家自然科学基金委的支持下,国防科技大学(运行)建立了计算实验平台(4]。与此同时,根据geodemographics数据(人工生成北京5]。此外,验证性实验,如H1N1大流行性流感的传播,已经证明了人工北京的验证(6]。然而,这也暴露出一些缺陷。固定行为模式特别是限制个体的异质性和自适应调节。例如,接触总是发生在少数民族中,无法模拟实际意义上的流行。人工北京是一个动态系统,个人的行为是不断进化。因此,可替换主体学习涉及到优化行为和旅游模式。它赋予个人适应能力的虚拟城市根据先前的知识和现状。

埃博拉病毒爆发以来在西非,很多重要的作品来探索传播机制和相应的干预措施。一些外国学者蒸馏产品类别使用第一手数据的传播参数调查(7]。同时,国内学者还预测在中国爆发埃博拉分析法(8]。然而,他们总是忽视个体的实际交互条件,它总是导致了令人惊讶的是增加感染和死亡病例。在我们的研究中,埃博拉紧急的预测是基于人工北京,社交网络,个人的行为和环境因素被认为是在同一时间。随后,总结了职业感染的情况下,感染的位置进行了分析,和隔离和免疫等干预措施进行了讨论。非接触感染特别是我们的设计进行了分析。此外,医务人员的感染和相应的干预措施进行了讨论。最后,四级应急响应模拟,根据中国政府当前的应急计划。

2。北京重建和优化的人工

2.1。人工重建北京

突发事件,危害影响身体和干预被视为公安三角理论的核心部分(PSTT) [9]。此外,据机场核心计划的方法,人工社会计算实验的基础(10]。如图1,风险影响的身体只是人工社会的组件,而突发事件和干预scenario-response理论的核心是(11]。因此,人口是人工社会的基础,环境提供了活动的地方。一般来说,突发事件总是打破人工社会的内部平衡,然后干预会修改状态正常。

在北京人工,约19.6数以百万计的个人和8产生数以百万计的建筑物。根据人口普查数据,生成家庭和个人被赋予社会角色如婴儿,学生,工人,老人和失业者。更重要的是,涉及多个社交网络包括家庭、同学、邻居和同事。同时,类型的环境设计,如房屋建筑物、工作场所、教育机构、消费地点,娱乐地点,和医疗机构。根据社会角色、行为计划的人设计的。如表所示1,学生的基本安排指定地点,时间,和每个活动的概率12]。表中表示动作的概率有关。此外,被指定为每个单独的相关位置。例如,一个学生的相关位置包括宿舍,教室,图书馆,操场,和餐馆。详细的生成过程中的人工北京讨论文献[13),由另一个成员,我们的团队。

随后,面向领域的计算实验是由人工北京,如流行病传播(14)、谣言传播和交通疏散。研究埃博拉疫情,有必要扩大人口和环境的相应属性。因此,典型的职业是用来模拟在虚拟城市的主要人群,包括医务工作者、学生、工人和退休人员。此外,个人属性,如年龄、职业、和健康状态。同时,典型的环境,如住宅,医院,餐馆。住宅被视为埃博拉病毒传播的主要领域,因为家庭之间的接触频率高。医院是治疗和隔离的地方,餐馆提供的地方与薄弱环节建立临时组(6),EVD由非接触感染传播。此外,环境的能力和接触频率也会考虑。

2.2。基于机器学习的优化对个人的行为

正如前面讨论的,基本的时间表定义个人的日常活动。然而,一些问题暴露在北京人工。一方面,大规模基于单独的模拟带来了惊人的计算和通信开销。此外,干预措施也将直接费用由动态地重新规划个人的日程安排。另一方面,很难描绘人的活动,这是与人工北京的合理性。此外,它会影响个体之间的相互作用,直接关系到埃博拉病毒疫情的预测的准确性和可靠性。因此,提出两种方法来优化性能:提高并行引擎通过引入新技术和算法优化个人的行为和结构的人工北京。在本节中,详细优化个人的行为将被讨论,这不仅降低了计算消费,但也提高了虚拟城市的可靠性。

在我们的研究中,行为安排每天都再计划根据历史操作和现状。如图2,DayPattern和活动构成骨骼的行为计划。DayPattern设计是根据个人的社会角色,其中包含活动项目,持续时间和旅游模式两个吗活动。例如,DayPattern学生可以包含早餐,学习,午餐,休息,运动,吃饭,娱乐,和睡眠。随后,详细活动是根据指定的Daypattern和现状。通常,每个活动对应于一个位置()和时间(),存储在内存()的计算机。是优先考虑个体的活动记忆和选择预先设计的位置。然而,一个人需要重新计划活动有时。大部分的活动特别是将紧急情况下再计划。此外,一个人只需要选择另一个位置活动如果当前位置的记忆是遥不可及的。

它提供了一个个体对环境的适应能力和相互配合。然而,两种类型的困难提出了:探索和选择之间的平衡(个体需要探索信息不仅环境还有其他个体)的维数计算(它涉及离散状态和数量带来大消费计算)。

在我们的研究中,介绍了机器学习解决再计划问题,将详细讨论。首先,一个位置被认为是可行的,如果满足以下条件: 在哪里是一个指数在一个给定的活动安排吗,设置设备的位置吗,是设备兼容的集合类型的活动(15]。在我们的研究中,的最大体积吗,是当前体积。如果一个人进入在哪里=,它将寻找新的地点周围。此外,代表一个活动的持续时间,应在打开的窗口时间()位置。

让是选择设置为给定的活动定义为(1),让旅行时间的位置;然后可及的位置的子集。如果的排名是机器学习的,那么启发式列出如下:(H1):如果,那么排名;(H2):如果,然后删除从;(H3):如果,然后删除从;(H4):如果,然后选择。

该算法从(H1)。如果是全部或是封闭的,那么将被删除从和算法返回(H1)。(H4)说明个人会选择可行的位置与旅行时间最小。

让是一个活动的个人();然后它的行为计划()正式 在哪里是活动和总。随后,如果代表整个时间表的个体,是个体的总数,然后它形式化如下:

最后,存储在计算机的内存,并减少计算消耗的操作。该算法适用于大规模基于单独的系统。首先,它只需要更新每一步的少数人。事实上,只有少数的活动重新计划在紧急或如果位置是遥不可及的。第二,它是有效的指定个人日常活动,因为大多数活动的地点恢复记忆。

不断优化后,人工社会和个人行为的操作将是合理的。在我们的设计中,行为计划的设计是基于历史操作和现状。优化调度为个人提供更多的自由来适应环境,和他们是特别重要的紧急情况下的反应。此外,动态调度能够模拟应急管理的行为。例如,一个人将继续远离流行地区如果流行病的爆发,虽然他可能在家被孤立在干预措施。

3所示。模型

EVD的主要特征包括潜伏期短,死亡率高,流体转变。在本节中,课程的模型以及传播模型。

3.1。埃博拉过程模型

根据流行病学分类,分为四类:个体易感,暴露,感染,和删除(16]。至于EVD,敏感,暴露个人没有传染性,而感染者能够感染别人。删除个人包括死亡的和放电的。假设是总数个人的四类是,,,,然后,

疾病的动态过程课程所示(4)。尤其是西珥的感染概率模型。暴露个人可以转移到受感染的速度在单位时间内,同时将利率从受感染的。随后,我们很容易得出这样一个结论,潜伏期,传染期此外,被视为生殖号()的一种传染性疾病。总是定义为预期的平均感染所产生的二次感染病例数在一个完全易感人群(17]。可以表示为。在哪里接触时间每个受感染的个人在单位时间内,每接触感染的感染概率,易感个体,然后呢感染的平均时间。控制疫情,必须维护小于1的干预措施。

埃博拉病毒传播参数在西非已经被中国科学院修订,如表所示2。暴露周期并感染周期的平均持续时间分别10.2和5;因此,和设置为0.098和0.2。然后平均生育数量是2.041,等于。此外,静态数据(的值是巧合)在西非。

在我们的设计中,埃博拉的课程模式是建立基于这些参数。暴露期间持续2至21天没有或小传染性,而感染期持续1到10天强度传染性。此外,死亡率是设置为70%,根据世界卫生组织报告8]。在过去的时期,恢复时间符合天,死亡时间符合天。过程模型和传播参数如图3。

3.2。传播模型

正如前面讨论的,传播的主要方式EVD生物转变。在我们的研究中,它分为接触传播和非接触传播。接触传播传播EVD通过接触受感染的和敏感的。在这个过程中,接触感染概率(CIP)和接触时间(CT)进行了讨论。根据文献[3],EVD可能存活几个小时外的身体,和一个可能遭受病毒根据病人污染的材料。描述了非接触传播感染通过被污染的材料或建筑。例如,受感染的个人一个曾经住在一栋建筑和B可能是感染一旦进入这个大楼。此外,非接触感染概率CIP (NCIP)是相关的,而且减少随时间()在流逝。一旦没有病人进入大楼,环境的传染性会被削弱后的持续时间()。在我们的研究中,与弱化参数指数分布介绍了描述这一过程,预定义为1。假设CIP,NCIP和他们的关系是正式的

在我们的设计中,接触感染主要考虑个人的接触频率在不同类型的环境中,而非接触感染主要考虑埃博拉病毒的生存时间在特殊的环境中。如表所示3能力,接触的频率,和生存时间的埃博拉病毒在不同的环境中。

此外,CIP和NCIP有关自我保护(SP)的水平。SP描述个体的免疫水平,与使用抗生素,预防广播和身体状况。在某种意义上,这些因素也正相关SP。是否设置为SP,实际的感染概率(AIP)将显示如下: 在哪里是实际的接触感染的感染概率,而是实际的非接触感染的感染概率。当然,SP的价值观都是不同的个体。特别是与高SP医务工作者的设计。

4所示。EVD流行的预测和分析

埃博拉病毒传播的场景设置如下。埃博拉病毒载体进入北京的城市,病人并没有立即隔离在潜伏期症状不明显。一旦症状已经暴露了几天,交叉感染会导致埃博拉病毒疫情的爆发。这个实验的主要任务如下:典型职业之间的传播进行了分析,以及相应的措施进行了讨论;在典型环境中感染以及相应的干预措施进行了分析;角色的疫苗,抗生素,和治疗方法进行了讨论;分析了对人口和环境的影响,政府的角色进行了讨论。

4.1。预测EVD流行

正如前面讨论的,接触传染性是由感染概率和频率。接触频率(CF)是预定义的在北京人工,而感染概率(IP)将确认传播参数在西非。实际上,感染概率只是内部参数预测,这是不同于在医学科学。估计复制数字()和翻倍()获得,根据文献[8]。北京在人工感染概率将获得在制备实验根据和Dt。

在制备实验中,基本的感染概率验证通过比较仿真结果与理论价值。考虑到职业差异,四根应该是感染病例,包括工人,医生,学生和退休人员。随后,100天的传播模拟在不同的感染概率。交互实验指的是数以百万计的个人和在通信和计算导致巨大的消费。操作环境包括24芯和128 GB的记忆。需要1.5小时模拟整个过程,如果模拟步骤是设置为10分钟。每个样本都将运行10次,计算平均值。详细参数表中列出4。

实际上,低传播感染的概率总是导致失败,因此很难模拟流行病的爆发。相比之下,高感染的概率总是导致感染速度和令人惊讶的是增加了感染病例。通过比较和分析,感染概率是最后设置为0.01,是2.2108和Dt是21。虽然有点高于平均值在西非,它仍然是合理的预测艾滋病疫情的蔓延,在北京。一方面,有效的接触总是受很多因素限制,这将导致低感染;另一方面,北京的人口密度高于非洲。

根据目前的感染概率,感染在100天模拟场景。第100天的感染总数将达到240和140例死亡病例。与此同时,新感染和死亡病例都是每天都在个位数的速度。如图4在第75天,增长放缓下来。实际上,感染病例已达到饱和在最初的社交网络。例如,感染学生已经感染了他的家庭,朋友,和同学在此期间尽可能多。与此同时,这些人就组成一个相对孤立的社交网络。一旦感染转移到另一个组,新的增长将出现。

此外,180天,240天的情况下还预测。如图5第150天,感染出现成倍增长。感染病例将达到10数以千计在第180天,每天和新发病例约一百。随后,感染病例在第240天,将达到68391,每天约1000新病例。当然,获得的结果是没有干预措施,在实践中是不可能的。

4.2。实验分析

正如前面讨论的,对潜伏期和感染期分别10.2和5。因此,传播的平均时间是15.2,等于10.2和5的总和。通过计算,平均世代(AG) 100天,180天,240天是6.58,11.8,和15.79,分别。此外,平均生育数量()是2.041。随后,受感染的情况下,可以计算出在不同的时间。如表所示5仿真结果(SR)和理论感染(TI)基本上是相同的大小。当然,模拟感染是小于理论值。然而,它是理性的,因为严格的交互条件实验。总之,它预测可能的疫情在很长一段时间,在某种意义上,仿真结果可靠。

在预测,详细的职业感染,环境,和感染方式也进行了分析。如图6(一)住宅建筑的主要地方传播,以51%的比例。这表明,家庭是最可能的感染如果没有采取干预措施。如图6 (b),医务工作者总是高危环境,受感染的医护人员以15%的比例虽然他们只拿一小部分在整个人口。如图6 (c)非接触感染病例的比例4%,主要发生在餐馆或医院。此外,不同繁殖后代的比例也显示在图6 (d)。

5。敏感性实验

的部分,提出了一系列的敏感性实验分析对埃博拉病毒干预措施的有效性。传统的干预主要包括隔离有症状的情况下,观察无症状的个体,接种在焦点小组。在我们的设计中,看到医生的比例(相对标准偏差),看医生的时间(TSD),隔离比率(ISR),免疫比率(IMR),消毒学位(DD),和自我保护(SP)详细的分析和讨论。根据经验甲型H1N1流感和SARS感染病例的数百人。因此,灵敏度实验模拟艾滋病疫情的蔓延,在100天内然后分析干预措施的有效性。

5.1。看医生的比率

看医生的比例能够直接影响整个感染。一旦与其他个体暴露病人接触,可以同时EVD传播。此外,受污染的材料也有传染性,因为产品类别能够存活几个小时外的主机。假设TSD中第一天,RSD设置为0.5,0.7,和0.9,分别分析和相应的感染。

如图7、高比率的看医生总是导致低感染病例。如果相对标准偏差达到0.9,感染病例少于20在100天,而这一数字将增加到70,如果比是0.5。因此,有必要增加RSD尽可能多。

5.2。看医生的时间

从理论上讲,早期隔离和治疗将获得更好的效果。在实践中,EVD运营商总是诊断后症状出现。然而,暴露时期导致感染之间的传播和敏感的。因此,尽早诊断埃博拉病毒携带者的关键。实验假设是只有一个初始载波,和所有后续感染将被送到医院。在我们的设计中,在TSD中第一天,第二天和第三天症状暴露而RSD为设置为70%。

如图8,TSD的敏感性。如果所有的病人被送到医院的第一天,总感染病例数约为35岁,第二天是55,第三天飙升到98。很容易得出结论,立即治疗埃博拉病毒的紧急情况下是必要的。在实践中,患者总是在第二天送到医院,因为他们不足够关注最初症状。

5.3。潜在感染者的隔离

在我们的研究中,两种方式感染埃博拉病毒概述:间接接触和直接接触。虽然没有明显的症状和传染性孵化,它也需要隔离潜在感染者,像埃博拉病毒携带者是很难区分的。一次接触埃博拉病毒携带者的大量转移,将在大规模爆发流行。因此,有必要与诊断病人隔离人联系。同时,潜在感染无触点风格也会被孤立。例如,个人进入感染环境也需要被孤立。

假设TSD中是第二天,相对标准偏差为0.7,差异的ISR潜在感染者。如图9,ISR设置为0.5,0.7,和0.9,疫情也分别进行了分析。结果表明隔离专注个人将减少感染病例。感染病例43当ISR是0.5,而总感染下降到26如果ISR是0.9。

5.4。对潜在的感染免疫

虽然有效的疫苗仍在测试中,毫无疑问,他们会扮演重要的角色在随后的对抗EVD。实验假设是有效的疫苗正在生产和数量是足够的。假设TSD中是第一天,相对标准偏差为0.9,ISR是0.9,然后IMR潜在感染进行了讨论。作为一个经验法则,只有少数的个人不得接受疫苗。一次免疫,个人永远不会感染别人。

在这项工作中,IMR设置为10%,20%,和30%,分别分析了相应的感染。如表所示6,感染病例几乎减少了一半如果IMR是30%。疫苗减缓传播趋势明显;然而,疫苗总是昂贵的成本和数量总是有限的。因此,它需要接种准确焦点小组等医务人员和潜在的感染。

5.5。非接触感染干预

在本部分中,讨论了非接触在公共场所传播。例如,在餐馆、非接触感染被视为通过餐具的主要方式,因为交叉感染是严重。环境是由病毒的传染性和活力,这可能是削弱了消毒。实际上,消毒可以减少病毒剂量,减少病毒的生命力在同一时间。

如表所示7、非接触感染(NCI)在不同的弟弟进行了分析。DD是设置为0.1,0.3,0.5,0.7,和0.9分别和结果表明,NCI减少DD的增加。此外,它还减少了总间接感染(TI)。因此,有效改善DD疫情蔓延。

5.6。干预措施对医务人员

根据世界卫生组织报告8),医务人员(MW)占很大比例在整个案件的频繁接触埃博拉患者。此外,产品类别可以存活一段环境由于中途消毒和导致新的感染非接触的方式。研究兆瓦的感染,两个同时传播方式进行了分析。在没有干预的情况下,SP设置为0.2,0.4,0.6,和0.8分别和干预措施的有效性进行了探讨。

如表所示8、感染与SP。感染病例的0.8兆瓦是大约10如果SP,数量已经增加到30如果SP是0.2。此外,这些感染会传染给其他有不同的职业和导致埃博拉病例的急剧增加。

6。四层的反应策略埃博拉病毒传播

6.1。四级应急响应策略

根据中国政府的应急反应,有4个水平的反应策略对疫情蔓延。4级是最弱的,包括消毒,医院观察和治疗;3级增加了familiar-contact人的隔离和疫苗的制备;2级包括跟踪隔离,暂停类或作品,接种在小范围;一级是最严格的,接种,类是暂停,并在大规模的工厂关闭。在我们的设计中,不同级别的响应策略模拟,并结合干预估计。如表所示9、隔离、免疫、消毒、自我保护,同时诊断因素进行了分析。LT是加载的时间干预,保洁是新兴和疾病症状之间的时间确认,RSD为就医的比例,ISR的隔离度,IMR免疫速率,SP是自我保护,和弟弟是消毒的程度。

如图10控制,疫情将通过加载响应策略级别2。一旦把最强的干预措施在1级,在短时间内将减少新感染病例。一般来说,严格的干预措施对埃博拉病毒将取得更好的结果在社会秩序和公共资源的成本。幸运的是,自2003年非典爆发以来,中国政府已经建立了应急管理体系,通过了甲型H1N1流感的踪迹。虽然很难匹配所有实验参数的实际情况,从某种意义上说,四层的响应策略能够描述艾滋病疫情的蔓延,在不同的干预措施。

6.2。结果和分析

正如前面讨论的,2级响应策略优先级选择如果单个埃博拉病例出现。在严峻的形势下,一级响应策略将随后。结果表明,控制疫情将如果单个埃博拉病毒感染病例出现在北京的城市。

在我们的研究中,结果是可靠的在某种程度上,如下列出的详细分析。首先,建设人工北京直接得到国家自然科学基金委的支持。相关机构的协助下,满足个人和建筑的生成及其分布的统计特性。此外,个人的行为的建模工作和社交网络集成一些积极的复旦大学等其他研究小组的结果。此外,人工北京的合理性已经证实的甲型H1N1流感,是由国家自然科学基金委确认。其次,根据传播疾病模型是建立在西非的参数。虽然这些参数可能不同于在北京,还一直由中国科学院修订。此外,干预措施的目的是根据应急计划,与仿真结果是一致的结论相应的研究。第三,定量分析也证明了仿真结果的合理性。正如前面讨论的,是疾病传播的关键参数。一次大于1,感染疾病传播;一次小于1,疫情得到了控制。总之,干预措施是减少的目标从当前值小于1。在我们的实验中,电流4水平的响应策略是1.82,1.43,0.93和0.48分别在第100天。因此,它是合理的控制疫情是否立即采取严格的干预措施。

7所示。结论和讨论

7.1。结论

本文的主要工作总结如下。首先,北京人工重建来满足需求的流行蔓延。此外,个人的行为优化的机器学习的技术。其次,埃博拉过程模型和传播模型也建立了根据传播参数在西非。第三,埃博拉病毒流感疫情的100天,180天,240天预计,感染病例分别在不同的职业和环境进行了分析。

摘要EVD的传播过程和其相应的干预措施是基于人工模拟北京。此外,诊断、隔离、免疫、自我保护和消毒进行了讨论。流体转变的特点而言,两种方式感染(接触和非接触)也进行了分析。最后,它是理性的结论是不可能带来大规模的疫情,尽管埃博拉进口风险存在。

7.2。讨论

本文提出了一种新的方法来研究基于虚拟城市的疾病传播。的贡献我们的工作概述如下。首先,北京人工生成基于人口统计数据。一般来说,一些基于主体系统总是建基于简单的规则,不能模拟真正的个人活动。在我们的研究中,人口的分布,环境,和社会网络符合统计特性。其次,个人的行为是通过机器学习进行了优化。在我们的设计中,个人特殊情况下可行的调整他们的行为重新规划他们的时间表。同时,优化提高计算性能,其中包括大型实体。第三,埃博拉病毒的传播过程模拟是通过个体之间的联系。在我们的研究中,课程时间和传播疾病的特点是流行病传播的两个主要因素。 For any diseases, if we build their disease course model and propagation model, it is easy to simulate and analyze the process of epidemic spreading.

这是一个科学的方法与普遍性。日益复杂的社会系统,研究这些问题在传统的方式变得不可能。尽管调查和定性分析可以解释一些现象,我们几乎不能探索在现象的内在原因。在我们的研究中,人工社会是一个动态的、涉及到虚拟系统,这将提供基本的环境类型的复杂的社会实验,经济和军事领域。一方面,它允许用户扩展现有实体的属性,以满足实验的要求。另一方面,我们能够培养虚拟社会对所需的相应的研究方向和支持。例如,有必要培养个人的旅行模式来研究个人紧急情况下疏散。自然,结果的可靠性主要取决于虚拟社会的合理性和域模型的准确性。虽然完全解决这些问题是很困难的,但它仍然是重要的建立有效的模型和优化人工社会不断。总之,这种方法是普遍的在某种意义上,它将在应急管理起到了特别重要的作用。

然而,几个方面在我们的工作还需要改进或优化。人工北京需要不断进行验证。尽管生成过程是基于geodemographics,仍然很难描述实际的个人和环境之间的交互。虚拟城市的如下方面还需要改进和优化,如社交网络、环境和个人之间的映射,以及个人的行为。虽然已经取得了一些工作,但仅限于完全描述的行为。埃博拉参数需要不断修正。尽管疾病根据参数模型是建立在西非,它们之间的差异是不容忽视的。因此,不可避免地存在误差预测艾滋病疫情的蔓延,在北京。例如,在非洲的许多情况下感染通过联系埃博拉患者的尸体,虽然这葬礼习俗在中国是不存在的。四层的响应策略不能匹配实际情况。动机只是模拟,评估干预措施的响应在不同程度,并且很难包含所有可能的因素。此外,社会成本的干预并不在我们的设计考虑。一些实验参数不支持的数据。例如,接触频率和感染概率设定的经验法则。虽然重要的预测疫情,真的没有意味着在医学领域。此外,很难在实践中进行敏感性试验。一旦疫情暴发,干预往往是在集团,但不是单一的。

虽然有些方面需要完善和加强我们的工作,在实践中预测实验仍然是重要的。首先,感染病例是通过个人的接触,有效的预测和分析疫情。其次,敏感性实验来分析关键因素干预的角色。第三,不同级别的反应计划的设计,这是重要的决策者估计流行情况和采取适当的行动。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

这项工作是由中国国家自然科学基金支持下批准号。91024030,71303252,61403402,41201544,71373282。