基于流动性的方法优化大流行封锁策略
COVID-19传播建模的新策略融合了智能手机捕捉到的人们移动数据,有望帮助制定最佳的封锁政策。英国华威大学的Ritabrata Dutta及其同事在开放获取期刊上发表了这些发现PLOS计算生物学.
有证据表明,封锁能够有效减缓COVID-19的传播。然而,它们确实付出了高昂的经济代价,而且在实践中,并非所有人都遵循政府关于封锁的指导。因此,Dutta和他的同事们提出了一个最优的封锁策略将在控制当前的COVID-19大流行和最大限度地减少封锁的经济成本之间取得平衡。
为了帮助指导这一策略,研究人员开发了新的数学模型来模拟COVID-19的传播。模型集中在英国和法国,并使用一种被称为近似贝叶斯计算的统计方法,将两者结合起来公共卫生数据以及谷歌通过安卓设备捕捉到的人们运动变化数据;这一流动性数据可用于衡量封锁政策的有效性。
然后,研究人员展示了如何使用一种称为最优控制的数学技术,将他们的模型应用于为英国和法国设计最佳封锁策略。他们表明,有可能设计出有效的封锁方案,允许工作场所和学校部分重新开放,同时考虑到公共卫生成本和经济成本。这些模型可以实时更新,并可适用于任何拥有可靠公共卫生和谷歌流动性数据的国家。
Dutta说:“我们的工作为流行病学模型和现实数据之间的更大整合打开了大门,通过使用超级计算机,确定最佳的公共政策,以减轻大流行的影响。”“在不远的将来,政策制定者也许能够表达某些优先级标准,而计算引擎可以广泛使用不同的数据集,从而确定最佳行动方案。”
接下来,研究人员计划改进他们在全国范围内的模型,以便在更小的范围内工作;具体来说,英国的348个地方当局
研究人员补充说,“大的整合数据流行病学模型和超级计算机可以帮助我们实时设计最佳的封锁策略,同时平衡公共卫生和经济成本。”
进一步探索