From Sparse Data to Smart Decisions: Region-Specific Policy Evaluation via Simulation
Questo articolo presenta un framework che colma il divario tra i dati di sorveglianza di routine e i modelli basati su agenti computazionalmente costosi attraverso un modello surrogato ODE per valutare gli interventi sulle malattie infettive specifici per regione, propagando esplicitamente l'incertezza dei parametri e dimostrando, attraverso un caso di studio sul COVID-19 in Michigan, che l'efficacia degli interventi varia significativamente tra le contee e non può essere prevista in modo affidabile da semplici dati demografici.