推断个体风险异质性以优化疾病预测和政策制定的展开选择
摘要：建立数学模型用于疾病预防和控制的目标设置。然而，在实施模型驱动的政策时，一些预测的不准确性变得明显，例如感染负担的过度预测和干预效果的过高估计。我们将这些差异归因于在捕捉真实世界系统的异质性方面存在的方法论局限性。支撑感染单一因素及其相互作用的机制决定个体患病的倾向。这些机制可能如此之多，以至于达到完整的机械性描述可能是不可行的。为了对健康政策的发展做出有建设性的贡献，该模型开发者要么删除因素（还原主义），要么采用更广泛但粗糙的描述（整体主义）。在我们看来，预测能力要求综合性描述异质性，这在传染病流行病学中目前被低估，在其他学科中却很常见。
作者：M. Gabriela M. Gomes, Nicholas A. Feasey, Marcelo U. Ferreira, E. James LaCourse, Kate E. Langwig, Lisa Reimer, Beate Ringwald, Jamie Rylance, J. Russell Stothard, Miriam Taegtmeyer, Dianne J. Terlouw, Rachel Tolhurst, Tom Wingfield, Stephen B. Gordon
论文ID：2009.01354
分类：Populations and Evolution
分类简称：q-bio.PE
提交时间：2022-05-17