文章目录

1 系统动力学模型

1.1 研究对象

1.2 疫情大数据资料

1.3 TD-SIR-GEGM模型构建及参数解析

    1.3.1 流行动力实时跟踪

    1.3.2 流行规模动态预测

    1.3.3 流行/死亡周期动态划分

1.4 流行动力的在线实时可视化(图1C)

2 网络分析及网络动力学模型

2.1 大数据生态流行病学网络动力学模型构建及其参数解析

2.2 生态流行病学复杂网络上传染源时空追踪溯源

2.3 病原体与宿主之间的博弈网络模型

3 多智能体系统模型

3.1 多智能体系统的特征

    3.1.1 社会涌现性(social emergence)

    3.1.2 多维特征[8]

    3.1.3 KISS原则(keep it simple, stupid)

3.2 多智能体系统的优势及其应用

4 生态流行病学超网络因果推断模型

5 结论

文章摘要:大数据生态流行病学理论范式阐明了一个更全面的生态流行病学视角，承认和捕捉现实世界和虚拟世界中的众多健康决定因素具有等级镶嵌和交互博弈的复杂网络特征。在这种镶嵌分层相互作用及其网络博弈的复杂背景下，传统的基于独立随机假设的传统流行病学抽样调查方法、传统分析流行病学和实验流行病学设计策略及统计分析方法，均面临巨大挑战。取而代之的是，系统动力学模型、网络分析及网络动力学模型、多智能体系统模型以及未来需要发展的生态流行病学超图因果推断模型。从而，由新理论范式、新设计策略和新统计方法，构成了大数据生态流行病学理论方法体系。

文章关键词:

论文DOI:10.16462/j.cnki.zhjbkz.2022.10.008

论文分类号:R181.2

上一篇：预防医学与卫生学论文_获益风险模型在药
下一篇：没有了