EpiLearn은 전염병 데이터 모델링, 시뮬레이션 및 분석을 위한 Python 도구 키트입니다. 기존 패키지의 한계를 극복하고 최신 기계 학습 기술을 활용하여 혁신적인 연구를 촉진합니다.
이 논문에서는 비국소적 집합 항을 사용하여 공간적 이질성을 모델링하여 SIR 유형 전염병 모델을 연구하고, 근사 문제에 대한 적절성 이론을 제공하며, 비국소적 수송이 장기적인 행동에 미치는 영향을 분석합니다.
본 논문에서는 커뮤니티 구조를 가진 네트워크, 즉 확률적 블록 모델(SBM)에서 감염병 확산의 대표적인 수학적 모델인 SIR(Susceptible-Infected-Recovered) 모델의 동역학을 분석하고, 감염의 전파 양상을 나타내는 대수의 법칙(LLN)을 집단 면역 개념을 이용하여 증명합니다.
가정과 직장이라는 두 그룹 구조를 가진 네트워크에서, 그룹 간 중복성을 조절하여 전염병 확산에 미치는 영향을 분석한 연구입니다.
본 논문에서는 개별 에이전트의 행동이 전염병 확산에 미치는 영향을 분석하고, 이를 바탕으로 거시적인 전염병 모델을 도출하는 방법을 제시합니다. 특히, 접촉 패턴의 역학을 고려하여 감염률을 모델링하고, 이를 통해 다양한 사회 구조에서 전염병 확산 양상을 예측하는 데 활용할 수 있습니다.
본 논문에서는 베이지안 방법의 대안으로써, 사전 분포 지정의 필요성을 없애는 빈도주의적 방법을 사용하여 공중 보건 개입이 전염병에 미치는 영향을 추정하는 방법을 제시합니다.
개체군이 인식된 감염 위험에 따라 접촉률을 능동적으로 조정하는 경우, 네트워크 연결된 SIS 전염병 모델에서 풍토병 수준이 감소한다.
본 논문에서는 개인의 위험 인식에 따라 행동 변화가 발생하는 상황에서 전염병 확산을 보다 정확하게 예측하기 위해 의견 역학을 고려한 SIS 전염병 모델을 제시합니다.