Quantificação de incertezas em modelos epidêmicos mecanicistas - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Quantificação de incertezas em modelos epidêmicos mecanicistas

Résumé

Este trabalho introduz uma nova abordagem baseada em dados para estimativa de parâmetros e quantificação de incertezas de modelos epidêmicos. A metodologia proposta combina dois elementos principais: (i) a identificação das condições iniciais através de estados dinâmicos plausíveis que se alinham com os dados observados, permitindo uma representação mais precisa do estado inicial da epidemia; (ii) a integração de um método baseado em entropia cruzada para aprender uma distribuição informativa a priori para os parâmetros do modelo, aumentando a confiabilidade da estimativa dos parâmetros. O modelo epidêmico empregado apresenta uma estrutura SEIR generalizada com taxas de transmissão dependentes do tempo, casos assintomáticos e hospitalizações. Um problema de otimização multiobjetivo é formulado, considerando dois termos de custos relacionados a hospitalizações e óbitos, levando à identificação de doze parâmetros do modelo. O modelo calibrado não só fornece uma descrição consistente dos dados disponíveis, mas também permite previsões de curto prazo, oferecendo informações valiosas em tempo real para a modelização da epidemia. Esta estrutura de computação bayesiana aproximada baseada em dados contribui para melhorar a estimativa de parâmetros, a quantificação de incertezas e as capacidades de previsão, facilitando a tomada de decisões baseadas em evidências e melhorando a compreensão geral e a gestão de surtos epidêmicos.
Fichier non déposé

Dates et versions

hal-04218863 , version 1 (26-09-2023)

Licence

Copyright (Tous droits réservés)

Identifiants

  • HAL Id : hal-04218863 , version 1

Citer

Americo Cunha Jr, David A.W. Barton, Thiago Ritto. Quantificação de incertezas em modelos epidêmicos mecanicistas. XLII Congresso Nacional de Matemática Aplicada e Computacional (CNMAC 2023), Sociedade Brasileira de Matemática Aplicada e Computacional, Sep 2023, Bonito, Brazil. ⟨hal-04218863⟩

Collections

TDS-MACS
9 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More