要約
2019 年コロナウイルス感染症 (COVID-19) のパンデミックは約 3 年間続いており、本稿執筆時点で世界中で 7 億 5,000 万人以上が感染し、600 万人以上が死亡しています。
パンデミックの間中、医療専門家、政府当局、国際機関によって、病気の蔓延を制御するためのいくつかの戦略が議論されてきました。
病気の潜在的な影響を予測し、さまざまな緩和戦略の有効性をシミュレーションするには、病気の蔓延の堅牢なモデルが必要です。
この研究では、確率論的計画と動的グラフ分析に基づいた新しいアプローチを模索し、屋内空間における新型コロナウイルス感染症の蔓延をモデル化します。
私たちはプランナーにマスクやワクチンの義務化などの非医薬品介入（NPI）を通じて病気の蔓延を制御する手段を提供し、これらの環境での新型コロナウイルス感染症（COVID-19）の蔓延に対する群衆と収容人数の制限の影響を比較します。
私たちは、確率的計画の使用が共有スペースで発生する可能性のある感染の量を予測するのに効果的であること、および自動化された計画作成者が病気の蔓延を制限するための適切な介入を設計できる可能性があることを実証します。
私たちのコードは完全にオープンソースであり、https://github.com/mharmanani/prob-planning-covid19 から入手できます。
要約(オリジナル)
The coronavirus disease 2019 (COVID-19) pandemic has been ongoing for around 3 years, and has infected over 750 million people and caused over 6 million deaths worldwide at the time of writing. Throughout the pandemic, several strategies for controlling the spread of the disease have been debated by healthcare professionals, government authorities, and international bodies. To anticipate the potential impact of the disease, and to simulate the effectiveness of different mitigation strategies, a robust model of disease spread is needed. In this work, we explore a novel approach based on probabilistic planning and dynamic graph analysis to model the spread of COVID-19 in indoor spaces. We endow the planner with means to control the spread of the disease through non-pharmaceutical interventions (NPIs) such as mandating masks and vaccines, and we compare the impact of crowds and capacity limits on the spread of COVID-19 in these settings. We demonstrate that the use of probabilistic planning is effective in predicting the amount of infections that are likely to occur in shared spaces, and that automated planners have the potential to design competent interventions to limit the spread of the disease. Our code is fully open-source and is available at: https://github.com/mharmanani/prob-planning-covid19 .
arxiv情報
| 著者 | Mohamed Harmanani |
| 発行日 | 2023-08-16 07:41:53+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google