論文の概要: All Models Are Wrong, But Can They Be Useful? Lessons from COVID-19 Agent-Based Models: A Systematic Review
- arxiv url: http://arxiv.org/abs/2509.13346v1
- Date: Fri, 12 Sep 2025 21:16:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-18 18:41:50.542459
- Title: All Models Are Wrong, But Can They Be Useful? Lessons from COVID-19 Agent-Based Models: A Systematic Review
- Title（参考訳）: すべてのモデルが間違っているが、役に立てられるか? 新型コロナウイルス(COVID-19)のエージェントベースのモデルから学んだ教訓
- Authors: Emma Von Hoene, Sara Von Hoene, Szandra Peter, Ethan Hopson, Emily Csizmadia, Faith Fenyk, Kai Barner, Timothy Leslie, Hamdi Kavak, Andreas Zufle, Amira Roess, Taylor Anderson,
- Abstract要約: 新型コロナウイルスのパンデミックにより、病気のダイナミクスをシミュレートし、介入を誘導する計算モデルが急増した。
我々は2020年1月から2023年12月までに発行された536 COVID-19 ABM研究を体系的にレビューした。
全体としては、COVID-19 ABMは急速に進歩したが、透明性、アクセシビリティ、参加型エンゲージメントが欠如していた。
ABMが将来の公衆衛生危機において信頼できる意思決定支援ツールとなるためには、より強力な基準が必要である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The COVID-19 pandemic prompted a surge in computational models to simulate disease dynamics and guide interventions. Agent-based models (ABMs) are well-suited to capture population and environmental heterogeneity, but their rapid deployment raised questions about utility for health policy. We systematically reviewed 536 COVID-19 ABM studies published from January 2020 to December 2023, retrieved from Web of Science, PubMed, and Wiley on January 30, 2024. Studies were included if they used ABMs to simulate COVID-19 transmission, where reviews were excluded. Studies were assessed against nine criteria of model usefulness, including transparency and re-use, interdisciplinary collaboration and stakeholder engagement, and evaluation practices. Publications peaked in late 2021 and were concentrated in a few countries. Most models explored behavioral or policy interventions (n = 294, 54.85%) rather than real-time forecasting (n = 9, 1.68%). While most described model assumptions (n = 491, 91.60%), fewer disclosed limitations (n = 349, 65.11%), shared code (n = 219, 40.86%), or built on existing models (n = 195, 36.38%). Standardized reporting protocols (n = 36, 6.72%) and stakeholder engagement were rare (13.62%, n = 73). Only 2.24% (n = 12) described a comprehensive validation framework, though uncertainty was often quantified (n = 407, 75.93%). Limitations of this review include underrepresentation of non-English studies, subjective data extraction, variability in study quality, and limited generalizability. Overall, COVID-19 ABMs advanced quickly, but lacked transparency, accessibility, and participatory engagement. Stronger standards are needed for ABMs to serve as reliable decision-support tools in future public health crises.
- Abstract（参考訳）: 新型コロナウイルスのパンデミックにより、病気のダイナミクスをシミュレートし、介入を誘導する計算モデルが急増した。
エージェントベースモデル(ABM)は、人口と環境の不均一性を捉えるのに適しているが、彼らの迅速な展開は、健康政策のためのユーティリティーに関する疑問を提起した。
2020年1月から2023年12月までに発行された536 COVID-19 ABM研究を,2024年1月30日にWeb of Science,PubMed,Wileyから検索した。
新型コロナウイルスの感染をシミュレートするためにABMを使用した場合、レビューは除外された。
研究は、透明性と再利用、学際的コラボレーションと利害関係者の関与、評価実践など、モデルの有用性の9つの基準に基づいて評価された。
出版は2021年末にピークを迎え、いくつかの国に集中した。
ほとんどのモデルは、リアルタイム予測(n = 9, 1.68%)よりも行動介入(n = 294, 54.85%)を探索した。
最も説明されているモデル仮定(n = 491, 91.60%)は少ないが(n = 349, 65.11%)、共有コード(n = 219, 40.86%)、既存のモデル(n = 195, 36.38%)で構築されている。
標準報告プロトコル (n = 36, 6.72%) と利害関係 (13.62%, n = 73) はまれである。
2.24%(n = 12)しか包括的な検証フレームワークを記述していないが、不確実性はしばしば定量化されている(n = 407, 75.93%)。
本レビューの限界は、非英語研究の過小評価、主観的データ抽出、学習品質の多様性、限定的な一般化性である。
全体としては、COVID-19 ABMは急速に進歩したが、透明性、アクセシビリティ、参加型エンゲージメントが欠如していた。
ABMが将来の公衆衛生危機において信頼できる意思決定支援ツールとなるためには、より強力な基準が必要である。
関連論文リスト
- CRTRE: Causal Rule Generation with Target Trial Emulation Framework [47.2836994469923]
ターゲットトライアルエミュレーションフレームワーク(CRTRE)を用いた因果ルール生成という新しい手法を提案する。
CRTREは、アソシエーションルールの因果効果を推定するためにランダム化トライアル設計原則を適用している。
次に、病気発症予測などの下流アプリケーションにそのような関連ルールを組み込む。
論文 参考訳（メタデータ） (2024-11-10T02:40:06Z) - Machine Learning Approaches for Mental Illness Detection on Social Media: A Systematic Review of Biases and Methodological Challenges [0.037693031068634524]
本稿では,ソーシャルメディアデータを用いた精神疾患検出のための機械学習モデルについて検討する。
機械学習ライフサイクル全体で発生するバイアスと方法論上の課題を強調します。
これらの課題を克服することで、将来の研究はソーシャルメディア上での抑うつ検出のためのより堅牢で一般化可能なMLモデルを開発することができる。
論文 参考訳（メタデータ） (2024-10-21T17:05:50Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Private, fair and accurate: Training large-scale, privacy-preserving AI models in medical imaging [47.99192239793597]
我々は,AIモデルのプライバシ保護トレーニングが,非プライベートトレーニングと比較して精度と公平性に与える影響を評価した。
我々の研究は、実際の臨床データセットの困難な現実的な状況下では、診断深層学習モデルのプライバシー保護トレーニングは、優れた診断精度と公正さで可能であることを示しています。
論文 参考訳（メタデータ） (2023-02-03T09:49:13Z) - Holistic Evaluation of Language Models [183.94891340168175]
言語モデル(LM)は、ほとんどすべての主要言語技術の基盤となっているが、その能力、制限、リスクはよく理解されていない。
本稿では,言語モデルの透明性を向上させるために,言語モデルの完全性評価(HELM)を提案する。
論文 参考訳（メタデータ） (2022-11-16T18:51:34Z) - Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in
Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。
本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文 参考訳（メタデータ） (2021-11-18T00:43:41Z) - From SIR to SEAIRD: a novel data-driven modeling approach based on the
Grey-box System Theory to predict the dynamics of COVID-19 [6.131772929312605]
新型コロナウイルスの一般的なコンパートメンタルモデリングは、事前知識と多くの仮定に基づいている。
本研究の目的は、グレーボックスシステム理論やグレーボックス識別の強みを活用して、データ駆動型アプローチのためのフレームワークを提供することである。
感染者数はブラジルとフランスで10万人当たり3人だった。
論文 参考訳（メタデータ） (2021-05-29T21:25:09Z) - Short-term forecasting COVID-19 cumulative confirmed cases: Perspectives
for Brazil [3.0711362702464675]
新型コロナウイルス(COVID-19)は、今日までの最初の通知以来、何百万人もの人に感染する新興の病気だ。
本稿では、自己回帰統合移動平均(ARIMA)、キュビスト(CUBIST)、ランダムフォレスト(RF)、リッジ回帰(RIDGE)、スタックングアンサンブル学習を評価する。
開発されたモデルは正確な予測を生成でき、それぞれ0.87%から3.51%、1.02%から5.63%、0.95%から6.90%の誤差を発生させる。
論文 参考訳（メタデータ） (2020-07-21T17:58:58Z) - Forecasting Brazilian and American COVID-19 cases based on artificial
intelligence coupled with climatic exogenous variables [3.0711362702464675]
世界保健機関(WHO)によると、新型コロナウイルス(COVID-19)は2020年6月10日までの公衆衛生上の問題である。
現在のシナリオでは、ブラジルと米国は毎日、新しいケースや死亡の頻度が高い。
新型コロナウイルス(COVID-19)対策の戦略的計画を立てる上では、今後1週間の時間枠で新規感染者数を予測することが重要である。
論文 参考訳（メタデータ） (2020-07-21T17:58:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。