ترجمه فارسی مقاله تفسیر داده های نظارت اپیدمیولوژیک: یک مطالعه مدل سازی بر اساس شهر پونا

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Interpreting epidemiological surveillance data: A modelling study based on Pune City
عنوان مقاله به فارسی تفسیر داده های نظارت اپیدمیولوژیک: یک مطالعه مدل سازی بر اساس شهر پونا
نویسندگان ProfilePrathith Bhargav, ProfileSoumil Kelkar, ProfileJoy Merwin Monteiro, ProfilePhilip Cherian
فرمت مقاله انگلیسی PDF
تعداد صفحات 31
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Epidemiology علم اپیدمیولوژی

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Routine epidemiological surveillance data represents one of the most continuous and current sources of data during the course of an epidemic. This data is used to calibrate epidemiological forecasting models as well as for public health decision making such as imposition and lifting of lockdowns and quarantine measures. However, such data is generated during testing and contact tracing and not through randomized sampling. Furthermore, since the process of generating this data affects the epidemic trajectory itself – identification of infected persons might lead to them being quarantined, for instance – it is unclear how representative such data is of the actual epidemic itself. For example, will the observed rise in infections correspond well with the actual rise in infections? To answer such questions, we employ epidemiological simulations not to study the effectiveness of different public health strategies in controlling the spread of the epidemic, but to study the quality of the resulting surveillance data and derived metrics and their utility for decision making. Using the BharatSim simulation framework, we build an agent-based epidemiological model with a detailed representation of testing and contact tracing strategies based on those employed in Pune city during the COVID-19 pandemic. Infected persons are identified, quarantined and/or hospitalized based on these strategies, and to generate synthetic surveillance data as well. We perform extensive simulations to study the impact of different public health strategies and availability of tests and contact tracing efficiencies on the resulting surveillance data as well as on the course of the epidemic. The fidelity of the resulting surveillance data in representing the real-time state of the epidemic and in decision-making is explored in the context of Pune city.

چکیده به فارسی (ترجمه ماشینی)

داده های نظارت روتین اپیدمیولوژیک یکی از مداوم ترین و فعلی ترین منابع داده ها در طول دوره اپیدمی را نشان می دهد.این داده ها برای کالیبراسیون مدل های پیش بینی اپیدمیولوژیک و همچنین برای تصمیم گیری در مورد بهداشت عمومی مانند تحمیل و بلند کردن قفل و اقدامات قرنطینه استفاده می شود.با این حال ، چنین داده هایی در طول آزمایش و ردیابی تماس تولید می شود و از طریق نمونه گیری تصادفی نیست.علاوه بر این ، از آنجا که فرآیند تولید این داده ها بر خود مسیر اپیدمی تأثیر می گذارد - شناسایی افراد آلوده ممکن است منجر به قرنطینه آنها شود ، به عنوان مثال - مشخص نیست که نماینده چنین داده هایی از خود همه گیر واقعی است.به عنوان مثال ، آیا افزایش مشاهده شده در عفونت ها با افزایش واقعی عفونت ها مطابقت دارد؟برای پاسخ به چنین سؤالاتی ، ما از شبیه سازی های اپیدمیولوژیک استفاده می کنیم تا اثربخشی استراتژی های مختلف بهداشت عمومی را در کنترل شیوع اپیدمی مطالعه نکنیم ، بلکه به بررسی کیفیت داده های نظارتی حاصل و معیارهای مشتق شده و ابزار آنها برای تصمیم گیری بپردازیم.با استفاده از چارچوب شبیه سازی Bharatsim ، ما یک مدل اپیدمیولوژیک مبتنی بر عامل با نمایش مفصلی از استراتژی های ردیابی آزمایش و تماس بر اساس مواردی که در شهر پونه در طول همه گیر Covid-19 کار می کنند ، می سازیم.افراد آلوده بر اساس این استراتژی ها و تولید داده های نظارت مصنوعی نیز شناسایی ، قرنطینه و/یا در بیمارستان شناسایی می شوند.ما شبیه سازی های گسترده ای را برای بررسی تأثیر استراتژی های مختلف بهداشت عمومی و در دسترس بودن آزمایشات و راندمان ردیابی تماس در داده های نظارت حاصل و همچنین در دوره اپیدمی انجام می دهیم.وفاداری داده های نظارتی حاصل در نشان دادن وضعیت زمان واقعی اپیدمی و در تصمیم گیری در متن شهر پونه مورد بررسی قرار می گیرد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.