La enfermedad por el virus del Ébola (EVD) se caracteriza por su alta infectividad y mortalidad. Por ello, es urgente que los gobiernos elaboren planes de emergencia contra el ébola. Sin embargo, es difícil predecir en la práctica las posibles situaciones epidémicas. Por suerte, en los últimos años han aparecido experimentos computacionales basados en la sociedad artificial, que proporcionan un nuevo enfoque para estudiar la propagación de la EVE y analizar las intervenciones correspondientes. Por lo tanto, la racionalidad de la sociedad artificial es la clave para la precisión y la fiabilidad de los resultados de los experimentos. Los comportamientos de los individuos junto con el modo de desplazamiento afectan directamente a la propagación entre los individuos. En primer lugar, se reconstruye la Pekín artificial a partir de la geodemografía y se recurre al aprendizaje automático para optimizar los comportamientos de los individuos. Mientras tanto, se construye un modelo de curso del ébola y un modelo de propagación, de acuerdo con los parámetros de África Occidental. Posteriormente, se analiza el mecanismo de propagación de la EVD, se predice el escenario epidémico y se presentan las intervenciones correspondientes. Por último, mediante la simulación de las respuestas de emergencia del gobierno chino, se llega a la conclusión de que es imposible que el ébola brote a gran escala en la ciudad de Pekín.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Perfil clínico de la fiebre del dengue en niños: Un estudio del sur de Odisha, India
Artículo:
Monitorización sin contacto de los patrones respiratorios y la frecuencia respiratoria en la nuca: Un enfoque de cámara única
Artículo:
Detección de metales pesados mediante sensores químicos ópticos mesoporosos
Artículo:
Un marco de tensor-producto-núcleo para la decodificación y el control de la actividad neuronal a escala múltiple
Artículo:
Factores clínicos que influyen en el infarto agudo de miocardio basados en el aprendizaje automático mejorado