< Terug naar vorige pagina

Project

Besluitvorming voor volksgezondheid met stochastische individu-gebaseerde modellen: een translationeel kader gedreven door innovaties in gezondheidseconomie, model inferentie en bekrachtigingsleren (ACCELERATE) (ACCELERATE)

Dit project bouwt aan een methodologisch kader in de context van respiratoire pathogenen met pandemisch potentieel naar analogie met SARS-CoV-2. Clustering van sociale contacten is cruciaal gebleken in combinatie met toevalligheden en verschillende attitudes binnen de populatie. Daarom richten we ons hier op wiskundige modellen die rekening houden met individuele heterogeniteit in gedrag en transmissie. Het schatten van epidemiologische parameters op basis van stochastische en tijdrovende individu-gebaseerde modellen is echter een uitdaging. Vervolgens is een economische evaluatie van preventieve maatregelen mogelijk met deze individu-gebaseerde modellen, maar dit wordt bemoeilijkt door een samenspel van onzekerheid en stochastiek in het onderliggende ziekteproces. Daarnaast vereist de zoektocht naar het meest (kosten)effectieve scenario selectietechnieken op basis van meerdere criteria. Methoden obv artificiële intelligentie, genaamd bekrachtigingsleren, zijn hiervoor al nuttig gebleken, maar deze model-context vereist aangepaste algoritmen. Vooral in een epidemische setting met onverwachte gebeurtenissen zoals nieuwe varianten is beleidsondersteunend onderzoek extra uitdagend. Als zodanig beogen wij de besluitvorming inzake volksgezondheid in een pandemische setting te kunnen versnellen op basis van geavanceerde statistiek, gezondheidseconomie en computerwetenschappen.
Datum:1 jan 2023 →  Heden
Trefwoorden:GEVOLGTREKKING, GEZONDHEIDSECONOMIE, INFECTIEZIEKTEN, ARTIFICIËLE INTELLLIGENTIE (AI)
Disciplines:Machine learning en besluitvorming, Modellering en simulatie, Gezondheidseconomie, Gezondheidspromotie en -beleid, Biostatistiek
Project type:Samenwerkingsproject