epidemiology

发表在JACC上的一项研究表明，腰围和腰臀比比单独使用BMI更能预测心脏病风险，这表明仅依赖BMI可能会错误分类心血管风险。

本文介绍了EpiFlow，一个通过处理废水信号、分析其与医院负担指标的关系并将其纳入时变预测模型来改进基于废水的疾病预测的框架。作者表明，纳入废水病毒载量可改善COVID-19住院预测，尤其是在低流行期。

This paper introduces GeoID-PINN, a physics-informed neural network for regional epidemic inference that incorporates geographic coupling via a spatial source-composition matrix. It demonstrates that accurate trajectory forecasts do not guarantee correct recovery of regional dependence structures, using simulations and COVID-19 data from Louisiana counties.

介绍了EpiNarrate，一个将结构化数值推理与自然语言生成分离的智能体框架，用于从集成预测中生成有依据的流行病学叙述。

爱丁堡大学的研究人员发布了一份包含所有239种人类感染性RNA病毒的目录，分析了它们的传播性和大流行潜力。研究强调，已经具备人际传播能力的病毒构成最大威胁，而大多数人畜共患病毒（如狂犬病）仍无法在人与人之间传播。

本文解释了健康研究中的风险比，为什么不能在不考虑风险随时间分布的情况下直接将其转换为预期寿命变化，并阐明了风险比与相对风险之间的区别。

本文提出了一种可迁移的学习时间先验方法，用于疫情传播重建。在真实安第斯病毒基准测试中展示了改进的性能，并强调了量化传播标签中不确定性的重要性。

本文演示如何使用J编程语言实现的SEIRS模型对COVID-19疫情进行建模，并解释所涉及的状态和变量。

本文提出了一种双层耦合SIR/SIRS框架，用于模拟AI生态系统中的合成数据污染和模型崩溃，表明模型与数据语料库之间的交叉污染会导致超临界动力学，并指出基于检测的过滤是关键干预手段。

本文介绍了CAST，一种多项式时间近似算法，用于在传播网络中战略性地分配HIV治疗资源给病毒未抑制个体，以最小化新感染，在真实网络上优于现有基线。

Google DeepMind推出一个计算发现原型，它利用AlphaEvolve和实证研究辅助并行开发和评分数千种代码变体，从而能够更快地测试流行病学建模方法。

HantaWatch 提供针对 MV Hondius 汉坦病毒疫情的实时追踪，详细记录确诊病例、国际卫生应对措施以及关于传播风险的专家分析。