Contents
COVID-19 疫情讓我們更切身感受到每個政策與生命社會發展的重大關聯。運用數學建模來預測方案結果的技能將有助於在詭局多變的局勢下找到成功的路徑。
關於此專業課程
數學建模越來越多地用於支持控制傳染病的公共衛生決策。本專業的目的是介紹數學建模的一些基本概念，以及所有以編程語言 R 進行的建模(當今廣泛使用的應用程式)。
如果您具有 R 的基本工作知識，則該專業適合您，但同時也想學習必要的基本編碼技能，以便使用該語言編寫簡單的數學模型。儘管不需要高級數學技能，但您應該熟悉常微分方程以及如何解釋它們。您將獲得有關傳染病建模的基本理論的明確指導，以及使用編程語言 R 進行程式模型的實踐經驗。
到官方網站了解本課程與上課
你將學到的內容有
- 構建有效的數學模型，以獲得給定傳染病的自然歷史。
- 在 R 中實施數學模型，並根據流行病學資料對其進行校準，以便估算關鍵模型參數
- 使用校準的模型為不同的干預方案創建模型預測
- 解釋與給定的研究和政策問題相關的數學模型的優勢和局限性
你將獲得的技能：
| 建模 | R 程式設計 |
| 數學模型 | 傳染病 |
字幕
英文
製作方
Imperial College London. 倫敦帝國學院
倫敦帝國理工學院是世界十強大學，在科學、工程、醫學和商業領域均享有卓越的國際聲譽。位於倫敦市中心。 Imperial 是一個用於教育、研究、翻譯和商業化的多學科空間，利用科學和創新來應對全球挑戰。
帝國學生受益於植根於學院世界領先研究成果的世界領先，包容性教育經驗。我們的線上課程旨在通過使用尖端的數位技術來促進互動性、學習和核心技能的發展。
第 1 門課程 發展 SIR 模型
隔室建模( Compartmental modelling )是傳染病數學建模的基礎，本課程將介紹構建隔室模型的一些基本概念，包括如何解釋和表示比率( rates )、持續時間( durations )和比例( proportions )。 您將學習將數學放在一邊，並專注於獲得對簡單流行病行為的直覺，並向其介紹傳染病流行病學的其他基本概念，例如基本繁殖數( R0，Reproduction Number )及其對傳染病動態的影響。 為了表達您學習的基本驅動程式的數學基礎，您將使用簡單的 SIR 模型，該模型反過來將幫助您檢查不同情況下的複制數量。 易感染性是傳染病的動力，因此了解易感染性動態可以為流行病動態以及控制重點提供重要的洞見。
第 2 門課程 干預和校準
本課程涵蓋了傳染病治療建模和疫苗接種建模的方法。在 SIR 模型的基礎上，您將學習如何合併其他分區以表示干預措施的效果，例如疫苗接種在降低易感染性方面的效果。您將了解“洩漏”疫苗及其建模方法，以及不同類型的疫苗和治療效果。
考慮模型與資料數據之間的基本關係很重要，因此，使用您在課程 1 中開發的基本 SIR 模型，您可以將此模型校準為流行數據。手動執行此類校準將幫助您了解如何調整模型參數以了解實際資料。在本課程的最後，您將學習兩種基於電腦的模型校準的簡單方法 – 最小二乘法( the least-squares approach )和最大概似估計法( the maximum-likelihood approach )；您將在 R 中執行每種方法的模型校準。
第 3 門課程 建基於 SIR 模型
本專業的其他兩個課程要求您執行決定論的建模( deterministic modelling ) – 換句話說，由於所有參數都是已知的，因此流行病的結果是可預測的。但是，本課程研究了很多情況，尤其是在流行病的早期階段，在這些情況下，偶然事件可能會在流行病的未來產生影響。 因此，將向您介紹這種“隨機性”的一些示例，以及使用 R 對這些流行病進行建模的簡單方法。 您將研究如何對這種“種群結構”（‘population structure’ ）在傳播動力學( transmission dynamics )中起重要作用的感染進行建模。 並將學習一些對媒介傳播疾病( vector-borne diseases )進行建模的基本方法，包括 Ross-McDonald模型。
即使您將來不再設計和模擬數學模型，重要的是能夠批判性地評估模型，以了解其優勢和劣勢，並確定如何對其進行改進。獲得此技能的一種方法是，以審閱者的身份對建模研究進行關鍵的同行審閱，這是您學習本課程所獲得的機會。
到官方網站了解本課程與上課
你可能會有興趣
- 更多 Coursera 課程
- ★想要加強英文能力嗎？– 練好英文是最大的學習槓桿
- 追蹤 Soft & Share Twitter !
發表迴響