Modeling the Interplay Between Human Behavior and the Spread of Infectious Diseases

این مجلد به طور خلاصه پیشرفت‌های موجود در حوزه تحقیقاتی در حال رشد سریع مدل‌سازی تأثیر رفتار انسان مبتنی بر اطلاعات بر گسترش و کنترل بیماری‌های عفونی را نشان می‌دهد. به طور خاص، دو موضوع اصلی و مرتبط با یکدیگر را نشان می دهد: تغییرات رفتاری در پاسخ به تهدیدات جهانی، به عنوان مثال، آنفولانزای همه گیر، و مخالفت شبه منطقی با واکسن. برای انجام پیش‌بینی‌های واقع‌بینانه، مدل‌سازان باید فراتر از اپیدمیولوژی ریاضی کلاسیک بروند تا این اثرات پویا را در نظر بگیرند.

با کمک‌های متخصصان در این زمینه، این کتاب جای خالی ادبیات را پر می‌کند. از متون کلاسیک فراتر می رود، اما با پایبندی به زیست شناسی زیربنایی بدون به خطر انداختن دقت علمی، منطق بسیاری از آنها را حفظ می کند. اپیدمیولوژیست ها، زیست شناسان نظری، بیوفیزیکدانان، ریاضیدانان کاربردی و دانشجویان دکترا از این کتاب بهره مند خواهند شد. با این حال، برای متخصصان بهداشت عمومی که علاقه مند به درک مدل‌ها هستند و برای دانشجویان پیشرفته مقطع کارشناسی نیز نوشته شده است، زیرا فقط به دانش کاری اپیدمیولوژی ریاضی نیاز دارد.

This volume summarizes the state-of-the-art in the fast growing research area of modeling the influence of information-driven human behavior on the spread and control of infectious diseases. In particular, it features the two main and inter-related “core” topics: behavioral changes in response to global threats, for example, pandemic influenza, and the pseudo-rational opposition to vaccines. In order to make realistic predictions, modelers need to go beyond classical mathematical epidemiology to take these dynamic effects into account.

With contributions from experts in this field, the book fills a void in the literature. It goes beyond classical texts, yet preserves the rationale of many of them by sticking to the underlying biology without compromising on scientific rigor. Epidemiologists, theoretical biologists, biophysicists, applied mathematicians, and PhD students will benefit from this book. However, it is also written for Public Health professionals interested in understanding models, and to advanced undergraduate students, since it only requires a working knowledge of mathematical epidemiology.