[论文解读] An Agent-Based Model for Bovine Viral Diarrhea

Jason Bassett, Pascal Blunk+3 more|arXiv (Cornell University)|Dec 14, 2018

Animal Disease Management and Epidemiology参考文献 8被引用 4

一句话总结

本文提出了一种随机的、事件驱动的、基于代理的模型，用于模拟德国牛群中牛病毒性腹泻（BVD）的传播，整合了农场层面的动态、动物流动以及检测/免疫接种方案。该模型复现了真实的牛群结构和贸易网络，能够模拟政策干预措施（如检测、免疫接种以及幼犊窗口策略）的影响，以高保真度再现德国农业数据，显著降低持续感染（PI）牛只的流行率。

ABSTRACT

We present an exhaustive description of a stochastic, event-driven, hierarchical agent-based model designed to reproduce the infectious state of the cattle disease called Bovine Viral Diarrhea, for which the livestock-trade network is the main route of spreading. For the farm-node dynamics, it takes into account a vast number of breeding, infectious and animal movement mechanisms via a susceptible-infected-recovered type of dynamics with an additional permanently infectious class. The interaction between the farms is described by a supply-demand farm manager mechanism governing the network structure and dynamics. The model includes realistic disease and breeding dynamics and allows to study numerous mitigation strategies of present and past government regulations, including different testing and vaccination scenarios.

研究动机与目标

• 开发一个详细、数据驱动的基于代理的德国牛群BVD传播模型，整合现实的农场、牛群及个体层面动态。
• 模拟各种缓解策略（如检测、免疫接种以及幼犊窗口协议）对降低持续感染（PI）牛只流行率的影响。
• 通过在现实网络和人口统计条件下建模干预情景，支持BVD根除政策的成本效益分析。
• 提供一个与ODD协议一致的仿真框架，确保透明度与可复现性，使用来自HI-Tier数据库的真实德国牲畜数据。
• 实现对不同干预时机与频率下政策结果的预测，包括全国范围的监管变更。

提出的方法

• 该模型采用分层的、事件驱动的、随机的基于代理框架，包含四个层级：系统、农场、牛群和个体，每个层级具有独立的状态变量和事件触发机制。
• 个体层面的动态包括易感-感染-康复（SIR）模型，包含持续感染（PI）类别，母源抗体保护，妊娠以及繁殖事件，所有过程均由时间分布参数控制。
• 农场层面的互动由供需机制驱动，模拟动物交易与流动，农场规模分布基于HI-Tier数据库中的真实数据。
• 模型整合了13种不同的干预情景，包括基线（无控制）、旧的和新的国家法规、免疫接种，以及半年度或年度频率的幼犊窗口（YCW）检测。
• 事件按时间优先级排序并调度执行，关键持续时间（如母源抗体保护期、妊娠期、传染期）基于经验数据，从三角分布中抽取。
• 模拟运行20,000天（约55年），干预措施在系统达到平衡后实施，以比较长期政策效果。

实验结果

研究问题

• RQ1 在国家牛群中，整合现实的农场层面贸易与流动动态，如何影响BVD传播的预测结果？
• RQ2 不同检测与免疫接种策略（如幼犊窗口协议）在降低持续感染（PI）牛只流行率方面的相对有效性如何？
• RQ3 干预措施的时机与频率（如每半年与每年检测）如何影响PI流行率的长期降低？
• RQ4 将免疫接种与靶向检测策略结合，对BVD根除效率有何影响？
• RQ5 在缺乏全国范围2011年以前数据的情况下，该模型在多大程度上能复现历史PI流行率趋势，特别是在2011年监管政策变更前后？

主要发现

• 该模型成功利用HI-Tier数据库中真实的农场规模分布，复现了德国牛群中BVD的平衡动态，确保了高度的真实性。
• 采用半年度检测的幼犊窗口（YCW）策略（情景5a）相比年度检测，显著降低了PI流行率，凸显了检测频率的重要性。
• 将新国家法规与免疫接种及半年度YCW检测结合（情景6a）在所有情景中实现了PI流行率最有效的降低。
• 基线情景（无干预）在约10,000天后趋于稳定点，表明系统已达到平衡，该状态被用作所有干预策略的起始点。
• 模型的模拟时间线将第10,000天映射至2011年旧国家法规的实施，尽管由于缺乏2011年以前的全国记录，这一映射具有推测性。
• 该模型可通过隔离每项干预策略的影响，支持政策的成本效益分析，情景12与13表明，结合YCW与免疫接种可获得最有利的结果。