传染病建模中的公平性：一个基于社会流行病学的数学框架

研究提出一个植根于社会流行病学核心原则的数学框架，用于评估计算流行病学模型的公平性。该框架被应用于多种建模方法与模拟场景，包括 COVID-19 在伦敦、纽约和智利圣地亚哥的初期传播，以及 2016 年哥伦比亚寨卡病毒暴发，显示其在不同疾病动力学下均能一致地评估模型公平性。研究进一步展示了如何将这一公平性定义纳入免疫策略设计，在提升健康公平性的同时改善干预措施的整体效果。结果为计算流行病学中量化公平性提供了新的系统化方法。