摘要
COVID-19大流行暴露了监狱系统的脆弱性，使其成为疾病传播的高风险环境。作为应对措施，美国各地的政府实施了大规模的监狱减员政策，以减少囚犯人数。本文利用系统理论的分析方法，研究了这些干预措施及其最优规划。首先，我们通过应用聚合交叉映射、转移熵和线性回归等方法对实际数据进行了实证分析，证明了监狱人口变化对COVID-19感染率的影响。基于这一发现，我们构建了一个 compartmental epidemiological 模型，该模型能够捕捉监狱及其周边社区中疾病传播的耦合动态，并将流动量视为时间依赖的控制输入。借助最优控制理论，我们得出了在这些流动量上进行优化的设计方案，以平衡公共卫生和公共安全。我们的研究结果既提供了实证证据，也表明大规模减员政策不仅是一种应对疫情的被动选择，而且是一种合理的干预措施。需要强调的是，我们的优化是在接纳和释放政策框架内进行的，并未将减员政策与其他公共卫生措施进行比较。
图形摘要
监狱人口密度越高，疫情越致命。拥挤、封闭且卫生条件差的环境不仅会导致监狱内部的疾病传播，还会使疫情蔓延到外部——这是美国COVID-19大流行期间的实证现象。最优控制理论指出，减少新入狱人数和释放更多囚犯可能是控制疫情的有效手段。
利益冲突
作者声明没有利益冲突。
同行评审
为了保证透明度，与本文相关的同行评审文件可在以下链接查看：https://doi.org/10.1111/nyas.70434
