本研究分析了2013至2020年美国合成阿片的扩散情况，探讨了合成阿片与海洛因死亡模式的关系。通过图卷积神经网络模型，揭示了合成阿片死亡率的时空分布，为公共卫生政策提供了重要参考。

利用机器学习技术开发了一个框架，预测德国412个区县的COVID-19流行病学水平，包括风险预测和旅行限制政策评估。这个评估系统有助于制定公共卫生政策。

本研究使用匿名移动电话用户的公共场所访问数据，分析了数百万人的人口流向，并推断出不同地理尺度上的人口流动情况。结果显示该数据集可监测疫情传播动态，支持公共卫生政策和其他应用。

本研究提出了用于特定司法管辖区决策分析的多代理强化学习模型，并在实验中发现 MARL 在指导公共卫生政策方面的优势和适用性。