Stochastic modeling of animal epidemics using data collected over three different spatial scales.
Stochastic modeling of animal epidemics using data collected over three different spatial scales.
复制标题
DOI：
10.1016/j.epidem.2011.02.003
复制
发表时间：
2011-06
期刊：
影响因子：
3.8
通讯作者：
Smith, Gary
中科院分区：
文献类型：
--
作者：
Rorres, Chris;Pelletier, Sky T. K.;Smith, Gary
建立了一个随机、空间、离散时间的SEIR模型，描述了宾夕法尼亚州家禽养殖场禽流感疫情。使用三个不同的空间尺度，其中所有的鸟类在一个农场，邮政编码，或县被聚集到一个点，我们得到三个不同的观点的流行病。对于每个空间尺度，使用模拟的流行病数据估计模型的病毒传播内核内的两个参数。我们表明，模拟流行病建模使用收集的数据在农场和邮政编码水平的行为类似于实际的潜在流行病，但这是不正确的使用收集的数据在县一级。对在不同空间尺度上收集的数据进行这种分析有助于制定干预战略，以控制正在发生的流行病（例如，疫苗接种计划和淘汰政策）。
A stochastic, spatial, discrete-time, SEIR model of avian influenza epidemics among poultry farms in Pennsylvania is formulated. Using three different spatial scales wherein all the birds within a single farm, ZIP code, or county are clustered into a single point, we obtain three different views of the epidemics. For each spatial scale, two parameters within the viral-transmission kernel of the model are estimated using simulated epidemic data. We show that simulated epidemics modeled using data collected on the farm and ZIP-code levels behave similar to the actual underlying epidemics, but this is not true using data collected on the county level. Such analyses of data collected on different spatial scales are useful in formulating intervention strategies to control an ongoing epidemic (e.g., vaccination schedules and culling policies).
登录
查看更多内容
影响因子：
1.4
作者：
Rorres, Chris;Pelletier, Sky T. K.;Keeling, Matt J.;Smith, Gary
通讯作者：
Smith, Gary
影响因子：
56.9
作者：
Keeling, MJ;Woolhouse, MEJ;Grenfell, BT
通讯作者：
Grenfell, BT
影响因子：
64.8
作者：
Tildesley, MJ;Savill, NJ;Keeling, MJ
通讯作者：
Keeling, MJ
影响因子：
2.6
作者：
Tildesley, Michael J.;Keeling, Matt J.
通讯作者：
Keeling, Matt J.
影响因子：
2.6
作者：
Harvey, Neil;Reeves, Aaron;Salman, Mo D.
通讯作者：
Salman, Mo D.