Enhancing Bayesian risk prediction for epidemics using contact tracing.
Enhancing Bayesian risk prediction for epidemics using contact tracing.
复制标题
使用接触者追踪增强流行病的贝叶斯风险预测。
DOI：
10.1093/biostatistics/kxs012
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
Jewell CP
中科院分区：
文献类型：
--
作者：
Jewell CP
从疾病暴发中收集的接触者追踪数据(CTD)在流行病建模文献中受到的关注相对较少，因为它被认为是不可靠的：感染源可能被错误地归类，或者由于问卷调查中的资源限制而数据可能丢失。然而，这些数据可能会提供有关疾病传播率的丰富信息来源。本文提出了一种新的方法，将CTD与基于速率的接触网络数据相结合，以提高后验精度，从而提高预测精度。我们介绍了贝叶斯推断在流行病方面的进展，它吸收了这些数据，并且对部分接触者追踪是稳健的。利用基于英国家禽行业的模拟研究，我们展示了CTD的存在如何提高后验预测精度，并可以直接为更有效的控制策略提供参考。
Contact-tracing data (CTD) collected from disease outbreaks has received relatively little attention in the epidemic modeling literature because it is thought to be unreliable: infection sources might be wrongly attributed, or data might be missing due to resource constraints in the questionnaire exercise. Nevertheless, these data might provide a rich source of information on the disease transmission rate. This paper presents a novel methodology for combining CTD with rate-based contact network data to improve posterior precision, and therefore predictive accuracy. We present an advancement in Bayesian inference for epidemics that assimilates these data and is robust to partial contact tracing. Using a simulation study based on the British poultry industry, we show how the presence of CTD improves posterior predictive accuracy and can directly inform a more effective control strategy.
登录
查看更多内容
影响因子：
6.3
作者：
Diggle, P;Elliott, P
通讯作者：
Elliott, P
2001 年至 2008 年艾滋病毒感染上升的见解：流行率证据的贝叶斯综合
DOI：
--
发表时间：
2010
期刊：
AIDS (London)
影响因子：
--
作者：
A. Presanis;O. Gill;T. Chadborn;C. Hill;V. Hope;L. Logan;Brian D Rice;V. Delpech;A. Ades;D. De Angelis
通讯作者：
D. De Angelis
DOI：
--
发表时间：
2005
期刊：
影响因子：
--
作者：
P. Diggle
通讯作者：
P. Diggle
影响因子：
3.7
作者：
Klinkenberg D;Fraser C;Heesterbeek H
通讯作者：
Heesterbeek H
影响因子：
2.3
作者：
Diggle, Peter J.
通讯作者：
Diggle, Peter J.