Detecting changes in the transmission rate of a stochastic epidemic model.
Detecting changes in the transmission rate of a stochastic epidemic model.
复制标题
检测随机流行病模型传播率的变化。
DOI：
10.1002/sim.10050
复制
发表时间：
2024
影响因子：
2
通讯作者：
Xu,Jason
中科院分区：
文献类型：
--
作者：
Huang,Jenny;Morsomme,Raphaël;Dunson,David;Xu,Jason
在整个流行病过程中，疾病传播的速度随着行为变化、新疾病变异的出现和缓解政策的引入而变化。估计传播率的这种变化可以帮助我们更好地建模和预测流行病的动态，并提供对控制和干预策略的有效性的见解。本文提出了一种基于似然估计的方法，在由分段常数分量组成的时间非齐次传输率下，对随机易感-感染-移除模型的参数进行估计。在这样做的过程中，我们的方法同时通过马尔可夫链蒙特卡罗算法学习传输速率的变化点。该方法的目标是精确的模型后，在一个困难的缺失数据设置，随着时间的推移，只有部分观察到的情况下计数。在将我们的方法应用于西非埃博拉疫情和大学校园COVID-19疫情的数据之前，我们验证了模拟数据的性能。
Throughout the course of an epidemic, the rate at which disease spreads varies with behavioral changes, the emergence of new disease variants, and the introduction of mitigation policies. Estimating such changes in transmission rates can help us better model and predict the dynamics of an epidemic, and provide insight into the efficacy of control and intervention strategies. We present a method for likelihood‐based estimation of parameters in the stochastic susceptible‐infected‐removed model under a time‐inhomogeneous transmission rate comprised of piecewise constant components. In doing so, our method simultaneously learns change points in the transmission rate via a Markov chain Monte Carlo algorithm. The method targets the exact model posterior in a difficult missing data setting given only partially observed case counts over time. We validate performance on simulated data before applying our approach to data from an Ebola outbreak in Western Africa and COVID‐19 outbreak on a university campus.
DOI：
--
发表时间：
2021-01
期刊：
J. Mach. Learn. Res.
影响因子：
--
作者：
Kweku Abraham;I. Castillo;E. Gassiat
通讯作者：
Kweku Abraham;I. Castillo;E. Gassiat
影响因子：
2.6
作者：
Allen, Linda J. S.;van den Driessche, P.
通讯作者：
van den Driessche, P.
科学数据的随机建模
DOI：
--
发表时间：
1995
期刊：
影响因子：
--
作者：
P. Guttorp
通讯作者：
P. Guttorp