Model selection and parameter estimation for dynamic epidemic models via iterated filtering: application to rotavirus in Germany.
Model selection and parameter estimation for dynamic epidemic models via iterated filtering: application to rotavirus in Germany.
复制标题
DOI：
10.1093/biostatistics/kxy057
复制
发表时间：
2020-07-01
期刊：
影响因子：
--
通讯作者：
Höhle M
中科院分区：
文献类型：
--
作者：
Stocks T;Britton T;Höhle M
尽管动态模型在传染病流行病学中的广泛应用，但不同模型组件中的变异性的特定建模通常是主观的，而不是彻底的模型选择过程的结果。这部分是因为随机传输模型的推断可能是困难的，因为由于部分可观测性，可能性通常是棘手的。在这项工作中，我们解决的问题，充分包括变异性，展示了一个系统的方法，模型选择和参数推断的动态流行病模型。为此，我们对六个部分观察到的马尔可夫过程模型进行了推断，这些模型假设了相同的潜在传输动态，但在它们允许的可变性方面有所不同。随机传输模型的推理框架由迭代滤波方法提供，这些方法很容易在King等人的R包中实现（2016年，Statistical inference for partially observed Markov processes via the R package pomp. Journal of Statistical Software69，1-43）。我们说明了我们的方法，从2001年到2008年的德国轮状病毒监测数据，讨论了实际困难的方法，并计算基于模型的估计，使用这些数据的基本再现数。
Despite the wide application of dynamic models in infectious disease epidemiology, the particular modeling of variability in the different model components is often subjective rather than the result of a thorough model selection process. This is in part because inference for a stochastic transmission model can be difficult since the likelihood is often intractable due to partial observability. In this work, we address the question of adequate inclusion of variability by demonstrating a systematic approach for model selection and parameter inference for dynamic epidemic models. For this, we perform inference for six partially observed Markov process models, which assume the same underlying transmission dynamics, but differ with respect to the amount of variability they allow for. The inference framework for the stochastic transmission models is provided by iterated filtering methods, which are readily implemented in the R package pomp by King and others (2016, Statistical inference for partially observed Markov processes via the R package pomp. Journal of Statistical Software69, 1–43). We illustrate our approach on German rotavirus surveillance data from 2001 to 2008, discuss practical difficulties of the methods used and calculate a model based estimate for the basic reproduction number using these data.
登录
查看更多内容
影响因子：
1.8
作者：
Breto, Carles;He, Daihai;King, Aaron A.
通讯作者：
King, Aaron A.
影响因子：
2
作者：
Held, Leonhard;Meyer, Sebastian;Bracher, Johannes
通讯作者：
Bracher, Johannes
影响因子：
2.1
作者：
Held, Leonhard;Hofmann, Mathias;Schmid, Volker
通讯作者：
Schmid, Volker
影响因子：
2.1
作者：
Streftaris, George;Gibson, Gavin J.
通讯作者：
Gibson, Gavin J.
DOI：
10.1073/pnas.1410597112
发表时间：
2015-01-20
影响因子：
11.1
作者：
Ionides, Edward L.;Dao Nguyen;King, Aaron A.
通讯作者：
King, Aaron A.