一种基于成对病原体检测与血清学数据表征疾病出现曲线的方法

野生动物疾病监测项目与研究通过追踪感染并识别野生动物种群、人类和农业的风险因素。通常，会从个体收集多种类型的样本，以提供关于动物感染史的更完整信息。通过流行病学过程模型联合分析多种数据流以研究疾病出现和感染驱动因素的方法仍不完善。联合分析方法能够更彻底地分析所有可用数据，从而更精确地量化流行病过程、暴发状态和风险。我们提出了一种成对数据建模方法，用于分析来自个体的多个样本。我们使用“表征图”通过分层统计观测模型将成对数据与流行病学过程联系起来。我们的方法可以提供流行病学参数和状态的贝叶斯估计与频率派估计。我们通过使用成对的病原体和抗体检测测试来估计广泛适用的易感-感染-恢复（SIR）模型的参数和感染轨迹的需求，来论证我们方法的动机。我们提供了将表征图与任意过程模型和数据集联系起来的通用公式，以及一个能更好地适应成对数据的扩展 SIR 模型。我们通过模拟发现，与未成对数据相比，成对数据能更高效地估计 SIR 参数，所需的个体样本数减少 5-10 倍。随后，我们研究了来自美国三个县野生白尾鹿中的 SARS-CoV-2。对平均感染时间的估计证实了圈养动物研究的结果。我们的方法利用一般统计理论，使应用能够超越我们所考虑的 SIR 模型，并扩展到更复杂的成对数据示例。