针对 2019 冠状病毒病的时空 Dirichlet 过程混合模型
统计方法学
2022-07-15 v1 应用统计
摘要
理解 2019 冠状病毒病（COVID-19）的时空模式对构建公共卫生干预至关重要。与更常见的聚合计数数据相比，空间参照数据可提供更丰富的机会理解疾病传播机制。我们提出一种时空 Dirichlet 过程混合模型，以分析城市环境中的 COVID-19 确诊病例。我们的方法可探测流行病未观测的簇中心，并估计簇的时空范围，有助于构建预警系统。此外，我们的模型可度量城市中不同类型地标的影响，从而直观解释不同时点疾病传播源的来由。为高效捕捉疾病模式的 temporal 动态，我们采用序贯方法，将前一时步参数的后验分布用作当前时步的先验信息。该方法使我们能以计算高效的方式将时间依赖性纳入模型，且不使模型结构复杂化。我们还通过将数据与理论密度比较开发了模型评估，并概述了拟合模型的优度。
引用
@article{arxiv.2207.06587,
title = {A Spatio-Temporal Dirichlet Process Mixture Model for Coronavirus Disease-19},
author = {Jaewoo Park and Seorim Yi and Won Chang and Jorge Mateu},
journal= {arXiv preprint arXiv:2207.06587},
year = {2022}
}
备注
26 pages, 10 figures