利用辅助信息解决 COVID-19 病例计数数据中的选择偏差与测量误差
统计方法学
2022-09-22 v3
摘要
冠状病毒病例计数数据影响了政府政策并驱动大多数流行病学预测。有限的检测被认为是有关 COVID-19 大流行信息匮乏的关键驱动因素。尽管扩大检测值得称赞，但测量误差与选择偏差是限制我们理解 COVID-19 大流行的两大最主要问题；二者均无法仅靠提升检测能力完全解决。在本文中，我们展示了它们对点患病率与有效再生数估计的影响。我们表明，基于美国数百万分子检测的估计与一个小规模简单随机样本具有相同的均方误差。为此，我们提出一种将病例计数数据与随时间随机样本结合以基于关键协变量信息估计选择倾向的步骤。随后我们将这些选择倾向与流行病学预测模型结合，构建了一种考虑测量误差与选择偏差的\emph{双重稳健}估计方法。该方法随后被应用于利用病例计数、住院与死亡数据及人口统计信息、4月25--29日收集的州级随机分子样本以及 Delphi 的 COVID-19 趋势与影响调查来估计印第安纳州的活跃感染患病率。我们以基于所提方法的一系列建议作结。
引用
@article{arxiv.2005.10425,
title = {Addressing selection bias and measurement error in COVID-19 case count data using auxiliary information},
author = {Walter Dempsey},
journal= {arXiv preprint arXiv:2005.10425},
year = {2022}
}