估计 COVID-19 感染病死率时针对优先检测的贝叶斯调整
统计方法学
2021-03-11 v4 应用统计
摘要
估计感染病死率（IFR）及其与各种关注因素之间关系的一个关键挑战在于确定病例总数。病例总数未知，不仅因为并非所有人都接受了检测，更重要的是因为受检个体并不能代表总体人群。我们将感染者比未感染者更有可能接受检测的现象称为“优先检测”。一个悬而未决的问题是，在完全不了解数据受优先检测偏倚程度的具体信息的情况下，是否有可能可靠地估计 IFR。本文采用部分可识别性方法，明确阐明可做出有意先验假设的环节，并提出一个汇集不同样本信息的贝叶斯模型。将该模型拟合于来自血清流行率研究和各国官方 COVID-19 统计的欧洲数据后，我们估计欧洲总体 COVID-19 IFR 为 0.53%，95% 置信区间 = [0.39%, 0.69%]。
引用
@article{arxiv.2005.08459,
title = {Bayesian adjustment for preferential testing in estimating the COVID-19 infection fatality rate},
author = {Harlan Campbell and Perry de Valpine and Lauren Maxwell and Valentijn MT de Jong and Thomas Debray and Thomas Jänisch and Paul Gustafson},
journal= {arXiv preprint arXiv:2005.08459},
year = {2021}
}
备注
53 pages, 14 figures