传染病传播网络的贝叶斯估计
定量方法
2024-09-10 v1 种群与进化
摘要
重建传播网络对于识别超级传播者和高风险地点等关键因素至关重要，这些因素对于制定有效的流行病预防策略至关重要。在本研究中，我们开发了一个整合基因组和时间数据的贝叶斯框架，用于重建传染病的传播网络。该贝叶斯传播模型考虑了潜伏期，并区分了症状出现和实际感染时间，从而提高了传播动力学和流行病学模型的准确性。此外，该模型允许多种病原体谱系传播，比假设单一谱系传播的模型更准确地反映了真实世界传播事件的复杂性。模拟结果表明，贝叶斯模型能够可靠地估计模型参数和传播网络。此外，假设检验能有效识别直接传播事件。该方法凸显了遗传数据在重建传播网络以及理解传染病起源和传播动力学中的关键作用。
引用
@article{arxiv.2409.05245,
title = {Bayesian estimation of transmission networks for infectious diseases},
author = {Jianing Xu and Huimin Hu and Gregory Ellison and Lili Yu and Christopher Whalen and Liang Liu},
journal= {arXiv preprint arXiv:2409.05245},
year = {2024}
}