高维离散时间传染病模型的贝叶斯推断：英国 COVID-19 爆发的空间动态
物理与社会
2023-07-18 v3 统计方法学
摘要
纳入空间与人类流动性相互作用的随机传染病模型，是为适当地区疫情控制优先级排序提供信息的关键工具。然而，由于难以对高维、高度相关的删失流行病学事件数据进行边际化，目前将此类模型拟合到国家级人口数据的方法尚不敷用。在此，我们提出一种新的贝叶斯 MCMC 推断方法，用于空间显式随机 SEIR 元种群模型，采用一组新颖的模型知情 Metropolis-Hastings 采样器。我们将该方法应用于英国 COVID-19 病例数据，展示了实时空间结果，这些结果在疫情期间被用于为英国政策提供信息。
引用
@article{arxiv.2306.07987,
title = {Bayesian inference for high-dimensional discrete-time epidemic models: spatial dynamics of the UK COVID-19 outbreak},
author = {Chris P Jewell and Alison C Hale and Barry S Rowlingson and Christopher Suter and Jonathan M Read and Gareth O Roberts},
journal= {arXiv preprint arXiv:2306.07987},
year = {2023}
}