基于粒子 MCMC 从流行病学与遗传数据推断再生数
统计方法学
2026-03-16 v2 基因组学
种群与进化
应用统计
统计计算
摘要
在传染病暴发期间，推断随时间变化的再生数至关重要。通常，流行病学家利用观测的患病率或发病率数据来解决此问题。然而，仅凭患病率与发病率数据往往含有噪声或不完整。模型在判定观测到的是小规模流行病的大量数据还是大规模流行病的少量数据方面也可能存在可识别性问题。不过，测序数据正变得愈发丰富，因此能够整合遗传数据的方法是一个活跃的研究领域。我们提出使用粒子 MCMC 方法，从一组离散时刻报告的患病率数据与由序列重建的有时间标定的系统发生树之组合中推断时变再生数。我们在多种情景的模拟流行病上验证了该方法。随后我们将该方法应用于美国北卡罗来纳州 HIV-1 与阿根廷布宜诺斯艾利斯结核病的真实数据集。模型与算法实现于一个名为 EpiSky 的开源 R 包中，可在 https://github.com/alicia-gill/EpiSky 获取。
引用
@article{arxiv.2311.09838,
title = {Bayesian Inference of Reproduction Number from Epidemiological and Genetic Data Using Particle MCMC},
author = {Alicia Gill and Jere Koskela and Xavier Didelot and Richard G. Everitt},
journal= {arXiv preprint arXiv:2311.09838},
year = {2026}
}
备注
24 pages, 11 figures (30 pages, 19 figures including appendices)