个体级空间流行病模型快速计算的复合方法
统计方法学
2025-09-08 v1
摘要
个体级模型（ILM）常用于流行病建模，因其能灵活纳入影响感染易感性与传播性的个体级协变量。然而，ILM 的推断计算量巨大，尤其是随着总人口规模增加和更多协变量的纳入。我们提出一种复合方法——复合 ILM（C-ILM），将种群聚类为干扰最小的子种群，并通过“火花函数”实现簇间感染。该方法允许在聚合前对子集进行并行计算。针对 C-ILM，我们考虑了四种“火花函数”，并引入了用于聚类的 Dirichlet 过程混合模型（DPMM）算法。模拟结果表明，除计算更快外，C-ILM 在参数估计和后验预测方面表现良好。此外，在 C-ILM 框架内，DPMM 算法表现出优于传统 -means 算法的性能。我们将该方法应用于 2001 年英国口蹄疫暴发数据。结果证明，C-ILM 不仅计算高效，且与基础空间 ILM 相比实现了更好的模型拟合。
引用
@article{arxiv.2509.04660,
title = {Composite method for fast computation of individual level spatial epidemic models},
author = {Yirao Zhang and Rob Deardon and Lorna Deeth},
journal= {arXiv preprint arXiv:2509.04660},
year = {2025}
}