针对传染病离散观测随机区室模型的直接似然推断
统计计算
2018-07-26 v2 种群与进化
摘要
随机区室模型是理解人群中传染病流行过程以及前瞻性评估干预政策的重要工具。然而，计算即使简单模型(如普遍存在的易感-感染-移除(SIR)模型)的离散观测数据的似然，自近一个世纪前提出以来一直被认为计算上难以处理。最近研究者提出通过数据增强或近似来规避此限制的方法，但这些方法常受高计算成本或精度损失困扰。我们开发了数学基础和高效算法来计算广泛类别随机区室模型离散观测数据的似然。我们还给出使用相同技术的转移概率导数表达式，使得通过哈密顿蒙特卡洛(HMC)进行推断成为可能。我们使用17世纪埃亚姆瘟疫(SIR模型的经典例子)将我们的递归方法与顺序蒙特卡洛比较，使用HMC分析并评估模型假设。我们还将直接似然评估应用于2014-2015年几内亚埃博拉疫情进行贝叶斯推断。结果表明自2014年10月以来几内亚东南地区的传染病发病率下降，而其他地区保持不变，有助于理解疫情和埃博拉控制干预的有效性。
引用
@article{arxiv.1608.06769,
title = {Direct likelihood-based inference for discretely observed stochastic compartmental models of infectious disease},
author = {Lam Si Tung Ho and Forrest W. Crawford and Marc A. Suchard},
journal= {arXiv preprint arXiv:1608.06769},
year = {2018}
}