利用有限数据的疫情早期局部区域模型：以 SARS-CoV-2 为例
统计方法学
2024-03-20 v2 应用统计
摘要
新型传染因子的出现给疾病传播的统计模型带来了挑战。这些挑战源于有限、低质量的数据以及对传染因子认识的不完整。此外，由于各种因素，疫情在不同区域表现不同，使得模型必须考虑区域特异性。本工作中，我们提供一种模型，可有效利用受限数据资源在地方层面估计疾病传播率，特别是在早期暴发阶段，此时主要可获取感染计数与聚合的局部特征。该模型将基于每日感染数的病原传播方法与回归技术相融合，关联疾病传播与局部区域因素（如人口统计、卫生政策、行为乃至气候）以估计并预测每日感染数。我们引入拟得分方法与误差项以应对潜在的数据问题与错误假设。此外，我们提出一种在线估计器以支持实时数据更新，并辅以用于参数估计的迭代算法。该方法在数据质量欠佳且对传染病原认知有限时，可支持疾病传播的实时分析，尤其在暴发早期阶段有用，为地方决策提供支持。
引用
@article{arxiv.2212.08282,
title = {Early-Phase Local-Area Model for Pandemics Using Limited Data: A SARS-CoV-2 Application},
author = {Jiasheng Shi and Jeffrey S. Morris and David M. Rubin and Jing Huang},
journal= {arXiv preprint arXiv:2212.08282},
year = {2024}
}