利用接触追踪增强流行病贝叶斯风险预测

从疾病暴发中收集的接触追踪数据在流行病建模文献中受到的关注相对较少，因为人们认为这些数据不可靠：感染源可能被错误归因，或者由于问卷调查中的资源限制而导致数据缺失。尽管如此，这些数据可能为疾病传播率提供丰富的信息来源。本文提出了一种新方法，将接触追踪数据与基于率的接触网络数据相结合，以提高后验精度，从而提高预测准确性。我们提出了一种贝叶斯推断的进展，用于流行病，该进展融合了这些数据，并且对部分接触追踪具有鲁棒性。通过基于英国家禽业的模拟研究，我们展示了接触追踪数据的存在如何提高后验预测准确性，并可以直接指导更有效的控制策略。