从粗粒度接触数据估计精细年龄结构与人类接触模式的时间趋势：贝叶斯比率一致性模型
应用统计
2023-07-19 v1
摘要
自严重急性呼吸综合征冠状病毒2(SARS-CoV-2)出现以来，已开展许多接触调查以衡量面对疫情与非药物干预时人类互动的变化。这些调查通常纵向进行，所用方案与疫情前时代不同。我们提出一种基于模型的统计方法，即使接触者年龄以5年或10年年龄组粗粒度报告，也能以1年分辨率重建接触模式。这一创新植根于群体间接触总和必须满足的群体层面一致性约束，促使我们将此处方法称为贝叶斯比率一致性模型。该模型引入计算高效的希尔伯特空间高斯过程先验，以推断按年龄和性别结构化的社会接触动态，并设计用于校正纵向调查中的报告疲劳。我们在模拟上展示了从粗粒度数据以充分精度重建按性别和1岁年龄间隔的接触模式的能力，且处于完全贝叶斯框架内以量化不确定性。我们研究了2020年4月至6月德国跨五轮纵向调查收集的社会接触数据。我们重建了疫情早期社会接触中的精细年龄结构，并表明社会接触以结构化、非均匀的方式反弹。我们还显示，尽管非药物干预大幅放松，到2020年7月社会接触强度仍远低于疫情前水平。这种基于模型的推断方法为开放获取、计算易处理从而可实现完全贝叶斯不确定性量化，并且只要报告调查参与者的确切年龄，便可直接应用于当代调查数据。
引用
@article{arxiv.2210.11358,
title = {Estimating fine age structure and time trends in human contact patterns from coarse contact data: the Bayesian rate consistency model},
author = {Shozen Dan and Yu Chen and Yining Chen and Melodie Monod and Veronika K. Jaeger and Samir Bhatt and Andre Karch and Oliver Ratmann},
journal= {arXiv preprint arXiv:2210.11358},
year = {2023}
}
备注
39 pages, 16 figures