使用贝叶斯多元自回归模型估计病原体动态中的时间协方差

人们普遍认识到，动物和植物病原体在宿主内形成由相互作用生物体组成的复杂生态群落。尽管群落生态学方法已被用于确定宿主尺度内的病原体相互作用，但缺乏能够对病原体相互作用的流行病学影响进行稳健推断的方法学。在此，我们开发了一种新的统计框架，以同时从多种病原体的感染时间序列中识别统计协方差。我们的框架扩展了贝叶斯多元疾病映射模型，通过考虑感染风险的年内和跨年依赖性，并结合我们估计的病原体间协方差矩阵，来分析多元时间序列数据。重要的是，我们的方法考虑了病原体感染频率时间模式的潜在混杂驱动因素，从而能够对病原体-病原体相互作用进行稳健推断。我们使用模拟数据验证了该统计框架的有效性，并将其应用于2005年至2013年间在某大城市人群中共同传播的五种呼吸道病毒的诊断数据：腺病毒、人冠状病毒、人偏肺病毒、乙型流感病毒和呼吸道合胞病毒。我们发现了指示特定病毒对之间存在流行病学相互作用的正协方差和负协方差。该统计框架使得群落生态学视角能够应用于传染病流行病学，对公共卫生规划和准备具有重要意义。