利用常规收集的重症病例数据监测和预测流感暴发
摘要
流感仍然对卫生系统构成重大负担。有效的应对依赖于及时了解暴发的规模和演变。出于监测目的，英格兰每周向英国公共卫生署报告流感重症病例数据。这些数据不仅易于获取，而且有潜力提供有价值的信息，以估计和预测季节性和大流行性流感的关键传播特征。我们提出了一个流行病模型，将潜在未观测到的流感传播过程与流感重症病例数据联系起来。在贝叶斯框架内，我们回顾性地推断了 2012 年至 2015 年每次季节性暴发的流行病模型参数，包括：有效再生数；初始易感性；感染后进入重症监护的概率；以及学校关闭对传播的影响。该模型也被实时实施，以评估早期预测重症监护入院人数是否可行。我们的入院数据模型允许重建潜在的传播动力学，揭示出：2013/14 季节期间传播增强，以及圣诞节学校假期对 2012/13 和 2014/15 季节疾病传播的显著影响。当可获得人群初始免疫信息时，对重症监护入院人数的预测可以得到显著改善。易于获取的重症病例数据可有效用于估计流行病学特征并预测流行病的演变，从而关键性地实现对暴发传播和严重程度的实时监测。
引用
@article{arxiv.1706.02527,
title = {Exploiting routinely collected severe case data to monitor and predict influenza outbreaks},
author = {Alice Corbella and Xu-Sheng Zhang and Paul J. Birrell and Nicky Boddington and Anne M. Presanis and Richard G. Pebody and Daniela De Angelis},
journal= {arXiv preprint arXiv:1706.02527},
year = {2017}
}
备注
17 pages, 6 Figures, 3 tables and one ancillary file (Additional_File_1) Replacement of "Monitoring and predicting influenza epidemics from routinely collected severe case data" with the following changes: we used a continuous-time system to describe transmission; we used a time varying transmission; we improved the analysis of the waiting time from symptoms to ICU admissions