具有马尔可夫性质的高斯过程先验用于有效再生产率推断

许多描述传染病暴发的量量，如有效再生产率 ($R_t$)，定义为新感染个体在其感染期间将引起的平均二次感染数，都需要建模为随时间变化的参数。在这种设置下，使用高斯随机漫步作为先验是常见做法，用于估计这些函数的贝叶斯分析中的路径监测数据。然而，在随机漫步先验中，可能会过于宽松，因为它未能捕捉关于估计量的先验科学知识，导致后验方差较大。我们提出了用于 $R_t$ 推断的几种高斯马尔可夫过程先验，包括积分布朗运动 (IBM)，当Augmented with其对应的布朗运动分量后，可表示为马尔可夫过程，从而具有计算效率高、易于实现和调参的优势。我们使用模拟暴发数据比较这些提议先验与高斯随机漫步先验以及另一种基于对马尔可夫协方差函数的近似的先进高斯过程先验的性能。我们发现，IBM 能匹配或超过其他先验的性能，我们展示在应用于县级 SARS-CoV-2 数据时，IBM 能产生符合流行病学常规且精确的结果。