如何从不完整的接触日记数据估计流行病风险？

社会互动塑造了群体中传播过程的模式。诸如日记或接近传感器等技术允许收集关于相遇的数据，并构建个体间的接触网络。然而，从这些不同技术获得的接触网络在定量上是不同的。在此，我们首先展示了当这些数据被输入到流行病传播的数值模型中时，这些差异如何影响流行病风险的预测：与传感器数据相比，接触日记中的低参与率、接触漏报和接触持续时间高估，确实决定了相应模拟结果的重要差异，例如对初始条件的敏感性增强。最重要的是，我们研究了是否以及如何利用从接触日记中收集的信息在此类模拟中产生对流行病风险的准确描述，假设来自传感器的数据代表真实情况。由接触传感器和日记构建的接触网络确实呈现出若干结构相似性：这表明有可能仅使用接触日记网络信息来构建一个替代接触网络，使得使用该替代网络的模拟给出与使用接触传感器网络的模拟相同的流行病风险估计。我们提出并比较了几种构建此类替代数据的方法，并表明只要接触日记信息辅以描述人类接触持续时间异质性的公开可用数据，确实有可能在替代数据和传感器数据的模拟结果之间获得良好的一致性。