基于多数据源的随机动力学模型推断：从聚合报告与病毒学数据联合估计感染动态
应用统计
2019-04-01 v2 种群与进化
摘要
流感与呼吸道合胞病毒（RSV）是全球季节性急性呼吸道感染（ARI）的主要病原。医生通常仅基于患者症状诊断 ARI，并不总进行识别个别病毒所需的病毒学检测，这限制了对多种病原体间相互作用的研究及公共卫生建议的制定。我们考虑一个描述在大规模人群中流行的两种相互作用 ARI 病原体的随机动力学模型（SKM），以及一个基于经验动机的、由引起相似症状的其他病原体所致感染的背景过程。一种基于 SKM 线性噪声近似的扩展边际采样方法整合了多数据源与附加模型组分。我们在贝叶斯层次模型中推断定义病原体动态与相互作用的参数，并基于州卫生部门收集的六个流行季的聚合感染报告，以及墨西哥圣路易斯波托西一家综合医院哨点项目的病毒学检测子集，探究各疾病的感染后验轨迹。我们基于真实与模拟数据解释结果，并对未来数据收集策略提出建议。补充材料与软件已在线提供。
引用
@article{arxiv.1903.10905,
title = {Inference for stochastic kinetic models from multiple data sources for joint estimation of infection dynamics from aggregate reports and virological data},
author = {Yury E. García and Oksana A. Chkrebtii and Marcos A. Capistrán and and Daniel E. Noyola},
journal= {arXiv preprint arXiv:1903.10905},
year = {2019}
}
备注
This is a reviced version of a previous paper "Identifying Individual Disease Dynamics in a Stochastic Multi-pathogen Model From Aggregated Reports and Laboratory Data (arXiv:1710.10346)" and it was upload as a new one accidentally