超级传播下的推断：德国 SARS-CoV-2 传播的决定因素
应用统计
2020-11-10 v1 计量经济学
摘要
超级传播使 SARS-CoV-2 传播的研究复杂化。我提出一种针对聚合病例数据的模型，该模型考虑了超级传播并改进了统计推断。在贝叶斯框架下，模型基于德国数据估计，数据包含超过 60,000 例具有症状出现日期与年龄组的病例。若干因素与传播的显著下降相关：公众意识提升、检测与追踪、本地发病率信息以及高温。感染后的免疫、学校和餐馆关闭、居家令以及强制面部遮盖与较小的传播下降相关。数据表明，公共社交距离规则增加了年轻人的传播。本地发病率信息与高达 44%（95% 置信区间：[40%, 48%]）的传播下降相关，这表明针对本地感染风险的行为适应起着突出作用。检测与追踪使传播降低了 15%（95% 置信区间：[9%,20%]），其中在老年人群中效应最强。外推天气效应，我估计在较冷季节传播增加 53%（95% 置信区间：[43%, 64%]）。
引用
@article{arxiv.2011.04002,
title = {Inference under Superspreading: Determinants of SARS-CoV-2 Transmission in Germany},
author = {Patrick W. Schmidt},
journal= {arXiv preprint arXiv:2011.04002},
year = {2020}
}