推断 COVID-19 传播中的变点以揭示干预措施的有效性
种群与进化
2022-11-17 v3
摘要
随着 COVID-19 在全球迅速蔓延，短期建模预测为遏制和缓解策略的决策提供了关键的时间紧迫信息。短期预测的一大挑战是评估关键流行病学参数，以及这些参数在首批干预措施显现效果时如何变化。通过将成熟的流行病学模型与贝叶斯推断相结合，我们分析了新增感染有效增长率的时变特征。聚焦于德国境内的 COVID-19 传播，我们检测到有效增长率中的变点，其与公开宣布干预措施的时间高度吻合。由此，我们能够量化干预措施的效果，并将相应的变点纳入对未来情景和病例数的预测中。我们的代码免费提供，并可轻松适配任何国家或地区。
引用
@article{arxiv.2004.01105,
title = {Inferring change points in the COVID-19 spreading reveals the effectiveness of interventions},
author = {Jonas Dehning and Johannes Zierenberg and F. Paul Spitzner and Michael Wibral and Joao Pinheiro Neto and Michael Wilczek and Viola Priesemann},
journal= {arXiv preprint arXiv:2004.01105},
year = {2022}
}
备注
23 pages, 11 figures. Our code is freely available and can be readily adapted to any country or region ( https://github.com/Priesemann-Group/covid19_inference_forecast/ )