用于麻疹预测的整数值函数型数据分析
应用统计
2019-07-02 v1
摘要
麻疹对流行病学家和公共卫生官员提出了独特且迫在眉睫的挑战：该病高度传染，而许多地区的疫苗接种率正在急剧下降。因此，麻疹暴发的风险持续上升。为改善防范，我们研究了疫苗前与疫苗后的历史麻疹数据，并设计了新方法以量化不确定性来预测麻疹计数。我们提议将疾病计数建模为整数值函数型时间序列：麻疹计数是年内时间的函数，并按年份时间排序。计数使用基于实值潜过程的负二项分布建模，该潜过程解释了数据中观察到的过离散。潜过程使用从数据中学到的未知基展开分解，并具有动态基系数。所得框架增强了对逐年动态变化的复杂季节性的建模能力，并与现有预测模型相比提供了改进的多月提前点预测和显著更紧的预测区间（具有正确覆盖）。重要的是，全贝叶斯方法为流行病相关特征（如给定年份中麻疹峰值计数的未来值与时间）提供了校准良好且精确的不确定性量化。一个 R 包可在线获取。
引用
@article{arxiv.1902.07788,
title = {Integer-Valued Functional Data Analysis for Measles Forecasting},
author = {Daniel R. Kowal},
journal= {arXiv preprint arXiv:1902.07788},
year = {2019}
}