两种随机过程的联合建模及其在从污水病毒浓度学习医院入院动态中的应用
统计方法学
2026-01-14 v1 应用统计
摘要
在新冠疫情后的时代，医院入院仍是公共卫生的主要关注焦点，污水监测已成为监测社区层面感染动态的重要工具。然而，通常缺乏足够的信息来了解导致污水病毒信号和住院病例的感染过程。此挑战激发了本文提出的统计框架。我们通过潜在的个体层面感染过程，将时间序列上的污水病毒信号与住院人数关联起来。我们提供了一种处理聚合数据的策略，这是典型的监测数据形式。此外，我们利用可用于感染过程的联合建模信息，缓解了常规统计学习中处理弥散问题的困难。模拟研究表明，所提方法在不同程度的漏报情况下仍能得到稳定推断。来自加拿大渥太华的新冠疫情监测数据显示，该框架在多种报告假设下能够恢复感染流行率和特定病毒株住院风险的连贯时序模式。
引用
@article{arxiv.2601.07977,
title = {Joint Modeling of Two Stochastic Processes, with Application to Learning Hospitalization Dynamics from Wastewater Viral Concentrations},
author = {K. Ken Peng and Charmaine B. Dean and Robert Delatolla and X. Joan Hu and Elizabeth Renouf},
journal= {arXiv preprint arXiv:2601.07977},
year = {2026}
}