从经验数据学习疾病发生率的季节性
最优化与控制
2017-11-28 v2
摘要
在具有周期性气候模式的地区，研究疾病发生率的季节性在疾病监测中非常重要。鉴于疾病发生率随气象季节性变化的范式，本工作试图确定标准流行病模型能在多大程度上捕捉这种季节性，以改进预测和最优未来干预。一旦发病率数据被周期模型同化，就可以使用经典Floquet理论进行与疾病发生长期行为相关的渐近分析，该理论解释了现有周期解的稳定性。作为一个测试案例，我们采用IR模型同化来自印度尼西亚雅加达市的每周登革热发病率数据，我们以原始和移动平均滤波版本呈现这些数据。为了估计用于执行渐近分析的周期参数，分配了八种优化方案，返回的该参数大小在各方案间变化不显著。此外，计算结果与分析结果表明，如果该城市的疾病监测没有改善，那么发病率将上升到某个正轨道并保持周期性。
引用
@article{arxiv.1710.05464,
title = {Learning the seasonality of disease incidences from empirical data},
author = {Karunia Putra Wijaya and Dipo Aldila},
journal= {arXiv preprint arXiv:1710.05464},
year = {2017}
}