用于SIR预测的发病率和患病率峰值数据映射
统计方法学
2024-04-25 v1 应用统计
摘要
传染病建模和预测在帮助评估和应对流行病和大流行方面发挥了关键作用。最近的工作利用疾病峰值感染和峰值住院发病率数据来拟合房室模型，以预测和描述疾病爆发的动态。纳入这些数据可以极大地稳定基于早期观测的房室模型拟合，因为数据中的微小扰动可能导致模型拟合出极其不切实际的峰值感染。我们引入了一种新方法，通过将SIR模型的起始参数与峰值发病率之间的关系表述为一个可通过计算求解的两个方程系统，将历史住院峰值发病率的值和时间数据纳入易感-感染-恢复（SIR）模型的拟合中。通过模拟，我们从计算精度和速度方面评估了该方法的实用性。为了展示建模潜力，我们更新了Dirichlet-Beta状态空间建模框架以使用住院发病率数据，因为该框架先前仅被公式化为纳入总感染数据。
引用
@article{arxiv.2404.15572,
title = {Mapping Incidence and Prevalence Peak Data for SIR Forecasting Applications},
author = {Alexander C. Murph and G. Casey Gibson and Lauren J. Beesley and Nishant Panda and Lauren A. Castro and Sara Y. Del Valle and Dave Osthus},
journal= {arXiv preprint arXiv:2404.15572},
year = {2024}
}