混合时间序列准似然模型用于揭示Covid-19病毒载量与死亡动力学
统计方法学
2026-03-30 v1 应用统计
摘要
准确实时监测疾病传播对疫情防控至关重要，传统上依赖报告病例或住院数据。此类指标常受报告延迟、各种形式的偏差和漏报的影响。逆转录定量聚合酶链反应获得的循环阈值提供了一种有前景的替代方案，作为病毒载量的代理。本文中，我们旨在联合建模病毒载量和死亡数量（死亡率），涉及连续有界和计数时间序列，因此需要合适的混合类型模型。这促使我们提出了一种新的混合值时间序列准似然（MixTSQL）模型，能够分析不同类型（如连续、离散、有界和连续正）的多元时间序列。MixTSQL模型仅需要均值-方差规定，无需分布假设，并允许检验格兰杰因果性。统计保证确保所提出的准极大似然估计量的一致性和渐近正态性。我们使用MixTSQL模型分析了巴西圣保罗的每周病毒载量和Covid-19死亡计数，该模型不仅建立了病毒载量格兰杰导致死亡率的时间顺序，还提供了全面的联合统计分析。
引用
@article{arxiv.2603.26358,
title = {Mixed Time Series Quasi-Likelihood Models for Uncovering Covid-19 Viral Load and Mortality Dynamics},
author = {Kejin Wu and Raanju R. Sundararajan and Michel F. C. Haddad and Luiza S. C. Piancastelli and Wagner Barreto-Souza},
journal= {arXiv preprint arXiv:2603.26358},
year = {2026}
}
备注
Paper submitted for publication