疾病监测数据报告延迟建模
应用统计
2020-10-16 v3
摘要
实时追踪流行病的一个难点在于报告延迟。报告延迟可能源于实验室确认、物流问题、基础设施困难等。尽快校正可用信息的能力至关重要，这关系到向公众和地方当局发布预警等决策。本文提出一种贝叶斯分层建模方法，作为校正报告延迟并量化相关不确定性的灵活途径。由于采用集成嵌套拉普拉斯近似 (INLA)，模型实现速度很快。该方法在巴西里约热内卢的登革热发病数据以及巴拉那州的重症急性呼吸道疾病 (SARI) 数据上进行了示例说明。
引用
@article{arxiv.1709.09150,
title = {Modelling reporting delays for disease surveillance data},
author = {Leonardo Bastos and Theodoros Economou and Marcelo Gomes and Daniel Villela and Flavio Coelho and Oswaldo Cruz and Oliver Stoner and Trevor Bailey and Claudia Codeço},
journal= {arXiv preprint arXiv:1709.09150},
year = {2020}
}