离散型状态转移模型的非中心化：针对马拉维的大肠杆菌 ESBL 传播
统计方法学
2025-05-22 v2
摘要
感染病毒传播通常由离散值随机状态转移过程建模。由于数据不完整，基于贝叶斯推断常依赖数据增强技术。这些技术往往效率不高或实施耗时。我们引入一种新颖的数据增强马尔可夫链蒙特卡罗方法，用于离散时间基于个体的流行病模型，称为 Rippler 算法。该方法在 Metropolis-Hastings 算法的提议步骤中使用传播模型，而非接受-拒绝步骤中使用。我们对 Rippler 算法在模拟数据和来自马拉维蓝兰特采集的广谱β-内酰胺酶（ESBL）产生型大肠杆菌数据进行了测试。我们将 Rippler 算法与用于部分观察流行病数据的两种常用贝叶斯推断方法进行比较，发现其在混合速度和计算复杂度之间取得了良好平衡。
引用
@article{arxiv.2504.11836,
title = {Non-centering for discrete-valued state transition models: an application to ESBL-producing E. coli transmission in Malawi},
author = {James Neill and Rebecca Lester and Winnie Bakali and Gareth Roberts and Nicholas Feasey and Lloyd A. C. Chapman and Chris Jewell},
journal= {arXiv preprint arXiv:2504.11836},
year = {2025}
}
备注
22 pages, 8 figures (plus supplementary material with an additional 17 pages, 12 figures)