传染病传播的幂律模型

短时人类出行行为可用关于距离的幂律来描述。我们将这一信息纳入用于传染病监测数据的时空模型中，以更好地捕捉疾病传播的动态。我们扩展了两类已建立的模型，这两类模型都将疾病风险加性分解为地方性成分和流行性成分：一种是针对个体水平数据的时空点过程模型，另一种是针对聚合计数数据的多变量时间序列模型。在这两种框架中，空间相互作用的幂律衰减被嵌入到流行性成分中，并与所有其他未知参数一起使用（惩罚）似然推断进行估计。虽然在点过程模型中幂律可以基于欧几里得距离，但我们针对计数数据提出了一种新公式，其中幂律依赖于离散空间单元的邻域阶数。通过对德国侵袭性脑膜炎球菌病个体病例（2002-2008 年）和德国南部 140 个行政区流感计数数据（2001-2008 年）的重新分析，研究了新方法的表现。在两个应用中，幂律显著改善了模型拟合和预测，并且与将距离和邻域阶数分别视为因子的替代定性公式相当接近。该方法已在 R 包 surveillance 中实现，可应用于其他场景。