基于群体水平观测的网络上 SIS 流行病的概率预测
种群与进化
2021-11-11 v1 动力系统
应用统计
摘要
我们预测规则网络、Erdős-Rényi 网络和 Barabási-Albert 网络上正在进行的易感-感染-易感（SIS）流行病的未来进程。已知接触网络影响流行病在群体中的传播。因此，对流行病的观测（此处为群体水平）包含关于底层网络的信息。该信息反过来有助于预测正在进行的流行病的未来进程。为在预测框架中利用这一点，网络上 SIS 流行病的精确高维随机模型被一个低维代理模型近似。该代理模型基于生灭过程；底层网络的影响由针对生率的参数化模型描述。我们从经验上证明，一旦代理模型到达不会消亡的点，它就能捕捉流行病内在的随机性。贝叶斯参数推断允许将关于模型参数和底层网络类别的不确定性直接纳入概率预测中。对若干情景的评估表明，在大多数情况下，所得预测区间充分量化了预测不确定性。只要群体水平数据在足够长的时期内可用，即使采样不频繁，该模型也能产生优异的预测，其中底层网络被正确识别，且预测不确定性主要反映传播流行病的内在随机性。对于从较短观测期推断的预测，参数和网络类别的不确定性主导预测不确定性。所提方法依赖最少数据且数值高效，这使其作为独立的推断与预测方案或与其他方法结合使用均具吸引力。
引用
@article{arxiv.2111.05369,
title = {Probabilistic predictions of SIS epidemics on networks based on population-level observations},
author = {Tanja Zerenner and Francesco Di Lauro and Masoumeh Dashti and Luc Berthouze and Istvan Z. Kiss},
journal= {arXiv preprint arXiv:2111.05369},
year = {2021}
}