基于更新过程的COVID-19半机理贝叶斯建模
应用统计
2021-01-01 v2 统计方法学
摘要
我们提出一种用于建模诸如COVID-19等疫情的通用贝叶斯方法。该方法源于大流行期间进行的具体分析，特别是关于11个欧洲国家中非药物干预（NPIs）降低COVID-19传播的分析。该模型通过回归框架参数化时变再生数 ，其中协变量可以是政府干预或流动性模式变化等。这允许跨地区联合拟合与部分池化以共享信息强度。这一创新对于我们及时估计封锁及其他NPIs在欧洲疫情中的影响至关重要，其有效性被疫情的后续进程所证实。我们的框架为潜在感染及由其产生的观测（包括死亡、病例、住院、ICU收治和血清流行率调查）提供了完全生成式模型。围绕我们模型在COVID-19大流行期间使用的一个问题是NPIs与流动性的混杂性质。我们使用我们的框架探究此问题。我们已开源了一个R包 epidemia，在Stan中实现我们的方法。该模型的若干版本被纽约州、田纳西州和苏格兰用于估计当前状况并制定政策决策。
引用
@article{arxiv.2012.00394,
title = {Semi-Mechanistic Bayesian Modeling of COVID-19 with Renewal Processes},
author = {Samir Bhatt and Neil Ferguson and Seth Flaxman and Axel Gandy and Swapnil Mishra and James A. Scott},
journal= {arXiv preprint arXiv:2012.00394},
year = {2021}
}