北约当地塔菲里亚非洲盲目疫苗暴发的统计模型
定量方法
2024-07-23 v1 应用统计
统计计算
统计方法学
摘要
当流行病在人群中感染病例数超过典型水平时，就会发生疫苗暴发。未被检测和及早管理的暴发会增加死亡率和患病率，并因应对这些事件的活动而产生成本。本研究使用菲律宾北塔菲里亚省的感染病例数。该省的卫生局流行病学与监测部提供了2016年1月至2021年12月的每周报告感染病例数据。我们使用了几种整数值自回归（INAR）时间序列模型，以探索在该省检测和识别感染暴发的可能性，同时也使用经典的ARIMA模型。根据良好拟合度、感染暴发检测准确性和及时性对这些模型进行评估。本研究的结果确认了INAR模型相对于ARIMA模型的概念优势，因为后者产生非整数预测，而对于计数数据（如感染病例）则不切实际。此外，在INAR模型中，ZINGINAR(1)模型被推荐用于具有良好模型拟合度以及及时准确的暴发检测。进一步地，政策制定者和决策者可以利用ZINGINAR(1)模型改进疾病监视并在疾病传播之前实施预防措施。
引用
@article{arxiv.2407.15028,
title = {Statistical Models for Outbreak Detection of Measles in North Cotabato, Philippines},
author = {Julienne Kate N. Kintanar and Roel F. Ceballos},
journal= {arXiv preprint arXiv:2407.15028},
year = {2024}
}