传染病传播房室模型的结构可辨识性受数据类型影响

若未确认模型可辨识性，则来自传染病传播模型的推断可能不可靠，从而可能导致误导性建议。结构可辨识性分析刻画了在给定模型结构下，是否有可能获得所有未知模型参数（包括初始条件）的唯一解。本工作中，我们研究了若干典型确定性房室模型用于传染病传播时的结构可辨识性，重点关注作为模型输出的数据类型对未知模型参数（含初始条件）可辨识性的影响。我们定义了26个模型版本，每个版本具有底层房室结构与作为模型输出的数据类型之唯一组合。研究了四种房室模型结构和疾病监测中三种常见数据类型（发病率、患病率和检测到的媒介数量）。部分参数的结构可辨识性随模型输出类型而变。一般而言，以多种数据类型作为输出的模型比仅以单一数据类型作为输出的模型具有更多结构可辨识参数。本研究强调了在基于房室传染病传播模型的推断过程中，将数据类型作为有机组成部分加以仔细考量的重要性。