用时变系数状态空间模型追踪新冠肺炎传播动态

新冠肺炎的传播受到各地区（县、州、国家）监管政策和行为模式的极大影响。新冠肺炎的人群层面动态通常可用一组常微分方程描述，但这些确定性方程不足以建模观测到的病例率，后者可能因当地检测和病例报告政策以及个体间非均匀行为而变异。为评估人口流动性对新冠肺炎传播的影响，我们开发了一种新颖的贝叶斯时变系数状态空间模型用于传染病传播。该模型的基础是一个时变系数仓室模型，以重现易感、暴露、未检出感染、已检出感染、未检出移除、已检出非感染、已检出康复和已检出死亡个体间的动态。传染性和检测参数被建模为随时间变化，且模型中的传染性分量融合了多源人口流动性信息。除该仓室模型外，引入乘法过程模型以允许对确定性动态的偏离。我们将此模型应用于美国若干州和科罗拉多州多县的观测新冠肺炎病例和死亡数据。我们发现人口流动性度量与传播率高度相关，并能解释这些地区传染性中复杂的时间变化。此外，推断出的流动性与流行病学参数间随地点变化的关系，揭示了不同政策对新冠肺炎动态的非均匀影响。