通过贝叶斯空间函数并行回归揭示 SARS-CoV-2 废水浓度与社区感染之间的动力学
统计方法学
2024-12-05 v1 应用统计
摘要
监测 SARS-CoV-2 废水浓度可提供低成本、非侵入式方法来跟踪疾病流行病，并为受服务社区的即将发生暴发提供早期警示信号。临床和公共卫生领域对了解废水病毒负荷与人群感染率之间确切动力学关系具有浓厚兴趣。由于两个数据源可能包含大量噪声和缺失值，此外还有空间和时间依赖性，正确建模此关系必须同时处理这些诸多复杂性，同时提供可解释且清晰的见解。我们提出了一种新型贝叶斯函数并行回归模型，能够同时考虑空间和时间相关性，估计废水浓度与阳性率随时间变化之间的动态效应。我们显式建模了两个时间序列之间的时间滞后，并对废水浓度峰值与随后暴发之间的可能延迟提供完整的后验推断。我们估计了废水水平峰值与报告的临床阳性率之间可能存在 5 到 11 天的时间滞延。此外，我们发现废水浓度水平与其与阳性率关联强度之间的动态关系会在暴发和非暴发期间发生波动。
引用
@article{arxiv.2412.02970,
title = {Uncovering dynamics between SARS-CoV-2 wastewater concentrations and community infections via Bayesian spatial functional concurrent regression},
author = {Thomas Y. Sun and Julia C. Schedler and Daniel R. Kowal and Rebecca Schneider and Lauren B. Stadler and Loren Hopkins and Katherine B. Ensor},
journal= {arXiv preprint arXiv:2412.02970},
year = {2024}
}