释放感染时间模型的潜力：通过数据增强改进瞬时再生数估计
统计方法学
2025-01-10 v2
摘要
感染时间 (TSI) 模型利用疾病监测数据对传染病进行建模，因其灵活性和处理复杂疾病控制问题的能力而日益流行。然而，TSI 模型的一个显著局限是其主要依赖发病数据。即使有住院数据可用，现有的 TSI 模型也未能用于改进疾病传播的估计或估计住院相关参数——这些指标对于理解大流行和规划医院资源至关重要。此外，它们对报告感染数据的依赖使其易受数据质量变化的影响。在本研究中，我们通过整合住院数据来推进 TSI 模型，标志着 TSI 模型建模向前迈出了重要一步。我们引入住院倾向参数来联合建模发病和住院数据。我们使用复合似然函数以适应复杂的数据结构，并使用蒙特卡洛期望最大化算法来估计模型参数。我们分析 COVID-19 数据以估计疾病传播、评估风险因素影响并计算住院倾向。我们的模型提高了 TSI 模型中瞬时再生数估计的准确性，尤其是在住院数据质量高于发病数据时。它能够在无需依赖接触者追踪数据的情况下估计关键的传染病参数，并为将 TSI 模型与其他传染病模型整合提供了基础。
引用
@article{arxiv.2403.12243,
title = {Unlocking the Power of Time-Since-Infection Models: Data Augmentation for Improved Instantaneous Reproduction Number Estimation},
author = {Jiasheng Shi and Yizhao Zhou and Jing Huang},
journal= {arXiv preprint arXiv:2403.12243},
year = {2025}
}