利用后验预测分布分析流行病模型：墨西哥城的 COVID-19
种群与进化
2021-03-02 v2 物理与社会
摘要
流行病学模型包含一组必须基于可用观测进行调整的参数。一旦模型被校准，它就可作为预测工具用于做出预测和评估应急计划。通常仅采用点估计量进行此类预测。然而，某些模型可能在较宽参数值范围内同样较好地拟合数据，这种灵活性意味着由此类模型得出的预测将差异很大，取决于在拟合良好的范围内所采用的特定参数值。当数据贫乏或不完整时，模型不确定性进一步加宽。规避此问题的一种方法是使用贝叶斯统计来纳入观测，并利用后验分布中包含的参数估计全范围来调整模型预测中的不确定性。具体而言，给定流行病学模型和观测的概率分布，我们利用模型参数的后验分布通过后验预测分布生成所有可能的流行病学曲线。从所有曲线的包络中可提取最坏情形，并据此评估实施应急计划的影响。我们将此方法应用于墨西哥城 COVID-19 的潜在演变，并评估应急计划是否成功以及流行病学曲线是否已趋平缓。
引用
@article{arxiv.2005.02294,
title = {Using posterior predictive distributions to analyse epidemic models: COVID-19 in Mexico City},
author = {Ramsés H. Mena and Jorge X. Velasco-Hernandez and Natalia B. Mantilla-Beniers and Gabriel A. Carranco-Sapiéns and Luis Benet and Denis Boyer and Isaac Pérez Castillo},
journal= {arXiv preprint arXiv:2005.02294},
year = {2021}
}
备注
6 pages, 9 figures. The draft has been rewritten and the SI has been included as an ancillary file. The calibration of the model has been redone using the updated public data on May 7th