Phương pháp ước lượng dựa trên khả năng của các mô hình dịch tễ học liên tục từ dữ liệu chuỗi thời gian: ứng dụng cho sự lây lan bệnh sởi tại London

Journal of the Royal Society Interface - Tập 5 Số 25 - Trang 885-897 - 2008
Simon Cauchemez1, Neil M. Ferguson1,2
1MRC Centre for Outbreak Analysis and Modelling, Department of Infectious Disease Epidemiology, Imperial College LondonNorfolk Place, London W2 1PG, UK
2Neil M Ferguson Google Scholar Find this author on PubMed

Tóm tắt

Chúng tôi trình bày một phương pháp thống kê mới để phân tích dữ liệu chuỗi thời gian dịch tễ. Một khó khăn lớn trong việc suy diễn là (i) quá trình truyền nhiễm tiềm tàng chỉ được quan sát một phần và (ii) các đại lượng quan sát được còn bị tổng hợp theo thời gian. Chúng tôi phát triển một chiến lược tăng cường dữ liệu để giải quyết những vấn đề này và giới thiệu một quá trình khuếch tán giả lập quá trình dịch tễ nhạy cảm - lây nhiễm - đã được loại bỏ (SIR), nhưng dễ quản lý hơn về mặt phân tích. Trong khi các phương pháp dựa trên mô hình rời rạc yêu cầu các quá trình dịch tễ và thu thập dữ liệu có các thang thời gian tương tự, phương pháp của chúng tôi dựa trên một mô hình liên tục, không bị ràng buộc bởi hạn chế đó. Sử dụng dữ liệu mô phỏng, chúng tôi phát hiện rằng tất cả các tham số của mô hình SIR, bao gồm thời gian phát sinh, đều được ước lượng chính xác nếu khoảng thời gian quan sát ít hơn 2.5 lần thời gian phát sinh của bệnh. Các mô hình TSIR rời rạc trước đây đã không thể ước lượng thời gian phát sinh, do họ giả định rằng thời gian phát sinh bằng với khoảng thời gian quan sát. Tuy nhiên, chúng tôi không thể ước lượng thời gian phát sinh của bệnh sởi một cách chính xác từ dữ liệu lịch sử. Điều này chỉ ra rằng các mô hình đơn giản giả định sự trộn lẫn đồng nhất (thậm chí với cấu trúc tuổi) kiểu mà các mô hình dịch tễ học toán học thường dùng chưa nắm bắt được những đặc điểm chính của dịch bệnh trong các quần thể lớn.

Từ khóa


Tài liệu tham khảo

Anderson R.M& May R.M. 1991 Infectious diseases of humans: dynamics and control. Oxford UK:Oxford University Press.

10.1080/01621459.2000.10474301

Bailey N.T.J. 1964 The elements of stochastic processes: with applications to the natural sciences. New York NY:Wiley.

Bailey N.T.J. 1975 The mathematical theory of infectious diseases and its applications. London UK:Griffin.

Becker N.G. 1989 Analysis of infectious disease data. London UK:Chapman and Hall.

10.1111/1467-9868.00177

10.1111/1467-9868.00076

10.1016/j.jedc.2006.06.007

10.1002/sim.1912

10.1198/016214506000000230

10.2307/1911242

De Jong M.C.M, 1995, Epidemic models: their structure and relation to data, 84

10.1038/nature04017

10.1098/rspb.1998.0284

10.1111/1467-9876.00187

10.1093/biostatistics/3.4.493

10.1002/sim.2196

10.1093/imammb/15.1.19

Gilks W.R Richardson S& Spiegelhalter D.J. 1996 Markov Chain Monte Carlo in practice. London UK:Chapman and Hall.

10.1093/biomet/82.4.711

10.1111/j.1467-9876.2005.05366.x

10.1111/1467-9876.00210

Renshaw E. 1991 Modelling biological populations in space and time. Cambridge UK:Cambridge University Press.

10.1093/biomet/66.2.381

10.2307/2341437

10.1098/rspb.2006.3754

Thông tin
Thông tin xuất bản

Journal of the Royal Society Interface

Tập 5 Số 25

885-897

Thông tin tác giả