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

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.