Internet - assisted risk assessment of infectious diseases in women sexual and reproductive health
我们为患者和医疗保健专业人员开发开源感染风险计算器，作为医院获得性感染（分娩期间）和性传播感染（如HIV）的应用程序。在非传染性疾病方面，先进的电子保健并不太适用于流行病学。然而，迄今为止，波兰互联网上没有感染风险计算器，尽管存在可用于创建这种工具的数据。该算法涉及来自信息系统（如医院HIS）和调查的数据，通过应用数学建模，贝叶斯推断，逻辑斯谛回归，协方差分析和社会网络分析。最后，用户可以从信息系统中填写或导入数据以获得风险评估，并测试不同的设置以了解整体风险。最有前途的风险计算器是为患者医院卫生检查模式中的医疗保健相关感染开发的。医院流行病学家的最扩展的版本可能包括许多层次的医院互动的代理为基础的建模。简化版计算器专用于需要个性化住院妊娠史的患者，通过定量和定性变量代表的问题进行描述。患者从交互式网络应用程序中接受风险评估，并对可修改的风险因素进行额外描述。我们还为艾滋病毒等性传播感染提供解决方案。具有有意义的描述和百分比机会的计算结果实时呈现给感兴趣的用户。最后，用户填写表格以获得给定设置的风险评估。
2018-02-05 physics.soc-ph q-bio.PE stat.AP
Inference for stochastic kinetic models from multiple data sources for joint estimation of infection dynamics from aggregate reports and virological data
流感和呼吸道合胞病毒（RSV）是全球季节性急性呼吸道感染（ARI）的主要病原体。医生通常仅根据患者的症状诊断ARI，并不总是进行必要的病毒学测试来识别单个病毒，这限制了研究多种病原体之间相互作用的能力，并提出公共卫生建议。我们考虑一个随机动力学模型（SKM）的两个相互作用的ARI病原体在一个大的人口和经验为动机的背景过程中与其他病原体感染引起类似的症状。一个扩展的边缘采样方法的基础上的线性噪声近似的SKM集成了多个数据源和额外的模型组件。我们推断的参数定义的病原体的动态和相互作用的贝叶斯分层模型，并探讨感染的后向轨迹为每种疾病的基础上，从六个流行季节收集的国家卫生部门的总感染报告，和一个子集的病毒学测试从一个哨兵计划在圣路易斯波托西，墨西哥的综合医院。我们根据真实和模拟数据解释了结果，并为未来的数据收集策略提出了建议。在线提供补充材料和软件。
2019-03-28 q-bio.PE stat.AP
A hierarchical Bayesian model for estimating age-specific COVID-19 infection fatality rates in developing countries
本文提出一种贝叶斯分层模型，将COVID-19感染病死率估计为年龄的连续函数，融合血清学与死亡数据并共享跨地区信息，在26个发展中国家地区验证了方法的有效性。
2023-08-08 stat.AP
Graph-Coupled HMMs for Modeling the Spread of Infection
我们开发了图耦合隐马尔可夫模型（GCHORM），用于对社交网络中传染病的局部传播进行建模。与以往大多数流行病学研究不同的是，它通常在整个人群的水平上对感染的传播进行建模，我们成功地利用了在很长一段时间内从84人收集的移动电话数据，在个人水平上对感染的传播进行建模。我们的模型，GCHMM，是广泛使用的耦合隐马尔可夫模型（CHMM），允许跨多个隐马尔可夫模型（HMM）的状态转换之间的依赖关系，这些依赖关系通过图的结构被捕获的情况下，或社交网络，可能会随着时间的推移而改变。在个人层面上进行感染预测的好处是巨大的，因为它可以让人们获得更个性化和相关的健康建议。
2012-10-16 cs.SI physics.soc-ph stat.AP
Modeling the dynamics of biomarkers during primary HIV infection taking into account the uncertainty of infection date
在原发性HIV感染期间，血浆病毒浓度和CD 4+细胞计数的动力学非常复杂。参数和非参数模型已被建议用于拟合这些标志物的重复测量。或者，也已经提出了基于常微分方程的机械方法。后者的模型是根据生物学知识构建的，并考虑了病毒和细胞之间复杂的非线性相互作用。然而，估计这些模型的参数是困难的。在原发性艾滋病毒感染的情况下，一个主要困难是感染日期通常未知。对于某些患者，除了首次阳性HIV检测（血清转换者）的日期外，还提供了最后一次阴性HIV检测的日期。在本文中，我们提出了一个基于似然的方法估计的动力学模型的参数，使用人口的方法，并考虑到感染日期的不确定性。我们将这种方法应用于来自欧洲艾滋病血清转化和死亡协调行动（CASCADE）的761名HIV感染者的样本。
2011-01-06 stat.AP
Two-step interpretable modeling of Intensive Care Acquired Infections
本研究提出一种结合高分辨率纵向数据与生存模型的两步可解释建模方法，通过半参数竞争风险模型融合低分辨率常规数据与卷积神经网络提取的高维特征，并用显著性图解释预测能力，应用于ICU获得性感染预测。
2024-03-06 cs.NE stat.AP stat.ML
sourceR: Classification and Source Attribution of Infectious Agents among Heterogeneous Populations
人畜共患疾病是人类和动物群体发病和生产力损失的主要原因。确定食源性人畜共患病的来源（例如动物宿主或食品）对于确定和优先考虑食品安全干预措施至关重要。对于许多人畜共患疾病，很难将人间病例归因于感染源，因为有关病例的流行病学信息很少。然而，微生物菌株分型允许对人畜共患病病原体进行分类，并且菌株类型在来源和人类病例中的相对频率允许推断每种感染的可能来源。我们介绍sourceR，一个R包的定量来源归因，针对食源性疾病。它使用来自人类病例和源样本的菌株型监测数据实现了一个完全联合的贝叶斯模型，能够识别重要的感染源。该模型测量来自每个来源的感染力，允许不同的生存能力，致病性和致病力的病原体菌株，和不同的能力的来源作为感染的车辆。贝叶斯非参数（狄利克雷过程）的方法是用来聚类病原体菌株类型的流行病学行为，避免模型过拟合，并允许检测与潜在的高“毒力”相关的菌株类型。sourceR使用2005年至2008年在新西兰收集的空肠弯曲杆菌分离株数据进行证明。它使流行病学家和公共卫生决策者能够直接将人畜共患病感染病例归因于假定的感染源。随着sourceR的发展，我们希望它成为食源性疾病归因研究的重要和灵活的资源。
2017-02-23 stat.AP
Modeling Virus Transmission Risks in Commuting with Emerging Mobility Services: A Case Study of COVID-19
通勤是日常生活的重要组成部分。随着COVID-19疫情逐渐复苏，越来越多的人从办公室返回工作岗位，COVID-19在通勤期间的传播成为一个问题。最近新兴的移动服务（如乘车和自行车共享）进一步加剧了旅行期间共享车辆或空间的感染风险。因此，量化通勤中的感染风险非常重要。本文提出了一个概率框架，以估计在个人的通勤考虑不同的出行方式，包括公共交通，乘车共享，自行车和步行的感染风险。目的是评估感染概率以及估计误差（即，不确定性量化）给定起点-目的地（OD）、出发时间和行进模式。我们首先定义了一个通用的行程规划函数，根据OD，出发时间和出行方式生成行程轨迹和选择不同路径的概率。然后，我们考虑两种感染途径：1）通过密切接触感染，2）通过接触表面感染。感染风险是按行程段计算的。不同的数据来源（如智能卡数据、旅行调查和人口数据）用于估计个人和传染性环境之间的潜在相互作用。该模型是在麻省理工学院社区实施的案例研究。我们评估员工和学生的通勤感染风险。结果表明，大多数个体的感染概率接近于零。最大感染概率在0.8%左右，意味着在通勤过程中被感染的概率很低。旅行距离较大、在途中旅行、在高峰时段旅行的个人更容易感染。
2023-01-06 stat.AP
Joint Modeling of Two Stochastic Processes, with Application to Learning Hospitalization Dynamics from Wastewater Viral Concentrations
Simon Fraser University（西蒙菲莎大学）；University of Waterloo（滑铁卢大学）；University of Ottawa（渥太华大学）
本文提出了一种联合建模方法，通过个体层面的潜在感染过程，将污水病毒信号与医院入住数据联系起来，以更准确地监测感染动态。
2026-01-12 stat.AP stat.ME
A Bayesian Spatio-Temporal Extension to Poisson Auto-Regression: Modeling the Disease Infection Rate of COVID-19 in England
本文提出一种贝叶斯时空泊松自回归扩展模型，用于刻画英格兰COVID-19感染率的时空动态，并通过模拟和真实数据验证，评估政策与移动指数的影响。
2023-11-17 stat.AP stat.ME
Modeling the Causal Effect of Treatment Initiation Time on Survival: Application to HIV/TB Co-infection
艾滋病毒和结核病（TB）合并感染患者开始抗逆转录病毒治疗（ART）的时机需要仔细考虑。CD 4细胞计数可用于指导何时开始ART的决策。最近的随机试验和观察性研究的证据通常支持早期启动，但没有提供关于启动时间对连续规模的影响的信息。在本文中，我们开发并应用了一个高度灵活的结构比例风险模型，用于表征治疗开始时间对生存分布的影响。该模型可以使用加权偏似然得分函数来拟合。得分函数和权重的构建必须适应治疗开始时间、结局或两者的删失。该方法适用于4903个人的艾滋病毒/结核病合并感染的数据，来自电子健康记录在肯尼亚的一个大型艾滋病毒护理计划。我们使用的模型配方，灵活地捕捉ART启动时间和ART持续时间使用自然三次样条的联合效果。该模型用于生成对应于特定治疗开始时间的生存曲线;并确定TB诊断时由CD 4计数定义的亚组的ART开始的最佳时间。我们的研究结果可能提供关于ART时机和死亡率之间关系的“更高分辨率”信息，以及关于ART时机在CD 4亚群中的差异效应。
2019-04-02 stat.AP stat.ME
Spatio-temporal modeling of co-dynamics of smallpox, measles and pertussis in pre-healthcare Finland
针对历史农村传染病数据稀疏的问题，提出通用贝叶斯时空共动态模型，应用于1820-1850年芬兰教区数据，发现三种传染病动态正相关，或与免疫抑制及人群体质下降有关。
2024-05-20 q-bio.PE stat.AP
Detecting Outbreaks Using a Latent Field: Part I -- Spatial Modeling
本文提出基于参数化Gaussian随机场的时空感染率估计与MCMC推断框架，并利用New Mexico三县COVID-19数据证明其可正则化低质量数据、预测疫情并更准确检测新感染浪潮。
2024-06-18 stat.AP
Modeling COVID-19 optimal testing strategies in long-term care facilities: An optimization-based approach
长期护理设施受到COVID-19疫情的广泛影响。由于受感染的老年人死亡风险较高，养老院特别脆弱。一旦爆发疫情，抑制病毒在养老院的传播具有挑战性，因为居民相互接触，隔离措施无法广泛执行。另一方面，定期检测策略已被证明可以有效预防养老院的疫情爆发。然而，高频率的检测可能会消耗大量的工作人员的工作时间，这导致在检测投入的时间和为居民提供基本护理所花费的时间之间的权衡。因此，制定最佳检测策略对于主动检测感染至关重要，同时保证有效利用这些设施中有限的工作人员时间。尽管已经做出了许多努力来防止病毒在长期护理设施中传播，但这是第一项基于正式最优化方法开发测试策略的研究。提出了两种新的测试进度最优化模型。这些模型旨在最大限度地减少养老院的感染风险，同时考虑到感染概率和工作人员工作量之间的权衡。我们采用概率方法结合最优化模型，计算感染风险，包括接触率，发病状况，和居民的感染概率。为了求解模型，我们提出了一种增强的局部搜索算法，利用对称性的最优解。我们进行了几个实验与现实大小的实例，并表明所提出的方法可以得到最佳的测试策略。
2022-04-05 math.OC math.PR stat.AP
Modeling the 2022 Mpox Outbreak with a Mechanistic Network Model
本文通过基于主体的机制网络模型模拟美国MSM人群猴痘传播，发现行为改变、减少一次性伴侣和疫苗接种可显著降低感染，且越早干预效果越好，并揭示了不同伴侣关系类型在疫情不同阶段对传播的差异化驱动作用。
2025-05-08 physics.soc-ph q-bio.PE stat.AP
Risk-Adjusted Incidence Modeling on Hierarchical Survival Data with Recurrent Events
许多医疗保健计划一直需要及时解决感染预防和控制（IP&C）问题。例如，即使采用现有推荐的IP&C实践，病原体也可以在医疗保健系统内的住院和门诊环境中的囊性纤维化（CF）患者中传播，并且这些病原体通常与不良临床结果相关。由于有限和延迟的数据共享，CF程序需要一个可靠的方法来跟踪感染率。CF登记研究数据中有三种复杂的结构：复发性感染、缺失数据和由于患者内重复测量和患者间传播导致的多水平相关性。提出了逐步分析管道，以开发和验证风险调整模型，帮助医疗保健计划监测复发事件的数量，同时考虑右删失数据中的缺失数据和重复测量的层次结构。我们扩展了混合效应Andersen-Gill模型（脆弱性模型），调整了重要的风险因素，并提供了预测事件数量的置信区间，其中预测的变异性是从三个确定的来源估计的。估计置信区间的覆盖率用于评价模型性能。仿真结果表明，该方法的覆盖率接近所需的置信水平。为了证明其临床实用性，我们的管道被应用于使用美国登记处监测两种关键CF病原体的感染发生率。结果表明，在CF示例中，更接近感兴趣时间的年份更能预测未来的发病率。
2022-07-26 stat.AP stat.ME
Dynamic Survival Analysis for non-Markovian Epidemic Models
提出了一种在最小假设条件下分析随机流行病模型的新方法。该方法被称为DSA，基于一个简单而强大的观察，即PDE系统描述的群体水平平均场轨迹也可能近似于个人水平的感染和恢复时间。这个想法产生了一定的非马尔可夫代理为基础的模型，并提供了一个代理级别的似然函数的随机样本的感染和/或恢复时间。对来自英国FMD和印度COVID-19的合成和真实流行病数据的广泛数值分析显示出良好的准确性，并证实了该方法在基于似然的参数估计中的通用性。随附的软件包为潜在用户提供了一个实用工具，以便借助DSA方法对流行病数据进行建模、分析和解释。
2022-02-21 math.PR physics.soc-ph q-bio.PE
Individual-level Modeling of COVID-19 Epidemic Risk
持续的COVID-19大流行需要多方面的公共卫生应对措施，包括在开发疫苗和疗法的同时采取补充干预措施以控制疾病的传播。许多这些干预措施需要根据现有数据（包括症状、接触模式和环境因素）进行流行病风险预测。在这里，我们提出了一种新的概率形式主义的基础上的个人水平模型（ILM），提供了严格的公式，个人的感染概率，这可以通过极大似然估计（MLE）应用于在人口水平上定义的房室模型参数化。我们描述了一种方法，其中实时收集的个体数据与总体病例计数相结合，以更新作为个体风险因素函数的感染易感性预测因子。
2020-08-21 q-bio.PE stat.AP stat.CO
Data Driven Modeling of Projected Mitigation and Suppressing Strategy Interventions for SARS-COV 2 in Ghana
在呼吸道疾病大流行期间，呼吁非药物干预成为传染病和公共卫生专家的最高优先事项，而疫苗或医疗干预的竞赛正在进行中。个人可以改变他们的行为，并采取预防措施，以减少感染风险，以遵守政府官员和专家的呼吁。结果，初始传输速率和最终传输速率之间的关系变得微弱。这项研究评估了公共卫生专家针对COVID-19提出的行为变化（缓解和抑制措施），这些措施改变了人类的行为和日常生活。缓解和压制措施背后的动力减少了公民之间的接触，严重干扰了他们的身体和社会行为。结果表明，所有措施对传输速率的下降都有显著影响。然而，缓解措施可能会延长消除传播的时间，这可能导致严重的经济崩溃，然而，如果以极端的方式坚持，这些措施的组合显示出在30天内根除传播的可能性。结果表明，加纳的感染高峰期为感染时间的第64天至第74天。
2020-04-20 q-bio.PE stat.AP
Mapping Incidence and Prevalence Peak Data for SIR Forecasting Applications
提出一种将历史住院峰值发病率数据纳入SIR模型拟合的双方程系统新方法，通过模拟验证其准确性与计算速度，并更新Dirichlet-Beta State Space建模框架以支持住院发病率数据。
2024-04-24 stat.AP stat.ME
