Real-Time Estimation of COVID-19 Infections: Deconvolution and Sensor Fusion
我们提出、实施并评估了一种方法，通过使用估计的从发病到病例报告的延迟分布对每日报告的COVID-19病例数进行去卷积，来估计美国各县水平的每日新症状COVID-19感染人数。重要的是，我们专注于实时（而不是回顾性）估计感染，这带来了许多挑战。为了解决这些问题，我们为分布估计和反卷积步骤开发了新的方法，并采用了传感器融合层（将来自模型的预测融合在一起，这些模型经过训练，可以根据辅助监测流跟踪感染），以提高准确性和稳定性。
2022-02-27 stat.AP
A Link Mixture Model for Spatio-temporal Infection Data, with Applications to the COVID Epidemic
感染计数的时空模型通常遵循更广泛的疾病映射文献的主题，但可能需要解决时空感染数据的特定特征，包括相当大的时间波动（流行阶段）和空间扩散。低阶自回归是最近几项感染数据时空研究的一个特征，可能在区域内感染和相邻区域的感染上都存在滞后。许多流行病的时间序列显示，在一段时期内，感染水平相对稳定（可能被定性为地方性），随后是感染水平突然急剧上升的阶段。在流行高峰期之后，有一个发病率下降和恢复稳定的时期。因此，人们可以试图使自回归模型适应这些明显的波动，暂时偏离平稳性，但随着发病率下降和感染恢复到地方性水平，又回到平稳性。我们考虑一个混合链接模型的感染计数，允许自适应爆炸阶段和静态流行。两个案例研究应用程序涉及COVID地区-时间数据，一个是自COVID疫情开始以来的32个伦敦自治市镇，另一个是关注与Delta变体相关的英格兰东南部144个地区的疫情阶段。
2022-02-19 stat.AP
Estimating Excess COVID-19 Infections with Nonparametric Self-Exciting Point Processes
COVID-19大流行导致表征疾病爆发特征的统计模型和方法大量增长。在这方面出现的一类模型是使用自激点过程，其中感染既“随机”发生，也更系统地从人到人传播。除了对整体COVID-19疫情进行建模外，疫情还推动了评估各种政策决策和事件结果的研究。在此讨论的一个研究领域涉及制定方法，衡量大型活动或人群聚集在举行活动的地方产生的影响。我们制定了一种替代传统因果推断方法的方法，然后将我们的方法应用于评估当时的唐纳德·特朗普总统连任竞选集会对集会举办地区的COVID-19感染的影响。通过对非参数自激点过程模型进行几种调整，我们估计了反弹带来的COVID-19感染的额外数量以及这些额外感染持续的时间。
2022-04-28 stat.AP
Characterizing Persistence and Disparity of Covid-19 Infection Rates with City Level Demographic and Regional Features
本研究讨论了数据驱动的仪表板的设计，这些仪表板可以告知市政当局其社区内感染的持续变化。于二零二零年十月至二零二一年九月期间，威斯康星州于疫情最初激增时发布的每日新冠病毒感染报告被视为个案研究。特别令人感兴趣的是，确定按种族和族裔区分的、可能随着时间的推移感染率不成比例的区域和人口群体。这项研究整合了美国人口普查局按种族和民族以及人口规模数据分类的生育水平每日阳性病例。目标是以普通民众可以获得的方式及时提供数据驱动的信息，与选民相关，并促进社区参与管理和减轻感染。一个被称为秩差及其随时间持续性的统计指标被用来捕捉特定种族和族裔群体中Covid-19阳性病例与其人口规模的不成比例的发生率。一个持久性指数的推导，以确定地区，不断表现出积极的排名差异，每天的时间尺度，并表明疾病发病率的差距。分析导致识别，在威斯康星州的几个城市，位于低人口地区，远离密集的城市中心是那些继续表现出差异的感染率为黑人/非洲裔美国人和西班牙裔/拉丁裔人口群体。提供了可用于捕获Covid-19感染的总体水平和时间模式的仪表板示例。
2022-11-22 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
Regional now- and forecasting for data reported with delay: Towards surveillance of COVID-19 infections
世界各国政府继续采取行动遏制和减缓COVID-19的传播。迅速变化的形势迫使官员和行政人员根据疾病传播的现状不断调整政策和社交距离措施。在这种情况下，决策者必须牢牢掌握这一流行病的现状，并了解今后几天的传染情况。然而，与许多其他强制性报告疾病及其他疾病的情况一样，病例向中央登记处报告的时间较晚，这种延误推迟了对事态的最新看法。我们提供了一个稳定的工具来监测目前的感染水平，并预测在不久的将来在区域一级的感染人数。我们通过对尚未报告的病例的即时预报以及对未来感染的预测来实现这一目标。我们将我们的模型应用于德国的数据，我们的重点在于预测和解释按地区的传染行为。
2021-02-18 stat.AP
Total Effect Analysis of Vaccination on Household Transmission in the Office for National Statistics COVID-19 Infection Survey
我们调查了国家统计局COVID-19感染调查（ONS CIS）中家庭继发病例数量的分布，并按家庭接种疫苗和感染的时间进行了分层。这表明，接种疫苗后，家庭的二次发病率在统计上显著下降，大约减半。
2021-07-14 q-bio.PE stat.AP
Nowcasting fatal COVID-19 infections on a regional level in Germany
我们分析了与COVID-19感染相关的死亡率的时间和区域结构。我们将每个死亡患者的死亡日期与相应的感染登记日相关联，从而建立一个即时预测模型，使我们能够估计在以后的日期被证明是致命的当前感染的数量。这些数字被分解到德国的地区一级。鉴于死亡计数通常提供更可靠的信息，疾病的传播相比，感染计数，这不可避免地取决于测试策略和能力，所提出的模型和所呈现的结果允许获得可靠的洞察到目前的状态，在德国的大流行。
2020-11-21 q-bio.PE stat.AP
COVID-19 in a social reinsurance framework: Forewarned is forearmed
COVID-19引发的危机暴露了全球应对疫情影响的准备不足。本文对中国COVID-19疫情相关数据进行了统计分析，特别是湖北省的感染速度、死亡率和病死率。通过拟合这些量的分布，我们设计了一个参数再保险合同，其触发和上限是基于概率分布的传染速度，死亡率和死亡率。特别是，拟合分布的感染速度和死亡率，我们提供了一个衡量的有效性，一个国家的行动在流行病期间，并建议再保险合同作为补充，以国家的社会保险，以减轻财务成本。
2020-04-09 stat.AP
Estimating the COVID-19 Infection Rate: Anatomy of an Inference Problem
由于感染检测数据缺失和检测准确性不高，报告的SARS CoV-2病毒人群感染率低于实际感染率。因此，报告的以感染为条件的严重疾病比率高于实际比率。由于缺乏可信和翔实的感染率界限，理解COVID-19大流行的时间路径受到阻碍。本文解释了逻辑问题的边界这些利率和报告说明性的发现，使用来自伊利诺伊州，纽约州和意大利的数据。我们将这些数据与未检测人群的感染率以及在当前背景下可信的检测准确性的假设相结合。我们发现感染率可能比报告的要高得多。我们还发现，意大利的感染死亡率大大低于报告的水平。
2020-04-13 econ.EM stat.AP stat.OT
Using early data to estimate the actual infection fatality ratio from COVID-19 in France (Running title: Infection fatality ratio from COVID-19)
法国于2020年1月24日发现首批COVID-19病例。进行的筛选试验的数量和用于目标的患者测试的方法不允许直接计算的真实病例数和死亡率。在这份报告中，我们开发了一个“机械统计”的方法耦合SIR ODE模型描述未观察到的流行病学动态，描述数据采集过程和统计推断方法的概率模型。该模型的目的不是进行预测，而是估计法国在观察窗口期间感染COVID-19的实际人数，并推断与疫情相关的死亡率。主要结果法国感染病例的实际数量可能远高于观察结果：我们在这里发现一个因子× 15（95%-CI：4-33），导致观察期结束时的死亡率为5.2/1000（95%-CI：1.5 / 1000-11.7/ 1000）。我们发现R 0为4.8，这是一个高值，可能与20天的长病毒脱落期有关。
2020-04-17 math.DS q-bio.PE stat.AP
Infections Forecasting and Intervention Effect Evaluation for COVID-19 via a Data-Driven Markov Process and Heterogeneous Simulation
2019冠状病毒病（COVID-19）大流行已造成大量死亡，并对全球经济发展造成毁灭性影响。因此，控制其进一步传播至关重要，为此，有必要找到其传播过程的机制，并评估不同控制策略的效果。为了解决这些问题，我们将COVID-19的传播描述为一个具有四个参数的爆炸性马尔可夫过程。所提出的马尔可夫过程的状态转移可以清楚地揭示COVID-19可怕的爆发和复杂的异质性。在此基础上，我们进一步提出了一种模拟方法与异质性感染。实验表明，该方法可以密切跟踪COVID-19的真实传播过程，揭示其传播机制，并预测不同非药物干预策略下的传播情况。更重要的是，我们的方法有助于制定有效的COVID-19控制策略，并适当比较不同国家╱城市的控制效果。
2021-01-07 cs.SI stat.AP
Estimating undocumented Covid-19 infections in Cuba by means of a hybrid mechanistic-statistical approach
我们采用参考文献[1]的混合机械统计方法来估计古巴无记录的Covid-19感染总数。该方案是基于最大似然估计的SIR类模型参数的感染人口，假设检测过程匹配伯努利试验。我们的估计表明，（a）60%的感染没有记录，（b）数据背后的真正流行病在报告提出的10天前达到峰值，（c）繁殖数量在80天后迅速消失。
2020-08-07 math.DS q-bio.PE stat.AP
Bounding Infection Prevalence by Bounding Selectivity and Accuracy of Tests: With Application to Early COVID-19
本文提出利用检测准确性与检测选择性约束构建感染率的部分识别界，并在COVID-19早期数据上表明其可有效推断意大利感染病死率高于流感。
2021-01-27 econ.EM stat.AP
A Framework for Reconstructing COVID-19 Transmission Network to Inform Betweenness Centrality-Based Control Measures
在本文中，我们提出了一个最佳控制措施的总体框架，该框架遵循了监测单位在国家层面收集的COVID-19感染计数的演变。我们采用了一个自回归模型，可以将感染的平均数量分解为三个组成部分，描述：本地感染，跨地区感染和其他来源的感染，如从国外到达一个国家的旅行者。我们将局部间项确定为一个随时间演化的网络，当它驱动疾病的动态时，我们专注于其属性。然后使用网络分析工具来深入了解其拓扑结构。在此基础上，特别是在所确定的网络节点的中心地位上，设计了一种干预和疾病控制战略。
2022-07-02 physics.soc-ph stat.AP
Estimating effective infection fatality rates during the course of the COVID-19 pandemic in Germany
2019冠状病毒病（COVID-19）的感染死亡率（IFR）是该流行病背景下讨论最多的数字之一。本研究使用德国COVID-19监测数据和多项国际研究中针对特定年龄组的IFR估计值，研究了大流行期间有效IFR随时间的变化。提出了估计（有效）国际财务报告准则的三种不同方法：（a）基于感染风险与年龄和时间无关的假设的人口平均国际财务报告准则;（b）基于确诊病例的年龄分布大致反映感染个体的年龄分布的假设的有效国际财务报告准则;（c）考虑到与年龄和时间相关的感染暗值的有效国际财务报告准则。结果显示，德国的有效IFR估计会随着时间的推移而变化，因为确诊病例和估计感染的年龄分布在大流行期间正在发生变化。特别是在2020年春季和秋冬季的第一波和第二波感染期间，确诊病例的年龄分布明显向年龄更大的人群转移，导致IFR的有效估计值更大。第一波期间有效IFR的暂时增加估计较小，但在调整年龄和时间依赖性暗值时仍然存在。有效IFR与观察到的CFR的比较表明，观察到的死亡率随时间变化的很大一部分可以用感染年龄分布的变化来解释。此外，在第一次感染波之后，有效IFR和观察到的CFRs之间的差距明显消失，而在第二次感染波期间可以观察到适度增加的差距。进一步的研究是必要的，以获得及时的年龄分层IFR估计。
2021-01-21 q-bio.PE stat.AP
Racial Impact on Infections and Deaths due to COVID-19 in New York City
划红线是一种歧视性做法，即机构因人口统计而避免在某些社区投资。在此，我们探讨红线对纽约市COVID-19传播的持久影响。使用通过住房抵押贷款披露法案提供的数据，我们通过多层次的物流模型为每个纽约市人口普查区构建了一个红线指数。我们将此红线标记指数与每个纽约市邮政编码列表区域的COVID-19统计数据进行比较。准确绘制大流行病地图将有助于确定最脆弱的地区，并允许最有效地分配医疗资源，同时减少族裔健康差距。
2020-07-09 physics.soc-ph q-bio.PE stat.AP
On the Interplay of Regional Mobility, Social Connectedness, and the Spread of COVID-19 in Germany
由于呼吸道病毒传播的主要模式是人与人之间的相互作用，我们需要重新考虑身体相互作用模式，以减少感染COVID-19的人数。虽然研究表明，非药物干预（NPI）对国家流动模式有明显影响，但我们调查了相对的区域流动行为，以评估人员流动对COVID-19传播的影响。特别是，我们探讨了从Facebook活动中产生的人员流动性和社交联系对2020年3月3日至6月22日期间德国每周新感染率的影响。我们的研究结果证实，减少社会活动降低感染率，占区域和时间模式。社会距离的程度，以留在联邦行政区内的人的百分比来量化，对感染的发生率有总体的负面影响。此外，我们的研究结果显示了基于地理和社会距离的空间感染模式。
2021-07-02 physics.soc-ph stat.AP
Deep learning via LSTM models for COVID-19 infection forecasting in India
University of New South Wales（新南威尔士大学）；Indian Institute of Technology Guwahati（印度理工学院古瓦哈提分校）
COVID-19疫情继续对健康及医疗基础设施、经济及农业造成重大影响。由于感染传播的复杂性，著名的计算和数学模型一直不可靠。此外，由于缺乏数据汇集和报告，建模工作变得困难和不可靠。因此，我们需要借助可靠的数据来源和创新的预测模型来重新审视这一情况。深度学习模型，如递归神经网络，非常适合对时空序列进行建模。在本文中，我们应用递归神经网络，如长短期记忆（LSTM），双向LSTM和编码器-解码器LSTM模型，用于多步（短期）COVID-19感染预测。我们选取印度COVID-19疫情高发的州，捕捉第一波（2020年）及第二波（2021年）的感染情况，并提供两个月的预测。我们的模型预测，2021年10月和11月发生另一波感染的可能性很低;然而，鉴于新出现的病毒变种，当局需要保持警惕。预测的准确性促使该方法在其他国家和地区的应用。然而，由于数据的可靠性以及难以捕捉人口密度、物流以及文化和生活方式等社会方面的因素，建模仍然面临挑战。
2022-01-17 cs.AI cs.LG stat.AP
Simultaneous estimation of the effective reproduction number and the time series of daily infections: Application to Covid-19
ETH Zürich（苏黎世联邦理工学院）
提出一种贝叶斯方法，通过新颖的MCMC算法联合估计每日新感染数和有效再生数，在Covid-19数据上比三步法更准确。
2026-06-01 stat.AP stat.ME
A Probabilistic Domain-knowledge Framework for Nosocomial Infection Risk Estimation of Communicable Viral Diseases in Healthcare Personnel: A Case Study for COVID-19
医院获得性传染性病毒性疾病（CVD）感染对全球医护人员构成了巨大挑战。医疗保健人员（HCP）面临着医院获得性感染的持续风险，以及随后更高的发病率和死亡率。我们提出了一个领域知识驱动的感染风险模型来量化个人HCP和人口水平的医疗机构的风险。对于个体水平的风险估计，提出了一个时变的感染风险模型，以捕捉心血管疾病的传播动力学。在人群水平上，使用贝叶斯网络模型估计感染风险，该模型由三个特征集构成，包括个人水平因素、工程控制因素和行政控制因素。敏感性分析表明，个人感染风险的不确定性可归因于两个变量：密切接触者人数和病毒传播概率。利用冠状病毒病案例研究，在传播概率模型、个体水平风险模型和人群水平风险模型中实施了模型验证。关于第一个，多变量逻辑斯谛回归应用于英国的横断面数据，AIC值为7317.70，10倍交叉验证准确度为78.23%。对于第二个模型，我们收集了不同职业的实验室确诊的COVID-19 HCP病例。职业特异性风险评估表明，风险最高的职业是注册护士、医疗助理和呼吸治疗师，估计风险分别为0.0189、0.0188和0.0176。为了验证人口水平风险模型，估计了德克萨斯州和加利福尼亚州的感染风险。所提出的模型将显著影响HCP的PPE分配和安全计划
2021-11-05 eess.SP stat.AP
Unraveling implicit human behavioral effects on dynamic characteristics of Covid-19 daily infection rates in Taiwan
我们研究了新冠病毒传播动态，其基础是台湾最大的七个城市的84个地区在其原始激增期间的84条每日新冠病毒感染率曲线。我们的计算开发开始于从每个平滑的区域特定曲线中选择和提取18个特征。这一步的计算工作允许将非结构化数据转换为结构化数据，然后我们展示了所有相关曲线之间的非对称增长和下降动态。具体地说，基于条件熵和互信息的理论信息度量，我们计算了一阶和二阶的主要因素，这些因素对曲线的峰值和峰值处的曲率有显著影响，这是表征所有曲线的两个基本特征。此外，我们调查和展示的主要因素，确定的地理和社会经济引起的行为影响，编码这84个地区的两个二元特征：北与南和Unban与郊区。此外，基于这种数据驱动的知识在地区规模上，我们继续研究精细规模的行为对传染病传播的影响，通过相似性之间的96个年龄组的具体曲线的每日感染率在12个市区的台北市和12个郊区的新北市，这几乎占了四分之一的岛国的总人口。我们的结论是，人类的生活，旅行和工作行为确实深刻地影响了台湾各地COVID-19的传播动态。
2022-11-20 physics.soc-ph q-bio.PE stat.AP
Predicting COVID-19 Infections Using Multi-layer Centrality Measures in Population-scale Networks
本文利用荷兰超百万人的多层网络数据研究中心性度量能否预测 COVID-19 感染风险与时间，发现其在模拟模型中有效但与真实检测数据无关联。
2023-10-31 cs.SI physics.soc-ph stat.AP
Time Series Analysis of COVID-19 Infection Curve: A Change-Point Perspective
在本文中，我们通过分段线性趋势模型对COVID-19累计确诊病例和死亡病例的轨迹（以对数标度）进行建模。该模型通过变点自然地捕获了流行病增长率的相变，并且由于其半参数性质而进一步享有很大的可解释性。在方法论方面，我们提出了新生的自归一化（SN）技术（Shao，2010），以测试和估计非平稳时间序列线性趋势中的单个变点。我们进一步将基于SN的变点测试与NOT算法相结合（Baranowski等人，2019年），以实现多个变点估计。使用所提出的方法，我们分析了30个主要国家的COVID-19累计病例和死亡的轨迹，并发现了有趣的模式，这些模式对不同国家的大流行应对措施的有效性具有潜在的相关影响。此外，基于变点检测算法和灵活的外推函数，我们设计了一个简单的COVID-19两阶段预测方案，并展示了其在预测美国累计死亡人数方面的良好性能。
2020-07-09 econ.EM physics.soc-ph stat.AP
