Modelling reporting delays for disease surveillance data
实时跟踪流行病的一个困难与报告延迟有关。报告延迟可能是由于实验室确认、物流问题、基础设施困难等原因。尽快纠正现有信息的能力在决策方面至关重要,例如向公众和地方当局发出警告。贝叶斯分层建模方法提出了一种灵活的方式来纠正报告延迟,并量化相关的不确定性。该模型的实施是快速的,由于使用集成嵌套拉普拉斯近似(INLA)。该方法是说明在里约热内卢的登革热发病率数据和严重急性呼吸道疾病(SARI)的数据在巴拉那州,巴西。
2020-10-14 stat.AP
Bayesian spatio-temporal model with INLA for dengue fever risk prediction in Costa Rica
本文针对哥斯达黎加登革热风险预测问题,提出基于INLA的贝叶斯时空模型,利用该国微气候和DENV地方性流行条件构建气候驱动的早期预警系统,为公共卫生干预提供支持。
2023-02-13 stat.AP
Faster indicators of dengue fever case counts using Google and Twitter
登革热是巴西公共卫生的主要威胁,巴西是世界第六大人口国家,仅2019年就有超过150万例病例。登革热病例数的官方数据是逐步提供的,由于许多原因,往往会延迟数周。相比之下,与登革热相关的谷歌搜索和Twitter消息的数据可以毫不延迟地全部提供。在这里,我们描述了一个模型,该模型使用在线数据来提供里约热内卢登革热发病率的每周估计。我们解决了以前的在线数据疾病监测模型的一个关键缺点,明确占病例计数数据的增量交付,以确保我们的方法可以在实践中使用。我们还同时利用了来自Google Trends和Twitter的数据,并证明这比仅使用其中一个数据流的模型略好。我们的研究结果提供的证据表明,在线数据可用于提高疾病发病率快速估计的准确性和精确性,即使在基础病例计数数据受到长期和各种延迟的情况下。
2021-12-22 cs.SI stat.AP
A District-level Ensemble Model to Enhance Dengue Prediction and Control for the Mekong Delta Region of Vietnam
本研究针对越南湄公河三角洲地区登革热风险,提出一种整合多源数据、提前1至3个月预测的区级概率集成模型,该模型评估了72个模型并结合了时空、监督PCA和半机制hhh4框架,在3个月预测跨度上准确率达69%,为防控措施提供关键提前期。
2024-12-20 stat.AP
A two-parameter, minimal-data model to predict dengue cases: the 2022-2023 outbreak in Florida, USA
Kansas State University(堪萨斯州立大学);National Bio- and Agro-defense Facility, USDA ARS(美国农业部农业研究局国家生物与农业防御设施)
提出一个基于发病率-累积病例曲线的数据节俭框架,仅需人类发病率时间序列和两个参数即可预测登革热病例,并在佛罗里达州2022-2023年疫情中验证了其有效性。
2026-06-26 math.PR stat.AP stat.CO
Clustering Areal Units at Multiple Levels of Resolution to Model Crime in Philadelphia
对整个城市犯罪发生率的空间异质性进行估计是减少犯罪和提高我们对城市环境的物理和社会功能的理解的重要一步。这是一个困难的建模工作,因为犯罪发生率可以在空间和时间上平稳变化,但也存在物理和社会障碍,导致城市内不同地区之间的犯罪率不连续。另一个困难是,为了分析犯罪,可以使用不同级别的分辨率来定义城市的区域。为了应对这些挑战,我们开发了一个贝叶斯非参数方法,同时在不同的分辨率水平的城市面积单位的聚类。我们的方法进行了评估与广泛的合成数据研究,然后应用于估计犯罪发生率在不同级别的分辨率在费城市。
2022-07-25 stat.AP stat.ME
Large-scale Epidemiological modeling: Scanning for Mosquito-Borne Diseases Spatio-temporal Patterns in Brazil
本研究开发了Episcanner计算管线,利用巴西14年间5570个市镇的数据估算登革热和基孔肯雅热的SIR传播参数,揭示了气候因素对疾病时空模式的影响,为公共卫生干预提供了新视角。
2024-07-31 q-bio.PE stat.AP
Modeling racial/ethnic differences in COVID-19 incidence with covariates subject to non-random missingness
针对 COVID-19 病例种族/族裔信息的 NMAR 缺失问题,提出融合疾病与缺失过程空间信息的贝叶斯参数模型,并通过模拟和韦恩县数据证明其优于完整病例分析与 MI。
2022-08-16 stat.AP stat.ME
A Bayesian prevalence-incidence mixture model for screening outcomes with misclassification
Amsterdam University Medical Center(阿姆斯特丹大学医学中心)
BayesPIM通过整合协变量和贝叶斯方法,有效估计时间依赖性和协变量依赖性的疾病发病率,同时处理潜在患病率和不完美测试灵敏度问题。
2026-01-09 stat.CO stat.ME
Bayesian Inference of Mixing and Transmission Heterogeneity in Stratified Disease Surveillance Models
Oregon State University(俄勒冈州立大学)
提出一种贝叶斯潜变量扩展的内生-流行病模型,用于从分层疾病监测数据中推断未观测的个体传播性、疾病发生率与流行率的分离以及人口组间混合结构。
2026-05-27 stat.ME
Mosqlimate: a platform to providing automatable access to data and forecasting models for arbovirus disease
本文介绍 Mosqlimate 网络平台,通过 API、数据存储与模型登记整合巴西虫媒病毒相关数据,支持预测模型开放注册、共享及基于概率评分的性能比较。
2024-10-24 stat.AP
A Bayesian - Deep Learning model for estimating Covid-19 evolution in Spain
这项工作提出了一种半参数方法来估计Covid-19(SARS-CoV-2)在西班牙的演变。考虑到所有西班牙地区14天累积发病率的序列,它将现代深度学习(DL)技术与通常的贝叶斯泊松-伽马模型相结合,用于分析序列。DL模型提供了一个合适的描述所观察到的序列,但没有可靠的不确定性量化周围可以得到。为了克服这一点,我们使用从DL的预测作为专家引出的预期数量的计数以及它们的不确定性,从而获得后验预测分布的计数在正统的贝叶斯分析使用众所周知的泊松-伽马模型。整体产生的模型使我们能够预测所有区域序列的未来演变,以及估计最终情景的后果。
2021-03-06 stat.AP stat.ML
Nowcasting COVID-19 incidence indicators during the Italian first outbreak
提出了一种新的参数回归模型来拟合流行病期间收集的发病率数据。该提案的动机是对意大利首次爆发COVID-19期间的主要流行病学指标进行实时监测和短期预测。提供准确的短期预测,包括外源或外部变量的潜在影响;这确保准确预测流行病的重要特征(例如,高峰时间和高度),以便随着时间的推移更好地分配卫生资源。参数估计是在极大似然框架下进行的。提供了重现方法和复制结果所需的所有计算细节。
2020-10-23 stat.AP
Parametric study of E. coli incidence with reference to the New Zealand freshwater standards and the Manawatū-Whanganui region
本研究采用参数化对数正态模型分析新西兰淡水标准中的大肠杆菌指标,以降低不确定性并处理删失数据,应用于马纳瓦图-旺加努伊地区135个地点,评估水质状态与趋势。
2021-10-05 physics.data-an stat.AP
Gaussian process modelling of infectious diseases using the Greta software package and GPUs
本研究利用基于Tensorflow的Greta软件,将高斯过程回归应用于传染病时空数据,通过GPU加速实现最高70%的计算时间缩减,并探讨协方差核选择对预测传播的影响,以英格兰结核病数据为例验证。\n
2025-03-28 stat.CO
Estimating and comparing adverse event probabilities in the presence of varying follow-up times and competing events
不良事件(AE)方面的安全性分析是治疗获益-风险评估的一个重要方面。与疗效分析相比,AE分析通常相当简单。特定类型AE的概率通常通过发生率比例估计,有时提出发生率密度或卡普兰-迈耶估计量。但这些分析要么没有考虑删失,要么依赖于过于严格的参数模型,要么忽略了竞争事件。以非参数Aalen-Johansen估计量为金标准,在单样本和双样本情况下,在肿瘤学和模拟的数据示例中研究了这些潜在的偏倚来源。由于估计量在随访结束时可能具有较大的方差,因此不仅在最大事件时间处比较估计量,而且在观察时间的两个分位数处比较估计量。迄今为止,文献中几乎没有研究安全性比较的结果。使用不同估计量进行组间比较的影响尚不清楚,例如,两个低估或高估估计量的比值可能与金标准估计量的比值具有可比性,也可能不具有可比性。因此,AE概率的比率也基于不同的方法计算。通过模拟调查恒定和非恒定的危害,不同的审查机制和事件频率,我们发现,忽略竞争事件是一个问题,而不是错误地假设恒定的危害,通过使用的发病率密度和AE概率估计的选择是至关重要的组比较。
2020-01-16 stat.AP
Endemic-epidemic models with discrete-time serial interval distributions for infectious disease prediction
多元计数时间序列模型是分析和预测传染病传播的重要工具。我们认为地方病流行框架,传染病监测计数的自回归模型类,并取代默认的自回归计数从以前的时间段与更灵活的加权方案的启发离散时间序列的间隔分布。我们采用三种不同的参数配方,每一个额外的未知的加权参数估计通过配置文件的似然方法,并比较它们的一个不受限制的非参数方法。新的方法说明了在波多黎各圣胡安登革热发病率的单变量分析,并在柏林的12个区的病毒性胃肠炎的时空研究。我们评估的预测性能的建议模型和几个参考模型在不同的预测范围。在这两个应用中,地方病流行病模型的性能显着改善所提出的加权方案。
2020-03-13 stat.AP stat.ME
Comparative Effectiveness Research with Average Hazard for Censored Time-to-Event Outcomes: A Numerical Study
本文针对非随机分配的比较效果研究,提出多种基于平均风险(AH)的方法,将AH差值及比值的应用从随机试验扩展至观察性研究,为删失时间-事件结局的治疗效应评估提供替代传统Cox风险比的工具。
2024-06-30 stat.AP
Semi-parametric modeling of SARS-CoV-2 transmission using tests, cases, deaths, and seroprevalence data
适合流监测数据的机制模型对于了解疫情实时展开时的传播动态至关重要。然而,传输模型参数估计可能是不精确的,有时甚至是不可能的,因为监视数据是有噪声的,并且不能提供关于机械模型的所有方面的信息。为了部分克服这一障碍,贝叶斯模型已被提出来整合多个监控数据流。我们设计了一个模型框架,用于整合SARS-CoV-2诊断测试和死亡率时间序列数据,以及来自横断面研究的血清阳性率数据,并测试了各个数据流对推断和预测的重要性。重要的是,我们的发病率数据模型解释了所进行的测试总数的变化。我们模型的传输率,感染致死率比,和一个参数控制的真实情况下的发病率和阳性测试的分数之间的函数关系随时间变化的量和估计这些参数的变化非参数。我们比较我们的基础模型与修改后的版本,不使用诊断测试计数或血清阳性率数据,以证明包括这些经常未使用的数据流的效用。我们将贝叶斯数据整合方法应用于2020年3月至2021年2月在加利福尼亚州奥兰治县收集的COVID-19监测数据,发现截至2021年1月中旬,32- 72%的奥兰治县居民经历了SARS-CoV-2感染。尽管感染人数如此之高,但我们的研究结果表明,2021年1月冬季激增的突然结束是由于行为变化和高水平的自然免疫力积累。
2023-03-11 q-bio.PE stat.AP