Online FDR Controlling procedures for statistical SIS Model and its application to COVID19 data
提出一种基于条件局部FDR的在线FDR控制方法，用于离散且具有复杂依赖性的传染病数据集，在SIS模型下通过动态贝叶斯网络实现高检测功效的FDR控制。
2026-06-16 stat.ME
Meteorological and human mobility data on predicting COVID-19 cases by a novel hybrid decomposition method with anomaly detection analysis: a case study in the capitals of Brazil
Universidade Federal de São Paulo (UNIFESP)（圣保罗联邦大学）
2020年，巴西是拉丁美洲COVID-19病例最多的国家，首都城市受疫情影响最严重。巴西的气候因国家的领土延伸、地形、地理和其他因素而异。由于最常见的COVID-19症状与呼吸系统有关，许多研究人员研究了COVID-19病例数量与温度，湿度，降雨量等气象变量之间的相关性。此外，由于其高传播率，一些研究人员分析了人类流动性对COVID-19传播动态的影响。在预测COVID-19病例的传播时，缺乏考虑这两个变量的文献。本文分析了COVID-19病例数量与人口流动性之间的相关性，以及巴西首都的气象数据。我们发现，这些变量之间的相关性取决于城市所在的地区。我们使用与COVID-19病例显著相关的变量来预测巴西所有首都的COVID-19感染人数，并提出了一种结合Ensemble Empirical Mode Decomposition（EEMD）方法和自回归积分移动平均外源输入（ARIMAX）方法的预测方法，我们称之为EEMD-ARIMAX。在分析结果后，使用基于信号处理的异常检测方法进一步研究了不良预测。计算测试表明，EEMD-ARIMAX实现了预测比ARIMAX高26.73%。此外，平均均方根误差（RMSE）的30.69%的改善时，注意到应用EEMD-ARIMAX方法的异常检测后归一化的数据。
2021-05-10 cs.LG stat.AP
Identification of COVID-19 mortality patterns in Brazil by a functional QR decomposition analysis
应用线性代数的子集选择问题来识别巴西境内COVID-19演变的独立模式。数据包括一组死亡率曲线在巴西各州。最独立的曲线的一个子集被选择通过使用QR矩阵分解技术与列旋转的功能版本。所选子集接下来用作表示滤除任何数据冗余的剩余曲线的基础。对于每个独立的曲线，定义了相关的流行病学影响区域。结果表明，两个主要的独立曲线具有相似的双峰模式和模式之间的50天的移动。接下来确定了两个主要的流行区：一个包括从中部和东北部各州到南部的大部分国家，另一个包括西北部的亚马逊地区。
2022-03-18 q-bio.PE stat.AP
Effect of social isolation in dengue cases in the state of Sao Paulo, Brazil: an analysis during the COVID-19 pandemic
背景：研究表明，人员流动是登革热流行病学的一个重要因素。COVID-19大流行导致的流动性变化建立了一个真实的情况来测试这一假设。我们的目标是评估巴西圣保罗州登革热大流行导致的流动性降低的影响。方法：这是一项时间序列的生态研究，于2020年1月至8月期间开发。我们每天使用来自二级信息来源的确诊登革热病例数和居民流动性。流动性由从Google数据库获得的居住人口隔离的每日百分比变化表示。我们通过负二项回归模拟了登革热发生和社会距离之间的关系，并对季节性进行了调整。我们代表的社会距离二分法（隔离与不隔离），并考虑隔离从登革热发生日期的滞后。结果如下：考虑到隔离程度和登革热首次症状之间的20天延迟，在隔离的情况下，登革热的风险降低了约9.1%（95%CI：14.2至3.7）。结论：我们已经表明，流动性在登革热流行病学中起着重要作用，在监测和控制活动中应予以考虑
2021-03-15 stat.AP
Estimation of COVID-19 under-reporting in Brazilian States through SARI
由于其影响，COVID-19一直强调学术界寻求治愈，减轻或控制它。然而，当谈到控制时，仍然很少有研究关注低报估计。据认为，低报是确定实际死亡率的一个相关因素，如果不加以考虑，可能会造成严重的错误信息。因此，这项工作的目的是使用来自严重急性呼吸道感染（SARI）通报信息系统的数据，估计巴西各州COVID-19病例和死亡的漏报情况。该方法是基于惯性的概念和使用事件检测技术来研究住院SARI病例的时间序列。对该疾病真实病例的估计，称为新颖性，是通过比较2020年（COVID-19后）SARI病例的差异与近年来（2016年至2019年）的预期病例总数，从季节性指数移动平均值中得出的。结果表明，各州之间的漏报率差异很大，巴西同一地区的各州没有普遍的模式。这篇论文的出版版本可在https://doi.org/10.1007/s00354-021-00125-3上查阅。请引用为：B。派尚湖巴罗尼湾佩德罗索河萨勒斯湖埃斯科瓦尔角德索萨河de Freitas Saldanha，J. Soares，R. Coutinho等人，2021年，通过SARI估计巴西各州COVID-19报告不足，新一代计算
2021-04-05 cs.CY stat.AP
Time Series Methods and Ensemble Models to Nowcast Dengue at the State Level in Brazil
预测传染病可以通过建议公共卫生干预和个人预防措施来帮助减少其影响。新的数据流，如互联网和社交媒体数据，最近被报道有利于传染病预测。作为巴西登革热的案例研究，我们在七年内每周将27个州的多个传统和非传统异构数据流（卫星图像，互联网，天气和临床监测数据）结合起来。对于每个州，我们根据几个时间序列模型对登革热进行了预测，这些模型在复杂性和外生数据的包含方面各不相同。表现最好的模型因州而异，这促使我们考虑集成方法，以自动组合这些模型，从而在州一级获得更好的结果。模型的比较表明，预测往往改善了外生数据的增加，虽然类似的性能可以通过只包括一个外生数据流（天气数据或新的卫星数据），而不是将它们结合起来。我们的研究结果表明，巴西可以在州一级以高准确性和信心进行即时预测，为每个数据流的效用提供信息，并揭示预测性能的潜在地理贡献者。我们的工作可以扩展到巴西其他空间层面、病媒传播疾病国家，这样传染病的传播就可以得到更有效的遏制。
2020-06-03 q-bio.QM stat.AP
Assessing the Time Evolution of COVID-19 Effective Reproduction Number in Brazil
本文采用贝叶斯方法估计巴西不同地理层级的COVID-19有效再生数R(t)，并与每日报告感染数移动平均比较，发现局部监测更能反映差异并支撑非药物干预政策设计。
2023-06-01 stat.AP
Tracking the Transmission Dynamics of COVID-19 with a Time-Varying Coefficient State-Space Model
COVID-19的传播受到各县、州和国家不同的监管政策和行为模式的极大影响。COVID-19的群体水平动态通常可以使用一组常微分方程来描述，但这些确定性方程不足以对观察到的病例率进行建模，由于当地的检测和病例报告政策以及个体之间的非同质行为，这些病例率可能会有所不同。为了评估人口流动对COVID-19传播的影响，我们开发了一种新的传染病传播的贝叶斯时变系数状态空间模型。该模型的基础是一个时变系数房室模型，以概括易感、暴露、未检测到的传染性、检测到的传染性、未检测到的移除、检测到的非传染性、检测到的恢复和检测到的死亡个体之间的动态。传染性和检测参数被建模为随时间变化，模型中的传染性部分包含了人口流动的多个来源的信息。随着这个房室模型，乘法过程模型的引入，允许偏离确定性动力学。我们将该模型应用于美国几个州和科罗拉多州县观察到的COVID-19病例和死亡。我们发现，人口流动性措施与传播率高度相关，可以解释这些地区传染性的复杂时间变化。此外，推断出的流动性和流行病学参数之间的联系（因地点而异）揭示了不同政策对COVID-19动态的异质影响。
2021-07-21 q-bio.PE stat.AP
COVID-19 Submodel for the NC MInD ABM Overview, Design Concepts, and Details Protocol
这个概述，设计概念和细节（ODD）协议是一个基于代理的模型（ABM）框架的ODD扩展，该框架是为北卡罗来纳州传染病建模计划（NC MInD）构建的。该模型NC MInD ABM可作为各种传染病模拟的基础模型。在本文中，我们描述了一个专门设计用于模拟北卡罗来纳州COVID-19病例和住院情况的子模型。我们将详细描述子模型的每一部分是如何工作的，以及它是如何创建的。我们不讨论具体的模拟场景或结果。此信息保留给与子模型的每个用例相关的论文。
2022-02-25 stat.AP
Determination and estimation of optimal quarantine duration for infectious diseases with application to data analysis of COVID-19
本文提出一种在保证感染者症状出现概率接近1的约束下最小化未感染者平均隔离时长的最优隔离政策，并用统计方法估计最优隔离时长，应用于COVID-19数据分析。
2021-04-28 q-bio.PE stat.AP stat.ME
A prognostic dynamic model applicable to infectious diseases providing easily visualized guides -- A case study of COVID-19 in the UK
合理预测不同疾病控制策略下的传染病传播过程是决策者的重要参考依据。在这里，我们通过Python建立了一个动态的传播模型，实现了疾病控制措施的综合调控。我们将政府干预分为三类，并引入三个参数来描述疾病控制的关键点，即区域内增长率、区域间传播率和感染者检出率。我们的模拟预测，在没有任何干预的情况下，英国的COVID-19感染将在73天内失控;与此同时，群体免疫力的获得将从震中开始。在我们引入政府干预措施后，单一干预措施在疾病控制方面是有效的，但费用巨大，而联合干预措施将更有效，其中，提高检测数量是COVID-19控制策略的关键。此外，我们还根据实际情况下的感染人数计算了最有效的疫苗接种策略的要求。该模型采用迭代算法编程，并通过元胞自动机可视化，只要输入基本参数，就可以应用于其他地区的类似疫情，能够综合模拟传染病控制中多种因素的作用。
2021-02-22 q-bio.PE stat.AP
Zero-state Coupled Markov Switching Count Models for Spatio-temporal Infectious Disease Spread
传染病病例的时空计数通常包含过多的零。由于现有的零膨胀计数模型适用于这些数据，因此难以量化疾病在地区之间传播的影响的时空异质性。此外，现有的方法不允许单独的动态影响疾病的重新出现和持续。作为一种替代方案，我们开发了一个新的零状态耦合马尔可夫切换负二项模型，根据该模型，疾病之间的存在和不存在的时期，在每个区域通过一系列的部分隐藏的非齐次马尔可夫链耦合相邻位置之间的切换。当疾病存在时，自回归负二项模型生成可能为0的病例，表示未检测到疾病。贝叶斯推断和预测说明使用时空计数的登革热病例在巴西里约热内卢。
2021-12-03 stat.AP
Spatiotemporal dynamic of COVID-19 mortality in the city of Sao Paulo, Brazil: shifting the high risk from the best to the worst socio-economic conditions
目前，巴西是世界上COVID-19疫情增长最快的国家之一，迄今已造成至少9.4万人确诊死亡。圣保罗市特别脆弱，因为它是该国人口最多的城市。分析COVID-19的时空动态对于帮助迫切需要整合更好的行动来应对这一流行病非常重要。因此，本研究旨在分析2020年3月至7月期间巴西人口最多城市的COVID-19死亡率，同时考虑到时空结构、人口的社会经济背景，并使用精细粒度水平。为此，我们进行了一项生态研究，使用来自死亡率信息系统的二级公共数据。我们按性别和年龄描述了每个流行病学周和整个时期的死亡率。我们使用时空和空间架构以及潜在高斯贝叶斯模型方法中的泊松概率分布对死亡进行建模。我们得到了时间和时空趋势和社会经济条件的相对风险。为了减少可能的次级通报，我们考虑了确诊和疑似死亡病例。我们的研究结果显示，在这一时期结束时，时间趋势明显稳定，但未来可能会发生变化。死亡率随着年龄的增长而增加，男性死亡率更高。在整个研究期间，社会条件最差的地区的死亡风险更大。然而，随着时间的推移，这并不是一个统一的模式，因为我们发现，从社会经济条件最好的地区的高风险转移到最差的地区。我们的研究强调了在死亡风险较高的地区进行地理筛查的重要性，目前，社会经济环境更差，这是通过综合公共卫生行动减少疾病死亡率和卫生不平等的一个关键方面。
2020-08-05 q-bio.PE stat.AP
An exploratory time series analysis of total deaths per month in Brazil since 2015
在本文中，我们使用时间序列分析技术调查了自2015年以来巴西每月死亡总人数的历史序列，以评估COVID-19大流行是否导致该序列的生成机制发生任何变化。迄今为止获得的结果表明，没有统计学显著影响。
2020-08-26 eess.SP stat.AP
A Recurrent Neural Network and Differential Equation Based Spatiotemporal Infectious Disease Model with Application to COVID-19
UC Irvine（加州大学尔湾分校）
2019冠状病毒病（COVID-19）的爆发对世界产生了重大影响。对感染趋势进行建模和对病例进行实时预测可以帮助决策和控制疾病传播。然而，数据驱动的方法，如递归神经网络（RNN），由于每日样本有限，可能会表现不佳。在这项工作中，我们开发了一个集成的时空模型的基础上流行病微分方程（SIR）和RNN。前者经过简化和离散化后是一个紧凑的区域时间传染趋势模型，而后者则是最近邻区域的影响模型。后者捕捉潜在的空间信息。%未公开报道。我们在意大利的COVID-19数据上训练和测试了我们的模型，并表明它在1天，3天和1周的预测中优于现有的时间模型（全连接NN，SIR，ARIMA），特别是在训练数据有限的情况下。
2020-09-17 cs.LG q-bio.PE stat.AP
Considerations in Bayesian agent-based modeling for the analysis of COVID-19 data
基于Agent的模型（ABM）通过模拟自治个体（Agent）的行为和相互作用，已被广泛用于研究传染病的传播。在ABM中，代理状态，例如感染或易感，根据一组简单的规则进行分配，疾病传播的复杂动态由代理随时间的集体状态来描述。尽管ABM在实际建模中具有灵活性，但由于难以处理的似然函数导致难以估计参数和量化模型输出的不确定性，ABM受到统计学家的关注较少。为了克服这一局限性，我们建议把整个系统作为一个隐马尔可夫模型和发展ABM的贝叶斯框架内的传染病传播。模型中的隐藏状态由个体代理随时间的状态表示。利用粒子马尔可夫链蒙特卡罗算法估计模型的隐态和参数。在各种模拟条件下，参数恢复和预测的方法以及对先前假设的敏感性的性能进行了评估。最后，我们将所提出的方法应用于研究钻石公主号邮轮上的COVID-19爆发，并在考虑不同网络结构和COVID-19检测在邮轮上的局限性的同时，研究了关键人口特征的传播差异。
2022-12-08 stat.AP
Perceived Vulnerability to Disease Scale: Factorial structure, reliability, and validity in times of Portugal's COVID-19 pandemic lockdown
本研究验证葡萄牙语版感知疾病易感性量表（PVD）的因素结构，发现三因素模型优于两因素模型，并指出大流行背景增强了构念的区分度与评价维度。
2024-02-05 stat.AP
Predication of Inflection Point and Outbreak Size of COVID-19 in New Epicentres
截至2020年6月中旬，2019冠状病毒病（COVID-19）已导致超过800万人感染。最近，巴西已成为COVID-19的新震中，而印度和非洲地区是潜在的震中。这项研究的目的是通过借鉴其他国家“成熟”曲线的信息，在流行病早期预测这些新的/潜在的震中的拐点和爆发规模。在混合效应模型和幂变换后的四参数Logistic模型下，我们将累积病例建模为众所周知的S形增长曲线来描述流行趋势。非洲地区预计将有390万例（220万至600万）的最大总爆发规模，并将在2020年9月13日左右出现。预计巴西和印度的最终疫情规模相似，约为250万例（110万至430万），拐点分别于6月23日和7月26日到来。我们的结论是，在巴西、印度和非洲，COVI 19的流行尚未超过拐点;这些地区的疫情规模可能超过美国
2020-07-15 physics.soc-ph q-bio.PE stat.AP
Studying Disease Reinfection Rates, Vaccine Efficacy and the Timing of Vaccine Rollout in the context of Infectious Diseases
本研究针对卡塔尔COVID-19疫情，构建两个贝叶斯模型分析疫苗效力与接种时机，发现早期接种可显著减少感染、再感染和死亡，主张优先早期接种以应对未来大流行。
2023-12-28 stat.AP
From SIR to SEAIRD: a novel data-driven modeling approach based on the Grey-box System Theory to predict the dynamics of COVID-19
Univ. Lille（里尔大学）
COVID-19的常见房室模型基于先验知识和许多假设。此外，它们没有系统地纳入无症状病例。我们的研究旨在为数据驱动的方法提供一个框架，通过利用灰箱系统理论或灰箱识别的优势，以其在部分，不完整或不确定数据下解决问题的鲁棒性而闻名。从一个开放源数据库中提取的确诊病例和死亡病例的经验数据被用于开发SEAIRD分区模型。已作出调整，以配合当前对COVID-19行为的了解。使用常微分方程求解器和优化工具实现和求解该模型。应用交叉验证技术，计算决定系数$R^2$，以评价模型的拟合优度。%的数据。最后估计了关键的流行病学参数，为SEAIRD模型的构建提供了理论依据。当适用于巴西的情况下，SEAIRD产生了一个很好的协议的数据，与%系数的决定$R^2$ $\geq 90\%$。COVID-19传播的概率普遍较高（$\geq 95\%$）。根据20天的建模数据，巴西和法国的COVID-19发病率低至每10万暴露者3例感染病例。在同一时间段内，COVID-19的致死率在法国最高（16. 4\%），其次是巴西（6. 9\%），俄罗斯最低（$\leq 1\%$）。SEAIRD代表了在动态稳定阶段建模传染病的资产，特别是对于病理生理学知识非常有限的新病毒。
2021-05-29 cs.LG stat.AP
Spatiotemporal risk prediction for infectious disease spread and mortality
提出Geo Score方法，整合地理、社会经济和人口数据，利用梯度下降优化权重，实现按区域和时间的传染病感染与死亡风险预测，并应用于纽约市COVID-19数据。
2023-12-05 physics.soc-ph stat.AP
Leveraging Synthetic and Genetic Data to Improve Epidemic Forecasting
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
本文研究如何利用合成数据和遗传信息提升新兴传染病预测，通过实验发现合成数据和遗传信息能提升预测准确性，优于基线模型和现有预测模型。
2026-03-25 stat.AP
Estimating velocities of infectious disease spread through spatio-temporal log-Gaussian Cox point processes
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Universitat Jaume I（海梅一世大学）
本文提出利用时空对数高斯协方差点过程估计传染病传播速度，通过贝叶斯推断和有限差分法分析新冠状病毒在哥伦比亚卡利市的传播情况。
2025-12-21 stat.AP stat.ME
Digital Epidemiology after COVID-19: impact and prospects
本文回顾COVID-19对数字流行病学的影响，提出强调数据集统计性质的新定义，并给出降低偏倚、不平等与隐私风险的多学科发展建议。
2023-12-08 cs.CY stat.AP
The impact of undetected cases on tracking epidemics: the case of COVID-19
用于跟踪传染病演变的关键指标之一是繁殖数。这一数量通常是使用已确认的病例数计算的，但忽略了可能有更多的人被感染（例如，渐近）。我们提出了一个统计程序，以量化的影响，未检测到的传染病病例的有效繁殖数的确定。我们的方法是随机的，数据驱动的，不依赖于任何分隔模型。它被应用于8个不同国家和所有意大利地区的COVID-19病例，表明未被发现的病例的影响导致有效繁殖数量的估计值比仅报告病例获得的估计值大2到10倍。我们的研究结果敦促谨慎决定何时以及如何根据繁殖数量的值放松遏制措施。
2020-05-13 q-bio.PE q-bio.QM stat.AP
The starting dates of COVID-19 multiple waves
冠状病毒2型严重急性呼吸系统综合征在全球迅速蔓延，由于相关呼吸道疾病（即所谓的COVID-19）的严重性，在国际层面引起极大关注。以里约热内卢市（巴西）为例，该疾病的首次诊断发生在2020年3月，但由于当时巴西流行病学监测系统尚未做好检测COVID-19疑似病例的广泛准备，因此病毒开始在当地传播的确切时间尚不确定。这一监测系统在大流行期间得到了改进，但由于疾病传播过程的复杂性，确定新的社区传染病暴发出现的确切时间是一项复杂的任务。这项工作旨在提出一种通用方法来确定COVID-19多个社区爆发的可能开始日期，为此目的使用参数统计方法，结合监测数据，非线性回归和信息标准，以获得能够描述所观察到的多波传染的统计模型。里约热内卢市的COVID-19动态被视为案例研究，结果表明，该病毒的原始毒株早在2020年2月下旬就已经在里约热内卢市传播，可能在狂欢节庆祝活动期间在人群中大规模传播。
2022-03-03 math.DS q-bio.PE stat.AP
Forecasting confirmed cases of the COVID-19 pandemic with a migration-based epidemiological model
自2020年首几个月开始侵入公众日常生活以来，史无前例的2019冠状病毒病（COVID-19）大流行仍是全球范围内对人类生命的威胁。预测确诊病例的规模对于国家和社区制定适当的防控政策以有效遏制COVID-19的传播至关重要。与2003年SARS疫情和2009年全球H1N1流感大流行不同，COVID-19在其传染性和恢复性方面具有独特的流行病学特征。这促使我们制定一个新的传染病动态模型，用于预测人类流动网络中的COVID-19大流行，命名为SaucIR模型，因为新的房室模型扩展了基准SIR模型，将感染状态下的人群分为无症状、病理感染但未确诊和确诊。此外，我们采用人口流动的动态模型在模型中，以便空间效应可以有效地纳入。我们预测了2020年2月底至5月初期间，中国大陆部分省份和其他经历严重感染的国家的累计确诊病例的传播。将大流行的地理传播纳入其中的新颖性导致了与已公布的确诊病例报告惊人的良好一致性。数值分析验证了我们提出的SaucIR模型的高度可预测性相比，现有的相似性。所提出的预测SaucIR模型在Python中实现。Dash还开发了一个基于网络的应用程序（正在建设中）。
2020-12-01 physics.soc-ph stat.AP
Spatial scales of COVID-19 transmission in Mexico
在新出现的传染病爆发期间，国际连通的城市往往会经历大规模和早期的爆发，而农村地区则会在一段时间后出现。这种疾病传播的层次结构主要受到人类流动的多尺度结构的影响。然而，在COVID-19疫情期间，公共卫生应对措施在设计非药物干预措施（NPI）时通常没有考虑到人类流动的明确空间结构。国家绩效指标主要在国家或区域范围内实施。在这里，我们使用每周匿名和汇总的人类流动数据以及墨西哥市级COVID-19病例、死亡和住院的空间高分辨率数据，调查应对大流行的行为变化如何改变了第一波（2020年3月至6月）传播和干预的空间尺度。我们发现，墨西哥的疫情动态最初是由来自墨西哥州和墨西哥城的SARS-CoV-2出口驱动的，那里发生了早期疫情。2020年3月下旬实施干预措施后，流动网络发生了变化，流动网络社区变得更加脱节，而这些社区的疫情变得越来越同步。我们的研究结果为如何使用网络科学和流行病学建模提供了可操作的动态见解，以告知干预措施在减缓COVID-19和一般传染病传播方面最具影响力的空间尺度。
2023-01-30 physics.soc-ph stat.AP
