萨摩亚麻疹爆发的似然估计和预测
摘要：在规划和协调应对措施时，预测传染病爆发的进展非常重要。微分方程经常用于模拟流行病爆发的行为，但参数化是个困难的问题。此外，这些模型可能存在错误规范化问题，从而偏差了预测和参数估计结果。随机模型可以帮助解决错误规范化问题，但模拟和推断的成本更高。在这里，我们开发了一种显式的基于似然的广义轮廓法，作为模型错误规范化下的预测和推断工具。我们的方法允许我们使用基于轮廓似然的方法进行可辨识性分析和不确定性量化，而不需要边缘化处理。我们通过将模型逼近组件解释为随机约束的一种新方法来证明这种方法的合理性。这保持了使用轮廓进行除去干扰参数的合理性，同时也提供了与随机模型的联系。在2019-2020年萨摩亚麻疹爆发期间，我们应用了该方法的初始版本，并发现其具有相对快速、准确的预测能力。在这里，我们介绍我们方法的最新版本及其在麻疹爆发中的应用，并进行额外验证。
作者：David Wu, Helen Petousis-Harris, Janine Paynter, Vinod Suresh, Oliver J. Maclaren
论文ID：2103.16058
分类：Populations and Evolution
分类简称：q-bio.PE
提交时间：2022-03-16