新冠疫情传播中的不确定性量化：封锁效应
摘要：开发了一个贝叶斯推断框架来量化流行病学模型中的不确定性。我们使用涉及易感、潜伏、感染、确诊、死亡和康复个体群体的SEIJR和SIJR模型，根据COVID-19数据推断出速率常数以及它们对封锁措施的响应的变化。为了考虑到隔离情况，我们区分了两个不同风险的易感人群：被隔离和未被隔离的。我们表明，在它们之间的传播和康复速率会根据事实的不同而变化。预测疫情演变的一个关键未知因素是受病毒影响的人口比例，包括无症状的人群。我们的研究通过量化不确定性从疫情初期的现有官方数据中跟踪其时间演变，但受到数据质量的限制。我们以西班牙的数据为例，该国在过去几个月里实施了严格的晚期封锁措施。在缺乏其他措施的情况下，尽管传播会被延迟，但除非有足够大的人口比例被隔离直到无症状人群减少，否则传播不会停止。在适当的情况下，隔离可以用强制戴口罩的紧密隔离来替代。
作者：A. Carpio, E. Pierret
论文ID：2109.12412
分类：Populations and Evolution
分类简称：q-bio.PE
提交时间：2022-03-08