流行病干预的时间和概率预测
摘要：疾病传播预测是帮助公共卫生官员设计和规划公共卫生干预措施的关键工具。然而，由于疾病传播本质上是随机的，人群中的接触模式是异质的，行为也会发生变化，因此疾病未来的预期状态并不一定明确。在这项工作中，我们使用时间相关的概率生成函数（PGFs）来捕捉这些特征，通过对引入公共卫生干预措施的时间内疾病传播的随机分支过程进行建模。为了实现这一目标，我们定义了一个通用的可传递性方程，以考虑不同的传播速率（例如掩蔽），恢复速率（例如治疗），接触模式（例如社交距离）和人群中免疫的百分比（例如疫苗接种）。所得到的框架允许对干预措施对疾病传播的时间和概率分析，这与计算成本更高的连续时间随机模拟相匹配。为了帮助制定政策，我们定义了几个指标，可以对时间和概率干预预测进行比较：观察随时间变化的预期病例数量和最坏情况，以及达到关键病例水平的概率和干预后没有看到任何改善的概率。由于流行病不总是按照其平均预期轨迹发展，并且潜在动态也会随时间变化，我们的工作为更详细的短期疾病传播预测和更明智地比较干预策略铺平了道路。
作者：Mariah C. Boudreau, Andrea J. Allen, Nicholas J. Roberts, Antoine Allard, and Laurent H''ebert-Dufresne
论文ID：2302.03210
分类：Populations and Evolution
分类简称：q-bio.PE
提交时间：2023-02-08