Sitzung
Soziale Kontaktdaten in endemisch-epidemischen Modellen und probabilistische Vorhersage mit **Überwachung**
durch Sebastian Meyer
useR!2017: Soziale Kontaktdaten in endemischer Epidemie...
Schlüsselwörter: altersstrukturierte Kontaktmatrix, Flächenzählung Zeitreihen, Infektionsepidemiologie, Norovirus, spatio-temporale Überwachungsdaten
Webseiten: https://CRAN.R-project.org/package=surveillance
Die routinemäßige Überwachung von meldepflichtigen Infektionskrankheiten führt zu wöchentlichen Zählungen gemeldeter Fälle, die nach Region und Altersgruppe gestuft sind. Ein gut etablierter Ansatz für die statistische Analyse solcher Überwachungsdaten sind endemisch-epidemische Zeitreihenmodelle (hhh4), wie sie in der R-Paketüberwachung implementiert wurden (Meyer, Held und Höhle 2017). Autoregressive Modellkomponenten spiegeln die zeitliche Abhängigkeit von übertragbaren Krankheiten wider. Räumliche Dynamiken werden größtenteils durch menschliches Reisen gesteuert und können durch Bewegungsnetzwerkdaten oder ein parametrisches Machtgesetz erfasst werden, das auf der Adjacency-Matrix der Regionen basiert. Darüber hinaus erzeugt das soziale Phänomen "like seeks like" charakteristische Kontaktmuster zwischen Untergruppen einer Bevölkerung, insbesondere im Hinblick auf das Alter (Mossong et al. 2008). So integrieren wir eine altersstrukturierte Kontaktmatrix in das hhh4-Modellierungsframework
- Bewerten der altersspezifischen Krankheitsausbreitung unter Berücksichtigung ihres räumlichen Musters (Meyer und Held 2017)
- Verbesserung der probabilistischen Vorhersagen der Verbreitung von Infektionskrankheiten (Held, Meyer und Bracher 2017) Wir analysieren wöchentliche Überwachungszahlen der Norovirus-Gastroenteritis aus den 12 Berliner Stadtbezirken, in sechs Altersgruppen, von Woche 2011/27 bis Woche 2015/26. Das Folgejahr (2015/27 bis 2016/26) wird verwendet, um die Qualität der Vorhersagen zu bewerten.
Referenzen Held, Leonhard, Sebastian Meyer und Johannes Bracher. 2017. "Probabilistic Forecasting in Infectious Disease Epidemiology: The Threerteenth Armitage Lecture." bioRxiv. doi:10.1101/104000.
Meyer, Sebastian und Leonhard Held. 2017. "Einbeziehung sozialer Kontaktdaten in Spatio-Temporal Modelle für die Verbreitung von Infektionskrankheiten." Biostatistik 18 (2): 338–51. doi:10.1093/biostatistics/kxw051.
Meyer, Sebastian, Leonhard Held und Michael Höhle. 2017. "Räumliche-temporale Analyse epidemischer Phänomene mithilfe der R-Paketüberwachung." Journal of Statistical Software. http://arxiv.org/abs/1411.0416.
Mossong, Joël, Niel Hens, Mark Jit, Philippe Beutels, Kari Auranen, Rafael Mikolajczyk, Marco Massari, et al. 2008. "Soziale Kontakte und Mischmuster, die für die Verbreitung von Infektionskrankheiten relevant sind." PLoS Medicine 5 (3): e74. doi:10.1371/journal.pmed.0050074.
useR!2017: Soziale Kontaktdaten in endemischer Epidemie...
Schlüsselwörter: altersstrukturierte Kontaktmatrix, Flächenzählung Zeitreihen, Infektionsepidemiologie, Norovirus, spatio-temporale Überwachungsdaten
Webseiten: https://CRAN.R-project.org/package=surveillance
Die routinemäßige Überwachung von meldepflichtigen Infektionskrankheiten führt zu wöchentlichen Zählungen gemeldeter Fälle, die nach Region und Altersgruppe gestuft sind. Ein gut etablierter Ansatz für die statistische Analyse solcher Überwachungsdaten sind endemisch-epidemische Zeitreihenmodelle (hhh4), wie sie in der R-Paketüberwachung implementiert wurden (Meyer, Held und Höhle 2017). Autoregressive Modellkomponenten spiegeln die zeitliche Abhängigkeit von übertragbaren Krankheiten wider. Räumliche Dynamiken werden größtenteils durch menschliches Reisen gesteuert und können durch Bewegungsnetzwerkdaten oder ein parametrisches Machtgesetz erfasst werden, das auf der Adjacency-Matrix der Regionen basiert. Darüber hinaus erzeugt das soziale Phänomen "like seeks like" charakteristische Kontaktmuster zwischen Untergruppen einer Bevölkerung, insbesondere im Hinblick auf das Alter (Mossong et al. 2008). So integrieren wir eine altersstrukturierte Kontaktmatrix in das hhh4-Modellierungsframework
- Bewerten der altersspezifischen Krankheitsausbreitung unter Berücksichtigung ihres räumlichen Musters (Meyer und Held 2017)
- Verbesserung der probabilistischen Vorhersagen der Verbreitung von Infektionskrankheiten (Held, Meyer und Bracher 2017) Wir analysieren wöchentliche Überwachungszahlen der Norovirus-Gastroenteritis aus den 12 Berliner Stadtbezirken, in sechs Altersgruppen, von Woche 2011/27 bis Woche 2015/26. Das Folgejahr (2015/27 bis 2016/26) wird verwendet, um die Qualität der Vorhersagen zu bewerten.
Referenzen Held, Leonhard, Sebastian Meyer und Johannes Bracher. 2017. "Probabilistic Forecasting in Infectious Disease Epidemiology: The Threerteenth Armitage Lecture." bioRxiv. doi:10.1101/104000.
Meyer, Sebastian und Leonhard Held. 2017. "Einbeziehung sozialer Kontaktdaten in Spatio-Temporal Modelle für die Verbreitung von Infektionskrankheiten." Biostatistik 18 (2): 338–51. doi:10.1093/biostatistics/kxw051.
Meyer, Sebastian, Leonhard Held und Michael Höhle. 2017. "Räumliche-temporale Analyse epidemischer Phänomene mithilfe der R-Paketüberwachung." Journal of Statistical Software. http://arxiv.org/abs/1411.0416.
Mossong, Joël, Niel Hens, Mark Jit, Philippe Beutels, Kari Auranen, Rafael Mikolajczyk, Marco Massari, et al. 2008. "Soziale Kontakte und Mischmuster, die für die Verbreitung von Infektionskrankheiten relevant sind." PLoS Medicine 5 (3): e74. doi:10.1371/journal.pmed.0050074.
Feedback? Melden Sie hier ein Problem.