剧集

地方流行模型中的社会接触数据，以及通过监控进行概率预测

替换为 Sebastian Meyer

用户！ 国际 R 用户 2017 会议

useR！2017：流行流行中的社交联系人数据...

关键字：年龄结构化接触矩阵、时间序列、传染病流行病学、诺罗病毒、空间时态监测数据
网页：https://CRAN.R-project.org/package=surveillance
对可通知传染病的例行监测导致地区和年龄组对报告病例进行每周计数。 这种监测数据的统计分析方法是 R 包监视（Meyer、Held 和 Höhle 2017）中实施的流行时序模型（hhh4）。 自动回归模型组件反映了传染病固有的时态依赖性。 空间动态主要由人类旅行驱动，可以通过移动网络数据或基于区域相邻矩阵的参数功率法捕获。 此外，“像寻求类似”的社会现象在人口子群体之间产生特征的接触模式，特别是关于年龄（摩松等人2008年）。 因此，我们将 hhh4 建模框架中的年龄结构化接触矩阵合并到

  1. 评估年龄特定的疾病传播，同时考虑到其空间模式（迈耶和持有2017年）
  2. 改善传染病传播概率预测（2017年，迈耶和布拉彻2017年）我们分析了柏林12个市区的诺罗病毒胃炎的每周监测计数，从2011/27周到2015/26周。 第二年（2015/27 至 2016/26 年）用于评估预测的质量。
    引用持有，莱昂哈德，塞巴斯蒂安迈耶，和约翰内斯布拉彻。 2017. “传染病流行病学的概率预测：第十三次停战讲座。 bioRxiv. doi：10.1101/104000。

迈耶、塞巴斯蒂安和莱昂哈德·哈德· 2017. “将社交联系人数据纳入传染病传播的时态模型。 生物统计 18 （2）： 338 –51。 doi：10.1093/biostatistics/kxw051。

迈耶、塞巴斯蒂安、莱昂哈德·哈德和迈克尔·霍勒。 2017. “使用R包 监测对流行病现象进行空间-时态分析。 统计软件杂志。 http://arxiv.org/abs/1411.0416。

莫斯松、乔尔、尼尔·亨斯、马克·吉特、菲利普·贝特尔斯、卡里·奥拉宁、拉斐尔·米科拉伊奇克、马可·马萨里等人。 “与传染病传播相关的社会接触和混合模式。 普洛斯医学 5 （3）： e74. doi：10.1371/journal.pmed.0050074。