A stochastic discrete-time suscepti

A stochastic discrete-time susceptible-exposed-infectious-recovered (SEIR) model for infectious diseases is developed with the aim of estimating parameters from daily incidence and mortality time series for an outbreak of Ebola in the Democratic Republic of Congo in 1995. The incidence time series exhibit many low integers as well as zero counts requiring an intrinsically stochastic modeling approach. In order to capture the stochastic nature of the transitions between the compartmental populations in such a model we specify appropriate conditional binomial distributions. In addition, a relatively simple temporally varying transmission rate function is introduced that allows for the effect of control interventions. We develop Markov chain Monte Carlo methods for inference that are used to explore the posterior distribution of the parameters. The algorithm is further extended to integrate numerically over state variables of the model, which are unobserved. This provides a realistic stochastic model that can be used by epidemiologists to study the dynamics of the disease and the effect of control interventions.

Kết quả (Việt) 1:

Một ngẫu nhiên thời gian rời rạc dễ bị xúc-lây nhiễm-phục hồi (SEIR) mô hình cho các bệnh truyền nhiễm đang phát triển với mục đích ước tính thông số từ hàng ngày tỷ lệ mắc và tử vong thời gian series cho một ổ dịch Ebola ở Cộng hòa dân chủ Congo vào năm 1995. Tỷ lệ thời gian series triển lãm nhiều nguyên thấp cũng như không đếm đòi hỏi một cách tiếp cận mô hình intrinsically ngẫu nhiên. Để nắm bắt bản chất ngẫu nhiên của quá trình chuyển đổi giữa các quần thể thay trong một mô hình, chúng tôi xác định phân phối nhị thức có điều kiện thích hợp. Ngoài ra, một chức năng tỷ lệ tạm khác nhau tương đối đơn giản truyền được giới thiệu cho phép cho hiệu quả của các can thiệp điều khiển. Chúng tôi phát triển Markov chuỗi Monte Carlo phương pháp suy luận được sử dụng để khám phá sự phân bố sau các tham số. Các thuật toán tiếp tục được mở rộng để tích hợp số qua biến trạng thái của mô hình, trong đó có ngôi. Điều này cung cấp một mô hình thực tế ngẫu nhiên mà có thể được sử dụng bởi epidemiologists để nghiên cứu các động thái của bệnh và hiệu quả của các can thiệp điều khiển.

Kết quả (Việt) 2:

Một ngẫu nhiên rời rạc thời gian dễ bị phơi nhiễm nhiễm trùng thu hồi (Sê -i-rơ) mô hình các bệnh truyền nhiễm được phát triển với mục đích ước lượng các tham số từ tỷ lệ hàng ngày và chuỗi thời gian tử vong cho một ổ dịch Ebola tại Cộng hòa Dân chủ Congo vào năm 1995. Tỷ lệ chuỗi thời gian triển lãm nhiều nguyên thấp cũng như không đếm đòi hỏi một cách tiếp cận mô hình bản chất ngẫu nhiên. Để nắm bắt được bản chất ngẫu nhiên của sự chuyển tiếp giữa các quần compartmental trong một mô hình như vậy chúng tôi chỉ định phân phối nhị thức có điều kiện thích hợp. Ngoài ra, một mặt thời gian khác nhau chức năng truyền dẫn tốc độ tương đối đơn giản là giới thiệu cho phép đối với tác động của các can thiệp kiểm soát. Chúng tôi phát triển chuỗi Markov phương pháp Monte Carlo để suy luận được sử dụng để khám phá sự phân bố hậu nghiệm của các tham số. Thuật toán được tiếp tục mở rộng để tích hợp số lượng qua các biến trạng thái của mô hình, mà không quan sát được. Điều này cung cấp một mô hình ngẫu nhiên thực tế có thể được sử dụng bởi các nhà dịch tễ học để học các động thái của bệnh và hiệu quả của các can thiệp kiểm soát.