構造化された集団における実用的な応用のための時間変動の生殖数推定

科学分野:

• 流行病学
• 統計モデリング
• 計算生物学

背景:

• 時間の変動する生殖数 ($R_t)\; は,リアルタイムでの流行の評価に不可欠である.$
• EpiEstimフレームワークは$R_tの見積もりを提供しているが,構造化された集団におけるその性能は過小評価されている.$
• 人口構造は,時間的なバイアスを $R_tの推定に導入することができます.$

研究 の 目的:

• 小規模でランダムに混合しない集団におけるEpiEstimの時間的効果を評価する.
• 人口構造が$R_t$の推定に与える影響を評価する.
• EpiEstim $R_tの推定値の時間偏差を修正する方法を実証する.$

主な方法:

• 2つの集団のメカニズムモデルからCOVID-19の発生をシミュレートしたデータ.
• 真の$R_tと,EpiEstimから派生した$ {\hat{R}}_tの推定値の比較.$$
• タイムバイアスの分析は,$R_t$が1の臨界値を越えた時点を比較することによって行われます.

主要な成果:

• EpiEstim ${\hat{R}}_t$の推定値は,構造化された集団では早々に1を下回った.
• 毎週集約されたデータは,毎日のデータよりも遅い${\stackrel{}{R}}_{ˆ}$の値越えを示し,人口構造には追加の効果はありませんでした.
• 時間の精度を回復するには,総人口 ${\stackrel{}{R}}_{ˆ}$の推定値の遅滞データを使用した.

結論:

• 人口構造は,EpiEstim $R_tの推定値を臨界値に近いものに偏移させる可能性があります.$
• 正確な疫病対応には,EpiEstimを構造化された集団データに慎重に適用することが必要である.
• 構造化された集団内の推定における時間的なバイアスを軽減する方法は存在する.