贝叶斯对抗生素耐药性流行率的估计:一个数学建模研究
Alex Howard1,2,3, Peter L Green3,4, Anoop Velluva1,3
1Department of Antimicrobial Pharmacodynamics and Therapeutics, Institute of Systems, Molecular and Integrative Biology, University of Liverpool, William Henry Duncan Building, 6 West Derby Street, Liverpool L7 8TX, UK.
一种新的贝叶斯方法为估计抗菌素耐药性 (AMR) 患病率提供了一种更可靠和资源高效的方法. 与传统的频率主义技术相比,这种方法减少了估计错误和数据需求.
科学领域:
- 流行病学 流行病学
- 生物统计学 生物统计学
- 传染性疾病 传染性疾病
背景情况:
- 估计抗菌素耐药性 (AMR) 患病率对于有效的抗菌素管理和感染控制至关重要.
- 使用现实数据的当前方法通常是时间有限的,稀疏的,有偏见的,资源密集的.
- 通常使用的频率主义方法需要大量的数据集,增加资源需求.
研究的目的:
- 评估贝叶斯方法作为一个更可靠和资源高效的替代方案,用于估计人口抗菌药物耐药性流行率.
- 将贝叶斯方法的性能与传统频率主义方法进行比较.
主要方法:
- 贝叶斯的方法是使用回顾性,开源的医疗保健数据结合文学衍生先前的AMR信息开发的.
- 使用代随机抽样和交叉验证来评估预测准确性和资源效率.
- 贝叶斯方法与标准频率主义方法进行了比较.
主要成果:
- 与频率主义方法 (11.8%) 相比,贝叶斯估计导致极端估计误差显著减少 (6.4%).
- 贝叶斯方法需要平均每种病原体的敏感性结果较少 (28.8比34.4),以避免极端错误.
- 药物-病原体组合的有效性和效率最高,耐药性流行率不接近0%或100%.
结论:
- 贝叶斯估计提供了一种简单且资源高效的方法来确定AMR流行率.
- 这种方法可以加强人口感染管理策略,特别是在AMR患病率不确定性较高的地区.
更多相关视频
08:58Isolation and Identification of Waterborne Antibiotic-Resistant Bacteria and Molecular Characterization of their Antibiotic Resistance Genes
Published on: March 3, 2023
12:32Quantification of Plasmid-Mediated Antibiotic Resistance in an Experimental Evolution Approach
Published on: December 14, 2019
相关概念视频
Mechanistic Models: Compartment Models in Individual and Population Analysis
Steps in Outbreak Investigation
Antibiotic Selection
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
