重新考虑用于病毒监测的血清学数据分析的统计方法

科学领域:

• * 流行病学和生物统计学
• * 传染病监测 传染病监测
• *动物传染病原体研究

背景情况:

• *精确的血清学监测对于早期检测和了解新出现的动物传染病至关重要.
• *选择适当的统计方法对于区分血清阴性/血清阳性样本以及估计流行率和风险因素至关重要.
• *标准切断方法在传播不确定性方面存在局限性,与高斯混合模型等先进方法不同.

研究的目的:

• * 为了比较切断和聚类方法用于分析血清学数据的性能.
• * 用模拟数据集来评估反映现实世界流行病学,生物学和免疫学过程的方法.
• *为研究不足的病原体选择可靠的分析方法提供经验指导,测试验证有限.

主要方法:

• * 对未经研究的病原体进行血清学数据集的模拟,模仿数据生成过程.
• * 基于标准偏差的切断方法与贝叶斯混合模型 (集群方法) 的比较.
• *使用覆盖率和偏差指标对血清状况,流行率和风险因素估计进行模型性能量化.

主要成果:

• *贝叶斯混合模型在大多数场景中始终表现出更高的覆盖率和更低的偏差.
• * 切断方法只在特定的非常低血清流行率 (<3%) 的特定情况下表现出可接受的性能,信号差异明显.
• * 截止方法对风险因素回归系数的覆盖率很低,限制了它们在决定性分析中的有用性.

结论:

• * 贝叶斯混合模型被推用于稳健的血清学数据分析,特别是对于新出现的动物传染病.
• * 该研究建议不要使用切断方法来量化血清阳性决定因素,因为覆盖范围不足.
• * 结果提供经验证据,以指导在血清学监测系统中选择统计方法.