.png){kind=icon}
返回
Gaussian process emulation for exploring complex infectious disease models
.png){kind=icon}
PRE
AI
DOI：10.1371/journal.pcbi.1013849.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
旨在通过模拟种群中每个个体来实现高生物学真实度的流行病学模型，不可避免地非常复杂，包含许多自由参数，这使得对其动态进行系统性探索在计算上具有挑战性。本研究展示了高斯过程仿真如何克服这一挑战。为模拟疾病动态，我们开发了一个抽象的基于个体的模型，该模型松散地借鉴了登革热，并纳入了塑造登革热流行病的关键特征，如社会结构、人类移动和季节性。我们重点关注了基于个体模型的三个流行病学指标——暴发概率、最大发病率及流行持续时间，并训练了三个高斯过程代理模型来近似这些指标。高斯过程代理模型实现了在原始模型八维参数空间的任意点快速预测这些流行病学指标。我们的分析表明，平均传染性和平均人类流动性是这些流行病学指标的关键驱动因素，而首次感染的季节性时间可以影响流行病暴发的过程。我们使用包含哥伦比亚12年内超过1,000次观察到的登革热流行病的数据库来校准我们的高斯过程模型，并评估其预测能力。校准后的高斯过程模型识别出一组市镇，其平均传染性估计值持续较高；这些市镇与先前报告的登革热疾病聚集区的显著重叠表明，统计仿真可以促进经验数据分析。总体而言，这项工作强调了高斯过程仿真在流行病学中应用更复杂的基于个体模型的潜力，它允许更高的真实度和准确性，从而应增强我们控制公共卫生相关疾病的能力。
Keyword:
HUMAN MOVEMENT
HUMAN MOBILITY
DENGUE
TRANSMISSION
期刊
P
IF:
3.6
论文数:
643
被引数:
0
机构
引用论文
.png){kind=icon}
Global sensitivity indices for nonlinear mathematical models and their Monte Carlo estimates非线性数学模型的全局灵敏度指数及其蒙特卡罗估计
PREAI
分享收藏
分享收藏
查看更多内容