德克·杜韦斯·舒尔茨;孙朔;亚历山大·施密特(Alexandra M.Schmidt)。;艾丽卡·E·M·穆迪。 扩展贝叶斯流行病模型,将流动性数据纳入新冠肺炎预测。 (英语。法语摘要) Zbl 07759482号 可以。J.统计。 50,编号3713-733(2022). 小结:预测每日新冠肺炎病例数对医院和其他公共资源的短期规划至关重要。预测新冠肺炎病例的一个潜在重要信息是移动设备位置数据,该数据衡量个人在家的时间。地方性流行病(EE)时间序列模型是最近提出的自回归模型,其中当前平均病例数被建模为过去病例数的加权平均数乘以自回归率,再加上地方性成分。我们扩展了EE模型以包括一个分布lag模型,以研究流动性与报告的新型冠状病毒肺炎病例数之间的关系;我们还包括每周一次的随机行走,以捕捉额外的时间变化。此外,我们为过去的计数引入了一种移位负二项式加权方案,该方案比以前提出的加权方案更灵活。我们在贝叶斯框架下进行推理,将参数不确定性纳入模型预测。我们使用来自美国四个县的数据来说明我们的方法。{©2022加拿大统计学会/加拿大统计学会} MSC公司: 62至XX 统计 关键词:自回归模型;贝叶斯预测;分布lag模型;时间序列 软件:化学需氧量;埃皮埃斯特姆 PDF格式BibTeX公司 XML格式引用 \textit{D.Douwes-Schultz}等人,加拿大。J.Stat.50,No.3,713--733(2022;Zbl 07759482) 全文: 内政部 参考文献: [1] Anastasopoulou,C.、Russo,L.、Tsakris,A.和Siettos,C.(2020年)。基于数据的分析、建模和预测新冠肺炎疫情。《公共科学图书馆·综合》,15(3),e0230405。 [2] Bauer,C.&Wakefield,J.(2018年)。分层时空传染病模型,应用于中国的手足口病。英国皇家统计学会期刊C辑,67(5),1379-1398。 [3] Benvenuto,D.、Giovanetti,M.、Vassallo,L.、Angeletti,S.和Ciccozzi,M.(2020年)。ARIMA模型在2019年新型冠状病毒疫情数据集上的应用。简要数据,29,105340。 [4] Bracher,J.和Held,L.(2021)。一种边际矩匹配方法,用于将地方病-流行病模型与漏报的疾病监测计数相匹配。生物统计学,77(4),1202-1214·Zbl 1520.62141号 [5] Bracher,J.和Held,L.(2022)。传染病预测的具有离散时间序列间隔分布的地方性流行病模型。国际预测杂志,38(3),1221-1233。 [6] 交通统计局(2020年)。长途旅行。https://data.bts.gov/Research网站统计数据/行程/距离/w96p‐f2qv [7] CDC(2020a)。新冠肺炎是如何传播的。https://www.cdc.gov/冠状病毒/2019‐ncov/预防生病/如何避免covid‐spreads.html [8] CDC(2020b)。已确诊冠状病毒病(COVID‐19)患者管理临时临床指南。https://www.cdc.gov/conarovirus/2019‐ncov/hcp/临床‐指导‐管理‐患者.html [9] CDC(2020c)。关于CDC COVID‐19数据。https://www.cdc.gov/conarovirus/2019‐ncov/covid‐data/about‐us‐cases‐deaths.html [10] CDC(2021年)。SARS‐CoV‐2(COVID‐19)测试概述。https://www.cdc.gov/conarovirus/2019‐ncov/hcp/testing‐overview.html [11] Celani,A.和Giudici,P.(2021)。用于理解新型冠状病毒肺炎时空演变的地方流行病模型。空间统计,49,100528。 [12] Chiang,W.H.、Liu,X.和Mohler,G.(2021)。霍克斯(Hawkes)利用流动性领先指标和空间协变量对新型冠状病毒肺炎(COVID‐19)进行过程建模。国际预测杂志,38(2),505-520。 [13] Chwe,H.、Quintana,A.、Lazer,D.、Baum,M.、Ognyanova,K.、Perlis,R.H.、Santillana,M.等人(2021年)。COVID陈述了项目#17:COVID‐19测试结果时间。OSF预印本。 [14] Cori,A.、Ferguson,N.M.、Fraser,C.和Cauchemez,S.(2013年)。一种新的框架和软件,用于估计流行病期间随时间变化的繁殖数量。《美国流行病学杂志》,178(9),1505-1512。 [15] deValpine,P.、Turek,D.、Paciorek,C.J.、Anderson‐Bergman,C.、Lang,D.T.和Bodik,R.(2017)。用模型编程:用NIMBLE编写通用模型结构的统计算法。计算与图形统计杂志,26(2),403-413。 [16] Dzhanova,Y.(2020年)。2020年6月14日检索到的美国全国广播公司商业新闻网(CNBC News)报道,纽约州目前的冠状病毒病例数超过了美国以外的任何国家。 [17] Fanelli,D.&Piazza,F.(2020年)。新冠肺炎在中国、意大利和法国传播的分析和预测。混沌、孤子与分形,134109761·Zbl 1483.92130号 [18] Gasparrini,A.、Armstrong,B.和Kenward,M.G.(2010年)。分布式滞后非线性模型。医学统计学,29(21),2224-2234。 [19] Gelman,A.、Hwang,J.和Vehtari,A.(2014)。了解贝叶斯模型的预测信息标准。统计与计算,24(6),997-1016·Zbl 1332.62090号 [20] Gneiting,T.和Raftery,A.(2007年)。严格正确的评分规则、预测和评估。《美国统计协会杂志》,102(477),359-378·Zbl 1284.62093号 [21] Gostic,K.M.、McGough,L.、Baskerville,E.B.、Abbott,S.、Joshi,K.、Tedijanto,C.、Kahn,R.等人(2020年)。测量有效生殖数的实际考虑,《公共科学图书馆·计算生物学》,16(12),e1008409。 [22] Grimée,M.,Bekker‐Nielsen Dunbar,M.、Hofmann,F.和Held,L.(2022年)。模拟瑞士和意大利边境关闭对新冠肺炎在瑞士时空传播的影响。空间统计,49,100552。https://doi.org/10.1016/j.spasta.2021.100552 ·doi:10.1016/j.spasta.2021.100552 [23] Heinze,G.、Wallisch,C.和Dunkler,D.(2018年)。变量选择-对执业统计学家的审查和建议。《生物医学杂志》,60(3),431-449·Zbl 1429.62532号 [24] Held,L.、Höhle,M.和Hofmann,M.(2005)。多元传染病监测计数分析的统计框架。统计建模,5(3),187-199·Zbl 1111.62105号 [25] Held,L.和Paul,M.(2012年)。在时空传染病监测数据中建模季节性。《生物医学杂志》,54(6),824-843·Zbl 1253.62080号 [26] Meyer,S.和Held,L.(2014)。传染病传播的幂律模型。应用统计年鉴,8(3),1612-1639·Zbl 1304.62135号 [27] Meyer,S.和Held,L.(2017年)。将社会接触数据纳入传染病传播的时空模型。生物统计学,18(2),338-351。 [28] Neal,R.M.(2003)。切片采样。《统计年鉴》,31(3),705-767·兹比尔1051.65007 [29] Nishiura,H.、Linton,N.M.和Akhmetzhanov,A.R.(2020)。新型冠状病毒(COVID‐19)感染的连续间隔。《国际传染病杂志》,93,284-286。 [30] Park,T.&Casella,G.(2008)。贝叶斯拉索。《美国统计协会杂志》,103(482),681-686·Zbl 1330.62292号 [31] Paul,M.、Held,L.和Toschke,A.M.(2008)。传染病监测数据的多元建模。医学统计学,27(29),6250-6267。 [32] Pawitan,Y.(2001)。《在所有可能性中:使用可能性的统计建模和推断》,牛津大学出版社,牛津·Zbl 1013.62001号 [33] Perlstein,M.(2020年)。新奥尔良是仅次于西雅图的人均冠状病毒感染病例第二大城市,为19例。4WWL,2020年3月16日检索。 [34] Plummer,M.、Best,N.、Cowles,K.和Vines,K.(2006年)。CODA:MCMC的收敛诊断和输出分析。R新闻,6(1),7-11。 [35] Quick,C.、Dey,R.和Lin,X.(2021)。不完全数据下理解新型冠状病毒疫情动态的回归模型。《美国统计协会杂志》,116(536),1561-1577·Zbl 1506.62459号 [36] Slater,J.J.、Brown,P.E.和Rosenthal,J.S.(2021年)。使用每周调整一天的贝叶斯层次模型预测国家以下地区的新型冠状病毒肺炎死亡率。统计,10(1),e328。 [37] Tibbits,M.M.、Groendyke,C.、Haran,M.和Liechty,J.C.(2014)。自动因子切片采样。计算与图形统计杂志,23(2),543-563。 [38] Yonar,H.、Yonar、A.、Tekindal,M.和Tekindall,M.(2020年)。利用曲线估计模型、Box-Jenkins和指数平滑法对新型冠状病毒肺炎疫情数量进行建模和预测。《欧亚医学与肿瘤学杂志》,4(2),160-165。 [39] Yousaf,M.、Zahir,S.、Riaz,M.,Hussain,S.M.和Shah,K.(2020年)。巴基斯坦下个月预测新型冠状病毒肺炎疫情的统计分析。混沌、孤子与分形,138109926。 [40] Zanobetti,A.、Schwartz,J.、Samoli,E.、Gryparis,A.、Touloumi,G.、Atkinson,R.、Le Tertre,A.等人(2002年)。空气污染导致的死亡率反应的时间模式:死亡率迁移的多城市评估。流行病学,13(1),87-93。 [41] Zhang,X.,Ma,R.和Wang,L.(2020)。预测西方主要国家新冠肺炎疫情的转折点、持续时间和发病率。混沌、孤子与分形,135109829。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。