×
陈鹏;吴克毅;奥马尔·加塔斯

异质流行病模型的贝叶斯推断：应用于长期护理设施的新冠肺炎传播核算。 （英语） Zbl 1502.62098号

计算。方法应用。机械。工程师。 385，文章ID 114020，26 p.（2021）.
总结：我们提出了一个用于学习新型冠状病毒（COVID-19）模型异质动力学的高维贝叶斯推理框架，并将其具体应用于长期护理（LTC）设施内外的新型冠状腺炎（COVID）的动力学和严重性。我们开发了一个异质区室模型，该模型解释了LTC设施内外COVID-19的时变传播和严重程度的异质性，其特征是离散化后在\（\sim 1500\）维度上的时间依赖随机过程和与时间无关的参数。为了推断这些参数，我们使用了关于确诊、住院和死亡病例数的报告数据，并进行了适当的后处理，首先采用确定性反演方法，并进行适当的正则化，然后采用具有适当先验分布的贝叶斯反演。为了解决高维推理问题的维数诅咒和不适定性，我们提出了使用与维数无关的投影Stein变分梯度下降方法，并证明了逆问题的内在低维性。我们给出了新泽西州和德克萨斯州的定量不确定性推断结果，这两个州经历了不同的疫情阶段和模式。此外，我们还根据我们对新冠肺炎未来发展轨迹推断的经验后验样本，给出了预测和验证结果。

引用于7文件

理学硕士：

62页第10页 统计学在生物学和医学中的应用；元分析
2015年1月62日 贝叶斯推断
92天30分 流行病学

关键词：

新冠肺炎;贝叶斯推断;流行病;长期护理设施;房室模型;不确定性下的预测

软件：

DFVLR-SQP公司
PDF格式BibTeX公司 XML格式引用
\textit{P.Chen}等人，计算。方法应用。机械。工程385，文章ID 114020，26 p.（2021；Zbl 1502.62098）
全文： 内政部 arXiv公司

参考文献：

[1] 基林，M.J。；Rohani，P.，《人类和动物传染病建模》（2011年），普林斯顿大学出版社·Zbl 1279.92038号
[2] 崔，T。；法律，K。；Marzouk，Y.，《与维度无关》，类似于MCMC，J.Compute所知。物理。，304, 109-137 (2016) ·Zbl 1349.65009号
[3] 崔，T。；马丁·J。；Marzouk，Y.M。；Solonen，A。；Spantini，A.，《非线性反问题的Likelihood信息降维》，反问题，30，11，第114015条，pp.（2014），URLhttp://stacks.iop.org/0266-5611/30/i=11/a=114015 ·Zbl 1310.62030
[4] Beskos，A。；Girolma，M。；兰·S。；法雷尔，体育。；Stuart，A.M.，无限维反问题的几何MCMC，J.Compute。物理。，335327-351（2017），网址http://www.sciencedirect.com/science/article/pii/S0021999116307033 ·Zbl 1375.35627号
[5] Bui-Thanh，T。；Girolma，M.A.，用黎曼流形哈密顿蒙特卡罗求解大规模PDE-约束贝叶斯反问题，反问题，30，第114014条，pp.（2014）·Zbl 1306.65269号
[6] 崔，T。；Y.Marzouk。；Willcox，K.，通过似然参数和状态约简的大规模贝叶斯反问题的可伸缩后验近似，J.Comput。物理。，315, 363-387 (2016) ·Zbl 1349.65189号
[7] 德托马索，G。；崔，T。；Y.Marzouk。；斯潘蒂尼，A。；Scheichl，R.，A stein变分牛顿方法，（神经信息处理系统进展（2018）），9187-9197
[8] 陈，P。；Ghattas，O.，预测的stein变分梯度下降（神经信息处理系统进展（2020））
[9] 陈，P。；Ghattas，O.，Stein变分缩减基贝叶斯反演，SIAM J.Sci。计算。，43、2、A1163-A1193（2021）·Zbl 1467.62042号
[10] 陈，P。；Wu，K。；陈，J。；O'Leary-Roseberry，T。；Ghattas，O.，《投影斯坦变分牛顿：高维快速可扩展贝叶斯推理方法》，高级神经信息处理。系统。（2019年）
[11] 唐，B。；王，X。；李，Q。；布拉加齐，N.L。；唐，S。；Xiao，Y。；Wu，J.，2019-nCoV传播风险评估及其对公共卫生干预的影响，J.Clin。医学，9，2，462（2020年）
[12] Moghadas，S.M。；Shoukat，A。；医学博士菲茨帕特里克。；Wells，C.R。；Sah，P。；潘迪，A。；Sachs，J.D。；Wang，Z。；洛杉矶迈耶斯。；Singer，B.H.，《美国新冠肺炎疫情期间医院利用预测》，Proc。国家。阿卡德。科学。，117, 16, 9122-9126 (2020)
[13] Linka，K。；佩林克，M。；Kuhl，E.，新型冠状病毒的繁殖数量及其与公共卫生干预的相关性，计算。机械。，66, 1035-1050 (2020) ·Zbl 1469.92116号
[14] Bhouri，医学硕士。；科斯塔巴尔，F.S。；Wang，H。；Linka，K。；佩林克，M。；科尔，E。；Perdikaris，P.，《美国新型冠状病毒疫情动态：人类流动性和社会行为的深度学习研究》，计算机。方法应用。机械。工程，382，第113891条pp.（2021）·Zbl 1506.92084号
[15] Jha，P.K。；曹，L。；Oden，J.T.，使用多物种混合理论连续体模型对德克萨斯州新型冠状病毒肺炎进化的基于贝叶斯的预测，计算。机械。，1-14 (2020) ·Zbl 1469.92111号
[16] Lee，W。；刘，S。；Tembine，H。；李伟（Li，W.）。；Osher，S.，通过平均场游戏控制流行病传播（2020年），ArXiv预印本ArXiv：2006.01249
[17] Viguerie，A。；Veneziani，A。；洛伦佐，G。；巴罗利，D。；Aretz-Nellesen，N。；巴顿，A。；扬基洛夫，T.E。；Reali，A。；休斯·T·J。；Auricchio，F.，在连续介质力学框架中制定的扩散-反应室模型：COVID-19的应用，数学分析和数值研究，计算。机械。，66, 5, 1131-1152 (2020) ·Zbl 1469.92127号
[18] 李，R。；裴，S。；陈，B。；Song，Y。；张，T。；杨伟（Yang，W.）。；Shaman，J.，《实质性无证感染促进新型冠状病毒（SARS-CoV-2）的快速传播》，《科学》，368，6490，489-493（2020）
[19] 奇纳兹，M。；Davis，J.T。；阿杰利，M。；乔安尼尼，C。；利特维诺娃，M。；Merler，S。；y Piontti，A.P。；Mu，K。；罗西，L。；Sun，K.，《旅行限制对2019年新型冠状病毒疫情传播的影响》，《科学》，368，6489，395-400（2020）
[20] 新冠肺炎。；Murray，C.J.，预测新冠肺炎对未来4个月（2020年）美国各州医院床位日、ICU日、呼吸机日和死亡的影响，MedRxiv
[21] 伍迪，S。；Tec，M.G。；Dahan，M。；盖瑟，K。；拉赫曼，M。；福克斯，S。；洛杉矶迈耶斯。；Scott，J.G.，《使用手机社交距离测量法预测美国第一波新冠肺炎死亡人数》（2020年），MedRxiv
[22] Verity，R。；Okell，L.C。；多里加蒂，I。；温斯基尔，P。；惠塔克，C。；Imai，N。；科莫-丹南堡，G。；汤普森，H。；Walker，P.G。；Fu，H.，《2019年冠状病毒疾病严重程度的估计：基于模型的分析》，《柳叶刀感染》。疾病。(2020)
[23] 弗格森，N。；莱顿，D。；Nedjati Gilani，G。；Imai，N。；安斯利，K。；Baguelin，M。；巴蒂亚，S。；Boonyasiri，A。；库库努巴·佩雷斯，Z。；Cuomo-Dannenburg，G.，报告9：非药物干预（NPI）对降低COVID19死亡率和医疗需求的影响（2020年）
[24] Rockett，R.J。；阿诺特，A。；Lam，C。；Sadsad，R。；蒂姆斯，V。；格雷，K.-A。；伊登·J·S。；张，S。；加尔，M。；Draper，J.，《通过严重急性呼吸系统综合征冠状病毒2型基因组测序和基于试剂的建模揭示新冠肺炎在澳大利亚的传播》，自然医学，1-7（2020）
[25] Hethcote，H.W.，传染病数学，SIAM Rev.，42，4，599-653（2000）·兹比尔0993.92033
[26] 亲吻，I.Z。；米勒，J.C。；Simon，P.L.，《网络流行病数学》，598（2017），《施普林格：施普林格-查姆》·Zbl 1373.92001年
[27] 唐，B。；布拉加齐，N.L。；李强。；唐，S。；Xiao，Y。；Wu，J.，新型冠状病毒（2019-ncov）传播风险的最新估计，感染。疾病。型号。，5, 248-255 (2020)
[28] 佩林克，M。；Linka，K。；科斯塔巴尔，F.S。；Bendavid，E。；巴塔查里亚，J。；约安尼迪斯，J。；Kuhl，E.，《可视化无形：无症状传播对新冠肺炎疫情动态的影响》（2020），MedRxiv·Zbl 1506.92099号
[29] Stuart，A.M.，《逆向问题：贝叶斯观点》，《数值学报》。，19, 451-559 (2010) ·Zbl 1242.65142号
[30] Kraft，D.，序列二次规划软件包（1988）·Zbl 0646.90065号
[31] 曹毅。；李，S。；佩佐德，L。；Serban，R.，微分代数方程的伴随灵敏度分析：伴随DAE系统及其数值解，SIAM J.Sci。计算。，24, 3, 1076-1089 (2003) ·Zbl 1034.65066号
[32] 陈，P。；Schwab，C.，稀疏网格，简化贝叶斯反演，计算。方法应用。机械。工程，297，84-115（2015）·Zbl 1425.65020号
[33] 陈，P。；Schwab，C.，《稀疏网格，简化贝叶斯反演：非仿射参数非线性方程》，J.Compute。物理。，316, 470-503 (2016) ·Zbl 1349.62076号
[34] 陈，P。；Schwab，C.，《快速贝叶斯估计和反演的自适应稀疏网格模型降阶》（sparse Grids and Applications-Stuttgart 2014（2016），Springer），1-27·Zbl 1337.65012号
[35] 陈，P。；美国维拉。；Ghattas，O.，基于Hessian的无限维贝叶斯反问题自适应稀疏求积，计算。方法应用。机械。工程，327，147-172（2017）·兹比尔1439.65071
[36] 刘，Q。；Wang，D.，Stein变分梯度下降：通用贝叶斯推理算法，（神经信息处理系统进展（2016）），2378-2386
[37] 卓，J。；刘，C。；史J。；朱，J。；陈，N。；Zhang，B.，Message passing stein变分梯度下降，（机器学习国际会议（2018）），6018-6027
[38] 王，D。；曾，Z。；Liu，Q.，Stein连续图形模型的变分消息传递，（机器学习国际会议（2018）），5206-5214
[39] O.巴希尔。；Willcox，K。；O.加塔斯。；van Bloemen Waanders，B。；Hill，J.，Hessian基于模型简化的具有初始条件输入的大型系统，国际。J.数字。方法工程，73844-868（2008）·Zbl 1195.76311号
[40] 扁平，P.H。；Wilcox，L.C.公司。；阿克塞利克，V。；希尔，J。；van Bloemen Waanders，B。；Ghattas，O.，基于低秩偏hessian近似的大规模线性逆问题中贝叶斯不确定性量化的快速算法，SIAM J.Sci。计算。，33, 1, 407-432 (2011) ·Zbl 1229.65174号
[41] Bui-Thanh，T。；Ghattas，O.，逆散射问题的黑森分析。第一部分：声波的逆形状散射，逆问题，28，5，文章055001 pp.（2012）·Zbl 1239.78006号
[42] 亚历山大·A。；佩特拉，N。；斯塔德勒，G。；Ghattas，O.，A-具有正则化（ell_0）稀疏化的无限维贝叶斯线性逆问题的最优实验设计，SIAM J.Sci。计算。，36、5、A2122-A2148（2014）·Zbl 1314.62163号
[43] Isaac，T。；佩特拉，N。；斯塔德勒，G。；Ghattas，O.，《通过推理将不确定性从数据传播到大规模问题预测的可扩展高效算法，应用于南极冰盖流动》，J.Compute。物理。，296, 348-368 (2015) ·Zbl 1352.86017号
[44] 马丁·J。；Wilcox，L.C.公司。；Burstede，C。；Ghattas，O.，《大规模统计反演问题的随机牛顿MCMC方法及其在地震反演中的应用》，SIAM J.Sci。计算。，34，3，A1460-A1487（2012）·Zbl 1250.65011号
[45] 陈，P。；维拉，美国。；Ghattas，O.，《不确定性下PDE约束最优控制的泰勒近似和方差缩减》，J.Compute。物理。，385163-186（2019），网址https://arxiv.org/abs/1804.04301 ·Zbl 1451.65076号
[46] 陈，P。；Ghattas，O.，《基于Hessian的高维模型简化抽样》，《国际不确定性杂志》。数量。，9, 2 (2019) ·Zbl 1498.62106号
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。