×
Leah R.约翰逊。；罗伯特·格拉米奇。；杰里米·科恩；艾琳·末底改；科特尼·默多克；杰森·罗尔；萨迪·J·瑞安。；安娜·M·斯图尔特·伊巴拉。；丹尼尔·威克尔

使用异方差高斯过程对疾病发病率的现象学预测：登革热病例研究。 （英语） Zbl 1393.62071号

Ann.应用。斯达。 12，第1号，27-66（2018）.
摘要：2015年，美国联邦政府利用秘鲁伊基托斯和波多黎各圣胡安的历史病例数据赞助了登革热预测比赛。对参赛者进行了抽样外预测的几个方面的评估，包括高峰周的目标、该周的高峰发病率以及几个季节中每个季节的总发病率。我们的团队是那场比赛的获胜者之一，在多个目标/地区都优于其他团队。在本文中，我们报告了我们的方法，令人惊讶的是，其中很大一部分忽略了流行病的已知生物学——例如登革热传播与环境因素之间的关系——而依赖于灵活的非参数非线性高斯过程（GP）回归拟合，该回归拟合“记忆”过去季节的轨迹，然后实时“匹配”正在展开的季节与过去季节的动态。我们的现象学方法在以下情况中具有优势：疾病动力学不太清楚，或者无法测量和预测降水量等辅助协变量，和/或与病例的关联强度尚不清楚。特别是，我们表明，GP方法通常优于我们开发的利用丰富协变量信息的更经典的广义线性（自回归）模型（GLM）。我们举例说明了我们的方法在两个基准地区的变化，以及其他参赛者提交的结果的完整摘要。

引用于6文件

MSC公司：

第62页第10页 统计学在生物学和医学中的应用；元分析
62M20型 随机过程推断和预测
62立方米 从空间过程推断
92C60型 医学流行病学

关键词：

流行病学；高斯过程；异方差建模；潜在变量；广义线性（自回归）模型；登革热

软件：

R（右）；S-PLUS系统；github；laGP公司；vbd广播
PDF格式BibTeX公司 XML格式引用
\textit{L.R.Johnson}等人，Ann.Appl。Stat.12，No.1，27--66（2018；Zbl 1393.62071）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Ankenman，B.、Nelson，B.L.和Staum，J.（2010年）。仿真元建模的随机克里金方法。操作。第58 371-382号决议·Zbl 1342.62134号
[2] Barrera，R.、Amador，M.和MacKay，A.J.（2011年）。波多黎各圣胡安受天气和人类行为影响的埃及伊蚊和登革热种群动态。公共科学图书馆-负面。特罗普。第5版e1378。
[3] Binois，M.、Gramacy，R.B.和Ludkovski，M.（2016）。用于大型模拟实验的实际异方差高斯过程建模。arXiv预打印，arXiv:1611.05902。
[4] Bornn，L.、Shaddick，G.和Zidek，J.V.（2012）。通过维度扩展对非平稳过程进行建模。J.艾默。统计师。协会107 281-289·Zbl 1261.62085号
[5] Cressie，N.A.C.（1993年）。空间数据统计。纽约威利，1991年版的修订再版·Zbl 1347.62005年
[6] Degallier，N.、Favier，C.、Menkes，C.、Lengaigne，M.、Ramalho，W.M.、Souza，R.、Servain，J.和Boulanger，J.-P（2010）。建立登革热预防预警系统：模拟气候对登革热传播的影响。攀登。更改98 581-592。
[7] Elder，B.D.、Dukic，V.M.和Dwyer，G.（2006年）。疾病传播预测和公共卫生应对生物恐怖主义和新出现疾病的不确定性。程序。国家。阿卡德。科学。美国103 15693-15697。
[8] Farah，M.、Birrell，P.、Conti，S.和De Angelis，D.（2014）。甲型H1N1流感动态流行模型的贝叶斯仿真和校准。J.艾默。统计师。协会109 1398-1411。
[9] Gagnon，A.S.、Bush，A.B.和Smoyer-Tomic，K.E.（2001）。登革热疫情和厄尔尼诺南方涛动。攀登。第19号决议35-43。
[10] Gneiting，T.（2011）。做出并评估点预测。J.艾默。统计师。协会106 746-762·Zbl 1232.62028号
[11] Gneiting，T.（2017）。贝叶斯分类器的模式何时起作用？统计数据6 204-206。
[12] Gneiting，T.和Raftery，A.E.（2007年）。严格正确的评分规则、预测和评估。J.艾默。统计师。协会102 359-378·Zbl 1284.62093号
[13] Gneiting，T.、Larson，K.、Westrick，K.，Genton，M.G.和Aldrich，E.（2006年）。Stateline风能中心的校准概率预测：区域切换时空方法。J.艾默。统计师。协会101 968-979·Zbl 1120.62341号
[14] Gramacy，R.B.（2014）。\tt-laGP：局部近似高斯过程回归。R软件包版本1.1-4。
[15] Gramacy，R.B.（2016）。laGP：通过R.J.Stat.Softw.72 1-46中的局部近似高斯过程进行大尺度空间建模。
[16] Hu，R.和Ludkovsk，M.（2017）。响应面排序的顺序设计。SIAM/ASA J.不确定性。数量。5 212-239·Zbl 1365.62319号
[17] Johansson，M.A.、Cummings，D.A.T.和Glass，G.E.（2009年）。波多黎各、墨西哥和泰国的多年气候变化和登革热-厄尔尼诺南方涛动、天气和登革炎发病率：纵向数据分析。《公共科学图书馆·医学》第6卷第1000168页。
[18] Johnson，L.R.和Gramacy，R.B.（2017年）。vbdcast：媒介传播疾病预测。技术报告。https://github.com/lrjohnson0/vbdcast。
[19] Johnson，L.R.、Ben-Horin，T.、Lafferty，K.D.、McNally，A.、Mordecai，E.、Paaijmans，K.P.、Pawar，S.和Ryan，S.J.（2015）。了解温度对媒介传播疾病影响的不确定性：贝叶斯方法。生态学96 203-213。
[20] Johnson，L.R.、Gramacy，R.B.、Cohen，J.、Mordecai，E.、Murdock，C.、Rohr，J.，Ryan，S.J.、Stewart-Ibarra，A.M.和Weikel，D.（2018年）。补充“使用异方差高斯过程对疾病发病率进行现象学预测：登革热病例研究”。DOI:10.1214/17-AOAS1090SUPA，DOI:10.2214/17-AOAS1090SUPB·Zbl 1393.62071号
[21] Koepke，A.A.、Longini Jr.，I.M.、Halloran，M.E.、Wakefield，J.和Minin，V.N.（2016）。孟加拉国霍乱疫情预测模型。Ann.应用。统计数字10 575·Zbl 1400.62271号
[22] Kuhn，K.，Campbell-Lendrum，D.，Haines，A.，Cox，J.，Corvalán，C.，Anker，M.等人（2005年）。利用气候预测传染病流行。白皮书，世界卫生组织，日内瓦。www.who.int/globalchange/publications/infectdiseases/en/index.html。
[23] Lambrechts，L.、Paaijmans，K.P.、Fansiri，T.、Carrington，L.B.、Kramer，L.D.、Thomas，M.B.和Scott，T.W.（2011）。每日温度波动对埃及伊蚊传播登革热病毒的影响。程序。国家。阿卡德。科学。美国108 7460-7465。
[24] Ludkovski，M.和Niemi，J.（2010年）。流感管理的最佳动态政策。Stat.社区。感染。第2条第5、27条。
[25] Matheron，G.（1963年）。地质统计学原理。经济。地理58 1246-1266。
[26] Merl，D.、Johnson，L.R.、Gramacy，R.B.和Mangel，M.（2009年）。流行病干预适应性管理的统计框架。公共科学图书馆ONE 4 e5807。
[27] Moore，C.G.、Cline，B.L.、Ruiz-Tibén，E.、Lee，D.、Romney-Joseph，H.和Rivera-Correa，E.（1978年）。波多黎各埃及伊蚊：幼虫数量的环境决定因素和与登革热病毒传播的关系。美国J.特罗普。医学图片27 1225-1231。
[28] Mordecai，E.A.、Paaijmans，K.P.、Johnson，L.R.、Balzer，C.、Ben-Horin，T.、de Moor，E.、McNally，A.、Pawar，S.、Ryan，S.J.、Smith，T.C.和Lafferty，K.D.（2013年）。疟疾传播的最佳温度大大低于此前的预测。经济。第16页22-30。
[29] Mordecai，E.，Cohen，J.，Evans，M.V.，Gudapati，P.，Johnson，L.R.，Lippi，C.A.，Miazgowicz，K.，Murdock，C.C.，Rohr，J.R.，Ryan，S.J.，Savage，V.，Shocket，M.，Stewart Ibarra，A.，Thomas，M.B.和Weikel，D.P.（2017年）。使用机械模型检测温度对寨卡病毒、登革热和基孔肯雅病毒传播的影响。PLoS忽略。特罗普。第11号决议e0005568。
[30] Osthus，D.、Hickmann，K.S.、Caragea，P.C.、Higdon，D.和Del Valle，S.Y.（2017）。用状态空间SIR模型预测季节性流感。Ann.应用。统计数据11 202-224·Zbl 1366.62236号
[31] R开发核心团队（2008）。R： 统计计算语言和环境。奥地利维也纳R统计计算基金会，ISBN 3-900051-07-0。
[32] Rasmussen，C.E.和Williams，C.K.I.（2006）。机器学习的高斯过程。麻省理工学院出版社·Zbl 1177.68165号
[33] Ray，E.L.、Sakrejda，K.、Lauer，S.A.、Johansson，M.A.和Reich，N.G.（2017年）。基于核条件密度估计的传染病预测。技术报告。github.com/reichlab/article-disease-pred-with-kcde。
[34] Reynolds，R.W.、Rayner，N.A.、Smith，T.M.、Stokes，D.C.和Wang，W.（2002）。改进的气候现场和卫星SST分析。J.气候15 1609-1625。
[35] Sacks，J.、Welch，W.J.、Mitchell，T.J.和Wynn，H.P.（1989）。计算机实验的设计与分析。统计师。科学4 409-435。作者进行了评论和反驳·Zbl 0955.62619号
[36] Stewart-Ibarra，A.M.和Lowe，R.（2013）。厄瓜多尔南部沿海登革热流行的气候和非气候驱动因素。美国J.特罗普。医学图片88 971-981。
[37] Stewart Ibarra，A.M.、Ryan，S.J.、Beltrán，E.、MejíA，R.、Silva，M.和Muñoz，Á。(2013). 厄瓜多尔受气候和社会因素影响的登革热媒介动力学（埃及伊蚊）：对目标控制的影响。公共科学图书馆ONE 8 e78263。
[38] Thomson，M.C.、Garcia-Herrera，R.和Beniston，M.（2008）。季节预测、气候变化和人类健康。斯普林格。
[39] Venables，W.N.和Ripley，B.D.（1994年）。S-Plus现代应用统计学。纽约州施普林格·Zbl 0806.62002号
[40] 世界卫生组织（2009年）。登革热：诊断、治疗、预防和控制指南。世界卫生组织被忽视热带病控制部热带病研究和培训特别方案以及流行病和大流行警报。
[41] 世界卫生组织（2016）。登革热疫苗：世卫组织立场文件——2016年7月。每周流行病学记录91 349-364。
[42] Xu，L.，Stige，L.C.，Chan，K.-S.，Zhou，J.，Yang，J.、Sang，S.、Wang，M.、Yang，Z.、Yan，Z.，Jiang，T.、Lu，L.、Yue，Y.、Liu，X.、Lin，H.、Xu，J、Liu、Q.和Stenseth，N.C.（2016）。气候变化推动登革热的发展。程序。国家。阿卡德。科学。美国201618558。
[43] Yamana，T.K.、Kandula，S.和Shaman，J.（2016）。登革热爆发的综合预测。J.R.Soc.接口13 20160410。
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。