کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7495971 1485761 2016 27 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Spatial data aggregation for spatio-temporal individual-level models of infectious disease transmission
ترجمه فارسی عنوان
جمع آوری داده های فضایی برای مدل های فردی-زمانی در سطح فردی انتقال بیماری های عفونی
کلمات کلیدی
خوشه فضایی، مدل سازی بیماری، مدل های فردی،
ترجمه چکیده
یک کلاس از مدل های آماری پیچیده، که به عنوان مدل های سطح فرد شناخته می شود، به طور موثر برای مدل سازی گسترش بیماری های عفونی مورد استفاده قرار گرفته است. این مدل ها اغلب در چارچوب مونت کارلو زنجیره مارکوف بیزی قرار می گیرند که می تواند به دلیل ماهیت پیچیده تابع احتمال مرتبط با این کلاس مدل ها، هزینه های محاسباتی قابل توجهی داشته باشد. افزایش میزان جمعیت یا طول مدت شیوع مدلسازی شده میتواند به این بار محاسباتی کمک کند. در اینجا، ما کاهش هزینه های محاسباتی را با جمع آوری داده ها به خوشه های فضایی، و در نتیجه کاهش حجم کلی جمعیت، بررسی می کنیم. سپس مدل های فردی که برای حساب آوردن این اثر تجمعی بازپرداخت شده اند، ممکن است به داده های جمع آوری شده فضایی متصل شوند. توانایی دو مدل مجدد در سطح فردی، زمانی که به مجموعه داده های کاهش یافته بستگی دارد، برای شناسایی یک اثر متغیری از طریق یک مطالعه شبیه سازی مورد بررسی قرار می گیرد.
موضوعات مرتبط
علوم پزشکی و سلامت پزشکی و دندانپزشکی سیاست های بهداشت و سلامت عمومی
پیش نمایش مقاله
جمع آوری داده های فضایی برای مدل های فردی-زمانی در سطح فردی انتقال بیماری های عفونی
چکیده انگلیسی
A class of complex statistical models, known as individual-level models, have been effectively used to model the spread of infectious diseases. These models are often fitted within a Bayesian Markov chain Monte Carlo framework, which can have a sig nificant computational expense due to the complex nature of the likelihood function associated with this class of models. Increases in population size or duration of the modeled epidemic can contribute to this computational burden. Here, we explore the effect of reducing this computational expense by aggregating the data into spatial clusters, and therefore reducing the overall population size. Individual-level models, reparameterized to account for this aggregation effect, may then be fitted to the spatially aggregated data. The ability of two reparameterized individual-level models, when fitted to this reduced data set, to identify a covariate effect is investigated through a simulation study.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Spatial and Spatio-temporal Epidemiology - Volume 17, May 2016, Pages 95-104
نویسندگان
, ,