A zero-inflated endemic-epidemic model with an application to measles time series in Germany
零膨胀地方性—流行性模型及德国麻疹时间序列应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确构建多变量传染病计数时间序列模型，并评价概率预测。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
零膨胀地方性—流行性模型及德国麻疹时间序列应用
- 研究问题
- 传染病监测计数中的额外零值随时间、年龄或地区变化时，如何扩展既有模型并改善多地区概率预测？
- 方法与思路
- 作者在 HHH 框架中加入多变量零膨胀和随机效应，利用解析导数，通过惩罚或非惩罚最大似然联合估计参数。
- 材料陈述的贡献
- 摘要称模拟支持算法收敛和置信区间覆盖表现；德国十六州二〇〇五至二〇一八年的麻疹应用显示概率预测改善。
- 阅读关注点
- 应核对额外零值与低发病强度如何区分、随机效应及惩罚的设定，以及模拟覆盖率和预测评分所用的比较设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出收敛条件、覆盖率或预测改善数值，不能推及所有疾病。
原文摘要
Count data with excessive zeros are often encountered when modelling infectious disease occurrence. The degree of zero inflation can vary over time due to non-epidemic periods as well as by age group or region. The existing endemic-epidemic modelling framework (aka HHH) lacks a proper treatment for surveillance data with excessive zeros as it is limited to Poisson and negative binomial distributions. In this paper, we propose a multivariate zero-inflated endemic-epidemic model with random effects to extend HHH. Parameters of the new zero-inflation and the HHH part of the model can be estimated jointly and efficiently via (penalized) maximum likelihood inference using analytical derivatives. A simulation study confirms proper convergence and coverage probabilities of confidence intervals. Applying the model to measles counts in the 16 German states, 2005--2018, shows that the added zero-inflation improves probabilistic forecasts.