Frequentist inference for semi-mechanistic epidemic models with interventions
含干预的半机制流行病模型：频率学派推断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。
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：摘要以公共卫生干预效应估计为研究目标，对应因果推断问题，但未说明因果识别条件。
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…
含干预的半机制流行病模型：频率学派推断
- 研究问题
- 如何以频率学派方法估计流行病模型中的公共卫生干预效应，并在多个地区间共享信息而保持置信区间覆盖？
- 方法与思路
- 作者采用半机制流行病模型开展频率学派估计，并用不依赖指定层级模型的收缩方法汇集不同地区的信息。
- 材料陈述的贡献
- 摘要称，该方法无需指定先验分布；跨地区收缩可改善估计，并在无需指定层级模型的情况下得到覆盖正确的置信区间。
- 阅读关注点
- 应核对干预效应的识别依据、半机制模型设定，以及收缩后区间覆盖结论的条件和跨地区信息共享方式。
- 阅读边界
- 仅据所给 Crossref 摘要；干预混杂控制、覆盖保证的条件及模型误设影响未说明，不能直接认定估计具有因果含义。
原文摘要
Abstract The effect of public health interventions on an epidemic are often estimated by adding the intervention to epidemic models. During the Covid-19 epidemic, numerous papers used such methods for making scenario predictions. The majority of these papers use Bayesian methods to estimate the parameters of the model. In this article, we show how to use frequentist methods for estimating these effects which avoids having to specify prior distributions. We also use model-free shrinkage methods to improve estimation when there are many different geographic regions. This allows us to borrow strength from different regions while still getting confidence intervals with correct coverage and without having to specify a hierarchical model. Throughout, we focus on a semi-mechanistic model which provides a simple, tractable alternative to compartmental methods.