Statistical implications of relaxing the homogeneous mixing assumption in time series Susceptible-Infectious-Removed models
时间序列 SIR 模型放宽均匀混合假设的统计后果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：摘要直接研究时间序列传染病模型及其参数推断；所选方向依据时间序列方法，而非其公共卫生应用。
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…
时间序列 SIR 模型放宽均匀混合假设的统计后果
- 研究问题
- 在时间序列易感—感染—移除模型中，通过给易感或感染人数加幂来放宽均匀混合假设，会如何改变模型解释与参数估计？
- 方法与思路
- 作者分析这一幂次修改与随机 SIR 模型近似之间的关系，并通过模拟考察非均匀混合下感染率和混合率估计的偏差。
- 材料陈述的贡献
- 摘要称采用这种修改的 TSIR 模型不能解释为近似 SIR 模型，且模拟发现非均匀混合下相关参数估计存在系统性偏差。
- 阅读关注点
- 应核对失去 SIR 近似解释的推导、幂次参数与感染机制的关系，以及模拟中的数据生成过程、估计方法和偏差适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未说明偏差大小与模拟条件，不能将结论扩展到所有非均匀传播模型。
原文摘要
Infectious disease epidemiologists routinely fit stochastic epidemic models to time series data to elucidate infectious disease dynamics, evaluate interventions, and forecast epidemic trajectories. To improve computational tractability, many approximate stochastic models have been proposed. In this paper, we focus on one class of such approximations -- time series Susceptible-Infectious-Removed (TSIR) models. Infectious disease modeling often starts with a homogeneous mixing assumption, postulating that the rate of disease transmission is proportional to a product of the numbers of susceptible and infectious individuals. One popular way to relax this assumption proceeds by raising the number of susceptible and/or infectious individuals to some positive powers. We show that when this technique is used within the TSIR models they cannot be interpreted as approximate SIR models, which has important implications for TSIR-based statistical inference. Our simulation study shows that TSIR-based estimates of infection and mixing rates are systematically biased in the presence of non-homogeneous mixing, suggesting that caution is needed when interpreting TSIR model parameter estimates when this class of models relaxes the homogeneous mixing assumption.