Your browser doesn't support javascript.
loading
Towards uncertainty quantification and inference in the stochastic SIR epidemic model.
Capistrán, Marcos A; Christen, J Andrés; Velasco-Hernández, Jorge X.
Afiliação
  • Capistrán MA; Centro de Investigación en Matemáticas A.C., Jalisco S/N, Col. Valenciana, CP: 36240, Guanajuato, Gto, Mexico. marcos@cimat.mx
Math Biosci ; 240(2): 250-9, 2012 Dec.
Article em En | MEDLINE | ID: mdl-22989951
In this paper we address the problem of estimating the parameters of Markov jump processes modeling epidemics and introduce a novel method to conduct inference when data consists on partial observations in one of the state variables. We take the classical stochastic SIR model as a case study. Using the inverse-size expansion of van Kampen we obtain approximations for the first and second moments of the state variables. These approximate moments are in turn matched to the moments of an inputed Generic Discrete distribution aimed at generating an approximate likelihood that is valid both for low count or high count data. We conduct a full Bayesian inference using informative priors. Estimations and predictions are obtained both in a synthetic data scenario and in two Dengue fever case studies.
Assuntos

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Epidemias / Modelos Biológicos Tipo de estudo: Prognostic_studies / Risk_factors_studies Limite: Humans Idioma: En Revista: Math Biosci Ano de publicação: 2012 Tipo de documento: Article País de afiliação: México País de publicação: Estados Unidos

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Epidemias / Modelos Biológicos Tipo de estudo: Prognostic_studies / Risk_factors_studies Limite: Humans Idioma: En Revista: Math Biosci Ano de publicação: 2012 Tipo de documento: Article País de afiliação: México País de publicação: Estados Unidos