论文部分内容阅读
在流行病爆发过程中,流行病传播的时空模式由三个因素共同决定,分别是个体的医学特征、病原体的传染病学特征以及个体间的接触结构。当使用生物医学技术获得个体的医学特征及病原体的传染病学特征参数后,能否准确的把握流行病的传播过程将主要取决于是否获取了准确的人口接触结构。因此,建模与发现人口接触结构是流行病传播预测与控制的重要环节。然而如何准确构建人口接触模式是一个开放性的难题。主要的原因是人口接触结构是隐含的,我们仅能观察到个体的染病状况,却无法获悉是谁传染了他。同时,人口接触模式在空间上的异构性与时间上的动态性极大的增加了建模与捕获它的难度。以至于大多现有的研究工作均停留在个体同质混合及静态社会接触结构的假设上,然而该假设显然与事实相违背。针对以上问题,本文从数据挖掘角度入手,提出了一个融合流行病学知识、人口统计数据以及疾病监控数据等多源异构数据的张量反卷积计算方法。本方法中,复合群体的人口动态接触结构被建模为三阶张量,分解张量后的不同组件则分别刻画人口接触的空间模式与时间模式。基于多源的异构数据,本方法使用集成流行病传播模型的张量反卷积框架计算人口接触结构的时空模式。由于本方法使用了通用流行病传播模型,使得该计算方法具备较高的兼容性与灵活性,可处理符合SIS/SIR/SEIS/SEIR等多种传播模型的流行病数据。本方法还可基于同时爆发的多种流行病监控数据协同推断隐含的人口接触时空模式,该特性极大提高了本方法推断的准确性。在验证方面,本文分别在理论上、人工与真实数据实验室上做了本方法的各类有效性验证,同时还探索了所获取的人口动态接触结构在疫苗分配等典型疫情控制场景中的各类应用。本研究工作在公共卫生领域有着重要的应用价值。