Semiparametric Bayesian inference for the transmission dynamics of COVID-19 with a state-space model.

Zhou, Tianjian; Ji, Yuan

Zhou, Tianjian; Ji, Yuan.

Afiliação

Zhou T; Department of Statistics, Colorado State University, 851 Oval Dr, Fort Collins, CO 80523-1877, USA. Electronic address: tianjian.zhou@colostate.edu.
Ji Y; Department of Public Health Sciences, University of Chicago, Chicago, IL, USA.

Contemp Clin Trials ; 97: 106146, 2020 10.

Article em En | MEDLINE | ID: mdl-32947047

Assuntos

Número Básico de Reprodução; COVID-19/transmissão; Controle de Doenças Transmissíveis; Modelos Estatísticos; Algoritmos; COVID-19/epidemiologia; COVID-19/prevenção & controle; Controle de Doenças Transmissíveis/organização & administração; Controle de Doenças Transmissíveis/estatística & dados numéricos; Previsões; Humanos; Cadeias de Markov; Método de Monte Carlo; Distribuição Normal; SARS-CoV-2; Estados Unidos

Palavras-chave

Effective reproduction number; Forecasting; Gaussian process; Infectious disease; Parallel tempering; SIR model

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Contexto em Saúde: 1_ASSA2030 / 2_ODS3 / 4_TD Base de dados: MEDLINE Assunto principal: Controle de Doenças Transmissíveis / Modelos Estatísticos / Número Básico de Reprodução / COVID-19 Tipo de estudo: Health_economic_evaluation / Prognostic_studies / Risk_factors_studies Aspecto: Determinantes_sociais_saude Limite: Humans País/Região como assunto: America do norte Idioma: En Revista: Contemp Clin Trials Ano de publicação: 2020 Tipo de documento: Article

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google