Estimating pathogen spread using structured coalescent and birth–death models: A quantitative comparison
Epidemics·
- DOI
- 10.1016/j.epidem.2024.100795
- PMID
- 39461051
- PMCID
- —
- OpenAlex
- W4403541477
- 研究类型
- Genomic study
- 出版商
- Elsevier BV
- 文章类型
- journal-article
- 完整性状态
- current
为何这项研究现在值得关注
该研究为传染病分析人员提供建模指导：两种模型均适用于地方性疫情设置；而对于暴发性疫情或种群规模变化的场景，应避免使用恒定规模的结构化合并模型，优先选择可变规模合并模型或出生-死亡模型。
结构化证据摘要
研究问题
本研究考察了在模拟的地方性和暴发性疫情场景下，结构化合并模型与多类型出生-死亡系统动力学模型的选择如何影响迁移率和来源地推断的准确性。
研究设计
一项模拟研究，在一系列迁移率条件下，对比结构化合并模型（恒定种群规模）与多类型出生-死亡模型（恒定比率）的推断表现，评估场景涵盖地方性疫情和暴发性疫情。
人群与场景
模拟的病原体系统发育树，代表地方性疫情设置和暴发性疫情中亚种群间的疾病传播；未描述具体地理区域、宿主物种或真实世界队列。
主要发现
在暴发性疫情中，出生-死亡模型在所有测试的迁移率下均比恒定规模合并模型更准确地恢复迁移率。在地方性疫情场景中，两种模型的迁移率覆盖度和准确性相当，其中合并模型产生更精确的估计值。无论何种场景，两种模型对疾病来源地的估计结果相似。
公共卫生意义
该研究为传染病分析人员提供建模指导：两种模型均适用于地方性疫情设置；而对于暴发性疫情或种群规模变化的场景，应避免使用恒定规模的结构化合并模型，优先选择可变规模合并模型或出生-死亡模型。
重要局限
本摘要仅限于所提供单篇文章摘要及书目元数据；需获取原始论文以进行决策级解读。提供的摘要中未声明明确的局限性，且除分类器元数据中与COVID-19的一般关联外，未提供具体地理、宿主或病原体队列详细信息。
GIDS 解读
该文章与选择结构化系统动力学方法来描述病原体在亚种群间传播的用户最为相关。它不构成实时监测证据，应由关注基因组流行病学、传播动态或疫情调查方法论的用户通过GIDS检索，而非作为任何活跃疫情信号的确认。
相关 GIDS 监测
文献背景不会验证、解释或改变监测信号；精确关系与背景关系会分开展示。
证据关系
本文与疾病、地区、主题及研究设计之间有 8 条可审计分类关系。