Mathematical and Statistical Estimation Approaches in Epidemiology

رویکردهای تخمین آماری و ریاضی در اپیدمیولوژی، مشارکت‌های نظری و عملی متخصصان را در تجزیه و تحلیل اپیدمی‌های بیماری‌های عفونی در یک جلد جمع‌آوری می‌کند. مجموعه‌های اخیر بر تحلیل و شبیه‌سازی مدل‌های قطعی و تصادفی متمرکز شده‌اند که هدف آن شناسایی و رتبه‌بندی مکانیسم‌های اپیدمیولوژیک و اجتماعی مسئول انتقال بیماری است. مشارکت‌های موجود در این جلد بر ارتباط بین مدل‌ها و داده‌های بیماری با تأکید بر استفاده از رویکردهای ریاضی و آماری که عدم قطعیت مدل و داده‌ها را کمی می‌کند، متمرکز است. هدف این کتاب کارشناسان بهداشت عمومی، ریاضیدانان کاربردی و دانشمندان در علوم زندگی و اجتماعی، به ویژه دانشجویان کارشناسی ارشد یا پیشرفته است که نه تنها به ساختن و اتصال مدل‌ها به داده‌ها، بلکه به بکارگیری و توسعه روش‌هایی که کمیت می‌کنند علاقه‌مند هستند. عدم اطمینان در زمینه بیماری های عفونی Chowell و Brauer این جلد را با مروری بر مدل‌های کلاسیک انتقال بیماری کرماک-مک‌کندریک از جمله برنامه‌های افزودنی که سطوح ناهمگونی اپیدمیولوژیک را افزایش می‌دهند، باز می‌کنند. تور نظری آنها با معرفی یک روش ساده برای تخمین، عدد بازتولید پایه، R دنبال می شود. استفاده از این روش 0 با استفاده از داده‌های منطقه‌ای برای سال‌های 1918-1919 و 1968 در همه‌گیری‌های uenza نشان داده شده است.

Mathematical and Statistical Estimation Approaches in Epidemiology compiles t- oretical and practical contributions of experts in the analysis of infectious disease epidemics in a single volume. Recent collections have focused in the analyses and simulation of deterministic and stochastic models whose aim is to identify and rank epidemiological and social mechanisms responsible for disease transmission. The contributions in this volume focus on the connections between models and disease data with emphasis on the application of mathematical and statistical approaches that quantify model and data uncertainty. The book is aimed at public health experts, applied mathematicians and sci- tists in the life and social sciences, particularly graduate or advanced undergraduate students, who are interested not only in building and connecting models to data but also in applying and developing methods that quantify uncertainty in the context of infectious diseases. Chowell and Brauer open this volume with an overview of the classical disease transmission models of Kermack-McKendrick including extensions that account for increased levels of epidemiological heterogeneity. Their theoretical tour is followed by the introduction of a simple methodology for the estimation of, the basic reproduction number,R . The use of this methodology 0 is illustrated, using regional data for 1918–1919 and 1968 in uenza pandemics.