Μια μπεϋζιανή προσέγγιση για την ανάλυση δεδομένων μολυσματικών νοσημάτων χρησιμοποιώντας στοχαστικά μοντέλα συνεχούς χρόνου

Περίληψη

Στόχος της παρούσας διδακτορικής διατριβής είναι η ανάπτυξη στοχαστικών επιδημικών μοντέλων με έμφαση στις μολυσματικές ασθένειες σε ανθρώπους και ζώα. Αναπτύσσεται συγκεκριμένη στατιστική μεθοδολογία για να ενημερώνει καλύτερα τις δημόσιες πολιτικές υγείας και τις επικοινωνίες που υλοποιούνται από τις κυβερνητικές οργανώσεις, ειδικά κατά τη διάρκεια κρίσεων, όπως η πανδημία του Covid-19. Η δεύτερη ενότητα αφορά τα αποτελέσματα μιας αξιολόγησης που βασίζεται σε προσομοίωση πολλών πολιτικών για την ανάπτυξη εμβολίων. Ιδιαίτερη έμφαση δίνεται στις επιπτώσεις της καθυστέρησης της δεύτερης δόσης των εμβολίων δύο δόσεων. Παρουσία περιορισμένης προμήθειας εμβολίων, η συγκεκριμένη επιλογή πολιτικής ήταν ένα πιεστικό ζήτημα για πολλές χώρες παγκοσμίως και η υιοθέτηση πορείας δράσης επηρέασε την επέκταση ή τη χαλάρωση των μη φαρμακευτικών παρεμβάσεων. Χρησιμοποιήσαμε ένα κατάλληλα γενικευμένο, ηλικιακά δομημένο, στοχαστικό μοντέλο επιδημίας SEIR (Ευάλωτοι $\rightarrow$ Εκτεθειμένοι $\rightarrow ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The aim of this doctoral thesis is the development of stochastic epidemic models focused on disease outbreaks in humans, as well as livestock. Statistical methodology is developed aimed at informing public health policies and their communication as implemented by the governing organizations, specifically at a time of crisis like the Covid-19 pandemic. The second section is concerned with the results of a simulation-based evaluation of several policies for vaccine roll-out. Particular focus is placed upon on the effects of delaying the second dose of two-dose vaccines. In the presence of limited vaccine supply, the specific policy choice was a pressing issue for several countries worldwide, and the adopted course of action affected the extension or easing of non-pharmaceutical interventions (NPIs). We used a suitably generalised, age-structured, stochastic SEIR (Susceptible $\rightarrow$ Exposed $\rightarrow$ Infectious $\rightarrow$ Removed) epidemic model that accommodates quantitativ ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/54810
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/54810
ND
54810
Εναλλακτικός τίτλος
A bayesian approach to the analysis of infectious disease data using continuous-time stochastic models
Συγγραφέας
Μπαρμπουνάκης, Πέτρος (Πατρώνυμο: Γεώργιος)
Ημερομηνία
2023
Ίδρυμα
Οικονομικό Πανεπιστήμιο Αθηνών. Σχολή Επιστημών και Τεχνολογίας της Πληροφορίας. Τμήμα Στατιστικής
Εξεταστική επιτροπή
Δεμίρης Νικόλαος
Δελλαπόρτας Πέτρος
Καρλής Δημήριος
Ντζούφρας Ιωάννης
Κοντογιάννης Ιωάννης
Σύψα Βασιλική-Αναστασία
Καλογερόπουλος Κώστας
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΜαθηματικά ➨ Στατιστική και Πιθανότητες
Λέξεις-κλειδιά
Μπεϋζιανή μάθηση; Επιδημικά μοντέλα; Βιοστατιστική
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.