Wastewater-Based Reproduction Number for Epidemic Curve Reconstruction
We propose a hierarchical Bayesian approach to modelling epidemic dynamics using under-reported case counts and wastewater data. Our framework builds on a wastewater modelling approach that represents wastewater signals as differentiable Gaussian processes, enabling inference on their derivatives. We define a wastewater-based reproduction number using the geometric derivative of the wastewater signal. These estimates are integrated into the binomially thinned Poisson autoregressive framework for under-reported case counts via the cut algorithm. This algorithm prevents feedback from biased case count data to the wastewater model while propagating uncertainty from wastewater-based estimates into the infectious disease count model. We apply this framework to reconstruct the epidemic curves for COVID-19 in Toronto and New Zealand and validate our models through out-of-sample forecasts and, when available, comparisons with serosurvey-based cumulative incidence estimates.
Nombre de reproduction basé sur les eaux usées pour la reconstruction des courbes épidémiques
Nous proposons une approche Bayésienne hiérarchique permettant de modéliser la dynamique des épidémies à l'aide de dénombrements de cas sous-déclarés et de données sur les eaux usées. Notre cadre s'appuie sur une approche de modélisation des eaux usées qui représente les signaux des eaux usées comme des processus Gaussiens différentiables, ce qui permet d'inférer sur leurs dérivées. Nous définissons un nombre de reproduction basé sur les eaux usées en utilisant la dérivée géométrique du signal des eaux usées. Ces estimations sont intégrées dans le cadre autorégressif de Poisson à réduction binomiale pour les dénombrements de cas sous-déclarés via l'algorithme « cut ». Cet algorithme empêche la rétroaction des données biaisées de comptage des cas sur le modèle des eaux usées tout en propageant l'incertitude des estimations basées sur les eaux usées dans le modèle de comptage des maladies infectieuses. Nous appliquons ce cadre pour reconstruire les courbes épidémiques du COVID-19 à Toronto et en Nouvelle-Zélande et nous validons nos modèles par des prévisions hors échantillon et, lorsqu'elles sont disponibles, par des comparaisons avec les estimations de l'incidence cumulative basées sur les enquêtes sérologiques.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais