Notes de l'instructeur

Instructor notes

Accéder aux distributions des retards épidémiologiques

Remarque de l'instructeur

Les premiers modèles pour COVID-19 utilisaient des paramètres d’autres coronavirus. https://www.thelancet.com/article/S1473-3099(20)30144-4/fulltext

Remarque de l'instructeur

L’objectif de l’évaluation ci-dessus est d’évaluer l’interprétation d’un temps de génération plus long ou plus court.

R

# ebola serial interval
ebola_serial <-
  epiparameter::epiparameter_db(
    disease = "ebola",
    epi_name = "serial",
    single_epiparameter = TRUE
  )

SORTIE

Using WHO Ebola Response Team, Agua-Agum J, Ariyarajah A, Aylward B, Blake I,
Brennan R, Cori A, Donnelly C, Dorigatti I, Dye C, Eckmanns T, Ferguson
N, Formenty P, Fraser C, Garcia E, Garske T, Hinsley W, Holmes D,
Hugonnet S, Iyengar S, Jombart T, Krishnan R, Meijers S, Mills H,
Mohamed Y, Nedjati-Gilani G, Newton E, Nouvellet P, Pelletier L,
Perkins D, Riley S, Sagrado M, Schnitzler J, Schumacher D, Shah A, Van
Kerkhove M, Varsaneux O, Kannangarage N (2015). "West African Ebola
Epidemic after One Year — Slowing but Not Yet under Control." _The New
England Journal of Medicine_. doi:10.1056/NEJMc1414992
<https://doi.org/10.1056/NEJMc1414992>..
To retrieve the citation use the 'get_citation' function

R

ebola_serial

SORTIE

Disease: Ebola Virus Disease
Pathogen: Ebola Virus
Epi Parameter: serial interval
Study: WHO Ebola Response Team, Agua-Agum J, Ariyarajah A, Aylward B, Blake I,
Brennan R, Cori A, Donnelly C, Dorigatti I, Dye C, Eckmanns T, Ferguson
N, Formenty P, Fraser C, Garcia E, Garske T, Hinsley W, Holmes D,
Hugonnet S, Iyengar S, Jombart T, Krishnan R, Meijers S, Mills H,
Mohamed Y, Nedjati-Gilani G, Newton E, Nouvellet P, Pelletier L,
Perkins D, Riley S, Sagrado M, Schnitzler J, Schumacher D, Shah A, Van
Kerkhove M, Varsaneux O, Kannangarage N (2015). "West African Ebola
Epidemic after One Year — Slowing but Not Yet under Control." _The New
England Journal of Medicine_. doi:10.1056/NEJMc1414992
<https://doi.org/10.1056/NEJMc1414992>.
Distribution: gamma (days)
Parameters:
  shape: 2.188
  scale: 6.490

R

# get the sd
ebola_serial$summary_stats$sd

SORTIE

[1] 9.6

R

# get the sample_size
ebola_serial$metadata$sample_size

SORTIE

[1] 305

Essayez de visualiser cette distribution en utilisant plot().

Explorez également tous les autres éléments imbriqués dans l’élément <epiparameter> à l’intérieur de l’objet.

Partagez sur :

Quels sont les éléments que vous trouvez utiles pour votre analyse ?
Quels autres éléments souhaiteriez-vous voir figurer dans cet objet ? Comment ?

Un élément intéressant est le method_assess qui fait référence aux méthodes utilisées par les auteurs de l’étude pour évaluer les biais lors de l’estimation de la distribution des intervalles sériels.

R

covid_serialint$method_assess

SORTIE

$censored
[1] TRUE

$right_truncated
[1] TRUE

$phase_bias_adjusted
[1] FALSE

Nous explorerons ces concepts au fil des épisodes !

Remarque de l'instructeur

Dans le contexte des interfaces utilisateurs et des interfaces graphiques (GUI), comme le Zoo de la distribution une application glissière est un élément de contrôle graphique qui permet aux utilisateurs d’ajuster une valeur en déplaçant une poignée le long d’une piste ou d’une barre. Conceptuellement, il permet de sélectionner une valeur numérique dans une plage spécifiée en faisant glisser visuellement un pointeur (la poignée) le long d’un axe continu.

Quantifier la transmission

Remarque de l'instructeur

Ce tutoriel illustre l’utilisation de epinow() pour estimer le nombre de reproduction et les durées d’infection variables dans le temps. Les étudiants doivent comprendre les données d’entrée nécessaires au modèle et les limites des résultats du modèle.

?epiparameter:::density.epiparameter()
?epiparameter:::cdf.epiparameter()
?epiparameter:::quantile.epiparameter()
?epiparameter:::generate.epiparameter()