呼吸道疾病的空间传播建模、推断和预测
简介:裴森博士,现任哥伦比亚大学Mailman公共卫生学院环境健康科学系助理教授。裴森博士拥有数学、网络科学和传染病建模的跨学科背景,研究领域为季节性和新发传染病传播的数学建模,统计推断和实时预测。他的研究致力于利用疾病监测、人口流动、气象、电子病历等多源多尺度数据设计数据驱动的数学模型和计算方法推动传染病的监测、预警和防控。近期工作围绕流感、COVID-19和其他呼吸道疾病在人群中的传播,以及耐药菌在医疗系统中的传播与防控。近年来承担并参与多项CDC、NIH和NSF资助的公共卫生领域的科研项目,发表学术论文60余篇。研究成果发表在Nature、Science、PNAS、Science Advances等国际一流学术期刊,并被纽约时报、华尔街日报、华盛顿邮报、NPR等主流媒体广泛报道。曾获哥伦比亚大学Mailman公共卫生学院Calderone Junior Faculty Award。
裴森博士个人主页链接:http://www.columbia.edu/~sp3449/
摘要:呼吸道疾病的传播在大空间尺度上具有一定的模式。理解和预测流感及COVID-19等呼吸道疾病的空间传播模式对于该类疾病的预防和控制具有重要意义。针对季节性流感,我们提出了一个基于人口流动和数据聚合的模型-推断系统。该系统可以显著提高流感空间传播的预测效果并对局部地区疾病的爆发提供早期预警。在新冠大流行期间,我们利用该系统对COVID-19在中国和美国的传播进行分析并推断了若干SARS-CoV-2的重要流行病学特征。这次报告将围绕流感和COVID-19介绍以上的一系列工作。
-
我们更需要人类行为的数据!!!
回放:GeoHealthHub