| Title: |
A Scaled Poisson Bayesian Model for Viral Epidemic Monitoring |
| Authors: |
Pascal, Barbara; Abry, Patrice; Chevallier, Juliette; Fort, Gersende |
| Contributors: |
Laboratoire des Sciences du Numérique de Nantes (LS2N); Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique); Institut Mines-Télécom Paris (IMT)-Institut Mines-Télécom Paris (IMT)-NANTES UNIVERSITÉ - École Centrale de Nantes (Nantes Univ - ECN); Nantes Université (Nantes Univ)-Nantes Université (Nantes Univ)-Nantes université - UFR des Sciences et des Techniques (Nantes univ - UFR ST); Nantes Université - pôle Sciences et technologie; Nantes Université (Nantes Univ)-Nantes Université (Nantes Univ)-Nantes Université - pôle Sciences et technologie; Nantes Université (Nantes Univ); Centre National de la Recherche Scientifique (CNRS); Laboratoire de Physique de l'ENS Lyon (Phys-ENS); École normale supérieure de Lyon (ENS de Lyon); Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS); Institut de Mathématiques de Toulouse UMR5219 (IMT); Université Toulouse Capitole (UT Capitole); Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Institut National des Sciences Appliquées - Toulouse (INSA Toulouse); Institut National des Sciences Appliquées (INSA)-Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Institut National des Sciences Appliquées (INSA)-Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Université Toulouse - Jean Jaurès (UT2J); Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Centre National de la Recherche Scientifique (CNRS)-Université de Toulouse (EPE UT); Communauté d'universités et établissements de Toulouse (Comue de Toulouse); Institut National des Sciences Appliquées - Toulouse (INSA Toulouse); Institut National des Sciences Appliquées (INSA)-Communauté d'universités et établissements de Toulouse (Comue de Toulouse); Équipe Services et Architectures pour Réseaux Avancés (LAAS-SARA); Laboratoire d'analyse et d'architecture des systèmes (LAAS); Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP); Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Université de Toulouse (EPE UT); Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Université Toulouse Capitole (UT Capitole); ANR-23-CE48-0009,OptiMoCSI,Optimisation et échantillonnage Monte Carlo entrelacés(2023) |
| Source: |
ICASSP ; https://hal.science/hal-05266378 ; ICASSP, May 2026, Barcelone, Spain |
| Publisher Information: |
CCSD |
| Publication Year: |
2026 |
| Collection: |
Université Toulouse III - Paul Sabatier: HAL-UPS |
| Subject Terms: |
Uncertainty Quantification; Epidemiology; Langevinbased Monte Carlo; Scaled-Likelihood Bayesian model; [PHYS.PHYS.PHYS-DATA-AN]Physics [physics]/Physics [physics]/Data Analysis; Statistics and Probability [physics.data-an]; [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing |
| Subject Geographic: |
Spain |
| Time: |
Barcelone, Spain |
| Description: |
International audience ; Monitoring an ongoing epidemic requires accurate, trustworthy and easy to use tools, capable of handling low quality data. Extending existing epidemiological models quantifying the propagation intensity via a time-varying reproduction number, this work proposes a scaled Poisson model, accounting for large intrinsic variability in infection counts. The associated scaled likelihood is plugged into a Bayesian model with a quasi-noninformative prior. A carefully designed Markov Chain Monte Carlo algorithm yields a point estimate and credibility intervals of the reproduction number. The accuracy and robustness to model misspecification and to scale parameter selection of the proposed estimator is demonstrated through intensive numerical experiments on COVID-19 case counts in different countries and during various phases of the pandemic. |
| Document Type: |
conference object |
| Language: |
English |
| Availability: |
https://hal.science/hal-05266378; https://hal.science/hal-05266378v2/document; https://hal.science/hal-05266378v2/file/2026_icassp_bayesian.pdf |
| Rights: |
https://about.hal.science/hal-authorisation-v1/ ; info:eu-repo/semantics/OpenAccess |
| Accession Number: |
edsbas.2579C6B |
| Database: |
BASE |