Project R-16870

Bayesiaans Modelleren van Epidemiologische Vertragingen (BAYESMEV) (Onderzoek)

De recente COVID-19-pandemie stortte de wereld in een diepe crisis en had een zware impact op de mondiale gezondheidszorg en socio-economische omstandigheden. Dergelijke stressvolle periodes bieden kansen om nieuwe methodologieën te ontwikkelen waarmee betekenisvolle inzichten uit infectieziektedata kunnen worden gehaald. Statistische modellering is essentieel voor het analyseren van epidemische gegevens: ze stelt ons in staat om epidemiologische parameters te schatten en de dynamiek van ziekteverspreiding beter te begrijpen. Epidemiologische vertragingen—tijdsintervallen tussen belangrijke gebeurtenissen die met een ziekte samenhangen—zijn cruciaal om transmissie te doorgronden. Inzichten in deze vertragingen kunnen helpen om de volksgezondheidsimpact van epidemieën te verzachten. Drie onderzoeksuitdagingen worden geïdentificeerd op het gebied van epidemiologische vertragingen: parametrische aannames (PARA), computationele aspecten van inferentie (COMP) en ondersteuning voor reproduceerbare modellering (RMOD). Om deze hiaten aan te pakken, stelt het project vernieuwing voor op het gebied van semi-parametrische modellen, Bayesiaanse inferentiebenaderingen en functionele programmeerparadigma's. Dankzij deze strategieën, wil het project het volledige potentieel van Bayesiaanse methoden ontsluiten met een snelle, betrouwbare en reproduceerbare reeks tools voor het modelleren van epidemiologische vertragingen en tegelijkertijd kritieke wetenschappelijke lacunes overbruggen.

01 oktober 2026 - 30 september 2029