008240612s2023      us  |||||||||||||||c||eng  d
■001000016931755
■00520240214100113
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380128384
■035    ▼a(MiAaPQ)AAI30422115
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a614.4
■1001  ▼aBeams,  Alexander  Brown.
■24510▼aDynamics,  Inference,  and  Simulation  Studies  in  Epidemiology:  Relating  Transmission  and  Aetiology  to  Treatment  for  Infectious  Organisms  of  Note▼h[electronic  resource]
■260    ▼a[S.l.]:▼bThe  University  of  Utah.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(150  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-02,  Section:  B.
■500    ▼aAdvisor:  Adler,  Frederick  R.
■5021  ▼aThesis  (Ph.D.)--The  University  of  Utah,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aWhat  does  a  future  with  SARS-CoV-2  look  like?  Will  it  continue  to  place  a  severe  strain  on  our  healthcare  systems,  or  could  it  transition  to  becoming  a  common  cold-causing  virus?  Either  way,  as  the  COVID-19  pandemic  transitions  to  endemicity,  bacterial  infections,  such  as  those  caused  by  Staphylococcus  aureus,  will  take  on  renewed  importance.  As  far  as  their  transmission  dynamics  are  concerned,  there  has  been  much  debate  surrounding  the  notion  that  some  people  serve  as  a  reservoir,  but  is  that  necessarily  true?  And  when  infections  do  occur,  what  makes  them  pathogenic  or  virulent?  To  add  yet  another  complication:  how  do  all  the  diverse  species  of  pathogens  that  cause  infection  interact  with  each  other  to  shape  the  epidemiology  of  infectious  disease  considered  as  a  whole?In  the  following  chapters,  we  delve  into  each  of  these  questions.  The  first  two  chapters  are  previously  published  work,  where  we  use  mathematical  models  to  make  projections  about  the  future  of  SARS-CoV-2,  and  develop  statistical  frameworks  to  link  mathematical  models  to  data  of  bacterial  colonization.  The  third  chapter  studies  virulence  regulation  in  S.  aureus  with  a  mathematical  model,  and  the  fourth  leverages  mathematical  models  and  likelihood-based  statistics  in  the  study  of  Syndromic  Trend  data  from  bioMerieux  to  address  a  fundamental  question:  how  often  do  distinct  pathogens  coinfect  the  same  host?
■590    ▼aSchool  code:  0240.
■650  4▼aEpidemiology.
■650  4▼aBiology.
■650  4▼aMicrobiology.
■650  4▼aBiostatistics.
■653    ▼aDifferential  equations
■653    ▼aMaximum  likelihood
■653    ▼aRespiratory  pathogens
■653    ▼aSARS-CoV-2
■653    ▼aStaphylococcus  aureus
■653    ▼aVirulence
■690    ▼a0766
■690    ▼a0306
■690    ▼a0410
■690    ▼a0308
■71020▼aThe  University  of  Utah▼bMathematics.
■7730  ▼tDissertations  Abstracts  International▼g85-02B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0240
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16931755▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024