우리는 위험 인구 추론(iPAR) 프레임워크를 소개합니다. 이 프레임워크는 위험 인구가 알려지지 않았거나 제대로 매핑되지 않은 시나리오에서 공간적 질병 역학의 모델링과 추정을 가능하게 합니다. 이 프레임워크는 현재의 방법이 대개 위험 인구의 공간적 분포에 대한 데이터를 필요로 한다는 점에서 공간 감염병 모델링 접근법의 격차를 해소합니다. iPAR의 원칙은 베이지안 추론이 데이터-증대 마르코프 연쇄 몬테카를로(MCMC) 기법으로 구현된 감수성-감염성 질병 역학 모델의 맥락에서 설명됩니다. 이 iPAR 구현은 시뮬레이션된 발병 데이터를 사용하여 다양한 시나리오에서 테스트됩니다. 결과는 이 방법이 시공간 사례 보고서로부터 질병 확산의 주요 특성을 효과적으로 추정하고 향후 확산에 대한 유용한 예측을 할 수 있음을 나타냅니다. 이 방법은 2014-2019년 에스토니아의 야생 멧돼지 아프리카돼지열병(ASF) 발병 연구 사례에 적용됩니다. 전염병학적 매개변수의 추정치는 장거리 전파와 에스토니아의 야생 멧돼지 인구 감소를 통한 질병 통제에 대한 증거를 보여줍니다.