우리는 iPAR (위험 인구 추론) 프레임워크를 소개하며, 이는 위험 인구가 알려지지 않았거나 제대로 파악되지 않은 상황에서 공간적 질병 동역학을 모델링하고 추정할 수 있게 해줍니다. 현재의 방법들은 일반적으로 위험 인구의 공간 분포에 대한 데이터를 필요로 하며, iPAR는 이러한 공간적 전염병 모델링 접근 방식의 격차를 해결합니다. iPAR의 원리는 데이터 증강 마르코프 연쇄 몬테 카를로 (MCMC) 방법을 통한 베이즈 추론과 결합된 감염 취약 모델 맥락에서 입증되었습니다. iPAR의 구현은 모의 발병 데이터를 사용하여 다양한 시나리오에서 테스트되었습니다. 결과는 이 방법이 시공간 사례 보고서로부터 질병 확산의 주요 특성을 효과적으로 추정하고 미래 확산의 유용한 예측을 할 수 있음을 보여줍니다. 그런 다음, 이 방법은 2014-2019 에스토니아에서 야생 멧돼지의 아프리카돼지열병 (ASF) 발병을 탐구하는 사례 연구에 적용되었습니다. 역학적 매개변수의 추정은 장거리 전파와 에스토니아의 야생 멧돼지 개체 수 감소를 통한 질병 통제가 있었음을 보여줍니다.