一种机器学习辅助的全局诊断与比较工具：评估隔离管控在新冠传播中的作用

我们通过将经典的 SIR 流行病学模型与神经网络模块相结合，开发了一个全球适用的新冠诊断模型。我们的模型不依赖于先前的 SARS/MERS 等流行病，所有参数均通过对公开可用的新冠数据采用机器学习算法进行优化。该模型对感染时间序列的贡献进行分解，以分析并比较欧洲、北美、南美和亚洲高受影响地区所采取隔离管控政策在控制病毒传播中的作用。对于所有考虑的洲，我们的结果显示出模型所学得的隔离管控加强程度与各地方政府所采取措施之间普遍具有较强的相关性。最后，我们将全球前 70 个受影响国家的隔离诊断结果托管于一个公共平台，可供公共卫生官员与研究人员用于循证决策。