用于 COVID-19 及其他疾病现在cast与预测的强有力建模框架
应用统计
2020-11-19 v2
摘要
COVID-19 大流行凸显了延迟报告作为有效疾病监测与决策重大障碍的问题。在缺乏及时数据的情况下，可采用考虑延迟的统计模型对病例或死亡进行现在cast与预测。我们讨论了 COVID-19 及其他疾病可用数据中系统性与随机性变异的四个关键来源，并针对恰当分离与捕捉该变异性批判性地评估了当前最先进的方法。我们提出了一个用于修正延迟报告的通用时空分层框架，并展示其应用于英国每日 COVID-19 医院死亡与巴西严重急性呼吸道感染病例的情况。我们基于一个模拟真实运行场景的滚动现在cast实验，从理论灵活性与量化指标方面将我们的方法与竞争模型比较。基于在现在cast准确性、偏差与精度上一致且令人信服的领先表现，我们证明我们的方法代表了当前修正延迟报告的最佳实践。
引用
@article{arxiv.1912.05965,
title = {A Powerful Modelling Framework for Nowcasting and Forecasting COVID-19 and Other Diseases},
author = {Oliver Stoner and Theo Economou and Alba Halliday},
journal= {arXiv preprint arXiv:1912.05965},
year = {2020}
}