COVID-19的自适应疫情预测与社区风险评估
计算机与社会
2021-06-07 v1 机器学习
摘要
封锁、限制餐厅与聚集活动、保持社交距离等大流行管控措施已被证明能有效遏制COVID-19的传播。然而，其持续施行会带来负面经济影响。为制定既能减轻民众与经济困难又能有效抗疫的策略与政策，主管部门需要在恰当的地理空间粒度上理解疾病动态。考量医院应对波动需求的能力、评估各类重启情景以及准确预测病例数，对决策至关重要。为此，我们提出一种灵活的端到端解决方案，将公共卫生数据与第三方客户数据无缝整合，以准确估计社区重启的风险。其核心是一种最先进的预测模型，可自动捕捉传播与流动性中的变化趋势。与多种已发布基线的基准对比证实了我们的预测算法之优越性。结合可扩展至多种客户特定需求的能力，以及通过反事实分析进行演绎推理的能力，该解决方案为从政府到教育机构、医院和商业实体等多元客户领域提供了可操作的见解。
引用
@article{arxiv.2106.02094,
title = {Adaptive Epidemic Forecasting and Community Risk Evaluation of COVID-19},
author = {Vishrawas Gopalakrishnan and Sayali Navalekar and Pan Ding and Ryan Hooley and Jacob Miller and Raman Srinivasan and Ajay Deshpande and Xuan Liu and Simone Bianco and James H. Kaufman},
journal= {arXiv preprint arXiv:2106.02094},
year = {2021}
}
备注
9 pages, 11 figures