解决传染病预测建模中的病例报告延迟问题

传染病预测对公共卫生界与政策制定者具有极大意义，因为预测可洞察近期的疾病动态并为干预提供依据。然而，由于病例报告存在延迟，预测模型往往低估当前与未来的疾病负担。本文提出一个通用框架，用于在疾病预测工作中处理报告延迟，以期改善预测。我们提出利用病例报告的历史数据或外部基于互联网的数据来估计报告误差量的策略。随后，我们描述了若干调整通用预测流程的方法，以考虑病例的少报或多报。我们将这些方法应用于处理波多黎各 1990 至 2009 年登革热病例数据以及美国 2010 至 2019 年流感样疾病（ILI）报告中的报告延迟。通过模拟研究，我们比较了方法性能并评估了对方差假设的鲁棒性。我们的结果表明，在实施校正方法以处理报告延迟后，预测精度与预测覆盖度几乎总是有所提升。其中部分方法需要关于报告误差的知识或高质量的外部数据，而这些未必总可获得。所提供的替代方案包括排除近期报告的数据并进行敏感性分析。本工作为处理病例报告延迟提供了直观认识与指导，并可作为指导实际传染病预测工作的有用资源。