评估大规模检测模型以解读 COVID-19 病例数
应用统计
2021-02-04 v2 种群与进化
摘要
大规模检测被认为是评估当前 COVID-19 大流行状态的关键。然而，报告的病例数与大流行的真实状态之间的联系仍不明确。我们基于关于这一联系的竞争性假设建立数学模型，从而基于病例数提供不同的患病率估计，并通过预测 SARS-CoV-2 导致的死亡率轨迹对其进行验证。假设个体仅基于预定义的中毒风险接受检测，意味着绝对病例数反映患病率，但结果证明这是一个较差的预测因子，在两波 COVID-19 流行初期持续高估增长率。相反，假设检测能力被充分利用的表现更好。这导致使用阳性率作为疫情动态更稳健的指标，但我们发现其存在饱和现象，随着检测数量增大需要加以考虑。
引用
@article{arxiv.2012.01912,
title = {Assaying Large-scale Testing Models to Interpret COVID-19 Case Numbers},
author = {Michel Besserve and Simon Buchholz and Bernhard Schölkopf},
journal= {arXiv preprint arXiv:2012.01912},
year = {2021}
}
备注
41 pages, 7 figures