超越传统监控：发掘专家知识用于公共卫生预测
种群与进化
2025-08-22 v1 计算机与社会
应用统计
摘要
2025年大幅裁减美国公共卫生工作人员人数，将放大公共危机期间的潜在风险。公共卫生官员的专家判断代表了一种来自传统监控基础设施之外的关键信息来源，应当被珍视而非被忽视。了解在资源受限条件下专家知识如何发挥作用，对于理解容量缩减的潜在影响至关重要。为探索专家预测能力，我们对2024年CSTE研讨会上的114名公共卫生官员进行了研究，他们生成了103个峰值住院预测以及102个理由，用于预测2024/25年季节内菲利尼亚州流感H3型与H1型优势。我们将专家预测与计算模型进行比较，并使用潜在狄里克卡尔曼（LDA）分析推理模式。专家在预测H3优势方面表现更好，给予不太可能的情景更低的概率。专家理由基于历史模式、病原体相互作用、疫苗数据和累积经验。专家公共卫生知识构成了关键数据来源，应被平等地视为传统数据集。我们建议发展一个国家工具包，系统地收集和分析专家预测与理由，将人类判断视为可量化的数据，与监控系统并列，以增强危机响应能力。
引用
@article{arxiv.2508.15623,
title = {Beyond Traditional Surveillance: Harnessing Expert Knowledge for Public Health Forecasting},
author = {Garrik Hoyt and Eleanor Bergren and Gabrielle String and Thomas McAndrew},
journal= {arXiv preprint arXiv:2508.15623},
year = {2025}
}