CALYPSO：基于社区与医疗传播动力学的MRSA感染模式预测与分析
机器学习
2025-08-20 v1
摘要
耐甲氧西烯痊白花生菌（MRSA）是医院以及长期照护机构中的重要公共卫生威胁。更好地理解MRSA风险、评估干预措施以及预测MRSA水平是重要的公共卫生问题。现有的预测模型依赖统计或神经网络方法，这些方法缺乏流行病学可解释性，并且性能有限。机制性流行病模型难以校准，并且在整合多样化数据方面受限。我们提出了CALYPSO，一种将神经网络与机制性多人口模型相结合的混合框架，用于捕捉跨医疗和社区环境中感染病毒（即MRSA）的传播动力学。我们的模型利用患者级别的保险索赔数据、通勤数据和医疗转移模式，以学习支配MRSA传播的区域和时间特定参数。这使得可以在多个空间分辨率（县、医疗机构、区域、州）上实现准确、可解释的预测，并支持对感染控制政策和暴发风险的反事实分析。我们还展示了CALYPSO相较于机器学习基线在全州预测中性能提升超过4.5%，同时识别了高风险地区和高效的感染预防资源分配策略。
引用
@article{arxiv.2508.13548,
title = {CALYPSO: Forecasting and Analyzing MRSA Infection Patterns with Community and Healthcare Transmission Dynamics},
author = {Rituparna Datta and Jiaming Cui and Gregory R. Madden and Anil Vullikanti},
journal= {arXiv preprint arXiv:2508.13548},
year = {2025}
}