自我报告的症状能否预测每日 COVID-19 病例数?
机器学习
2021-06-22 v2 计算机与社会
摘要
COVID-19 大流行影响了全球的生命与经济,导致众多死亡。尽管疫苗接种是一项重要干预措施,但其全球推广缓慢且不均。因此,大规模检测仍是监测和遏制病毒的关键方法之一。大规模检测昂贵且艰巨。因此,我们需要替代方法来估计病例数。在线调查已被证明是大流行期间一种有效的数据收集方法。在这项工作中,我们开发机器学习模型,利用自我报告的症状来估计 COVID-19 的流行程度。我们的最佳模型以每个州平均绝对误差(MAE)226.30(归一化 MAE 为 27.09%)预测每日病例数,这展示了利用自我报告症状预测实际确诊数目的可能性。模型在两种数据粒度上开发——局部模型(在州一级训练)和单一全局模型(在所有州汇总数据上训练)。我们的结果表明局部模型的误差低于全局模型。此外,我们还显示最重要的症状(特征)在各州之间差异显著。本工作表明,基于在线平台策划的众包数据开发的模型,可以以经济高效的方式补充现有的流行病学监测基础设施。代码公开于 https://github.com/parthpatwa/Can-Self-Reported-Symptoms-Predict-Daily-COVID-19-Cases。
引用
@article{arxiv.2105.08321,
title = {Can Self Reported Symptoms Predict Daily COVID-19 Cases?},
author = {Parth Patwa and Viswanatha Reddy and Rohan Sukumaran and Sethuraman TV and Eptehal Nashnoush and Sheshank Shankar and Rishemjit Kaur and Abhishek Singh and Ramesh Raskar},
journal= {arXiv preprint arXiv:2105.08321},
year = {2021}
}
备注
Accepted as a full-length oral presentation at the International Workshop on Artificial Intelligence for Social Good (AI4SG), IJCAI-21