使用新病毒变异株与疫苗有效性模型的 COVID-19 预测
机器学习
2022-08-26 v2 人工智能
摘要
背景：近期，在疫苗接种率相对较高的地区报告了大量每日 COVID-19 阳性病例；因此，加强疫苗接种变得必要。此外，由不同变异株引起的感染及相关因素尚未被深入讨论。由于巨大变异性和不同协因子，难以使用常规数学模型预测 COVID-19 发病率。方法：应用基于长短期记忆的机器学习预测新每日阳性病例（DPC）、重症病例、住院病例和死亡的时间序列。从以色列等高疫苗接种率地区获取的数据与日本其他地区当前数据混合，以考量疫苗的潜在效应。还从疫苗接种人群有效性以及保护力衰退和病毒变异株比例与传染性方面考虑了有症状感染提供的保护。为表征公众行为变化，分析中也纳入了公众流动性和通过社交媒体的互动。结果：对比以色列特拉维夫观测与估计的新 DPC，表征疫苗有效性和感染保护力衰退的参数被良好估计；第二剂在感染后 5 个月及第三剂在感染后两周针对 delta 变异株的疫苗有效性分别为 0.24 和 0.95。利用提取的疫苗有效性参数，复制了日本三个县的新病例。
引用
@article{arxiv.2201.10356,
title = {COVID-19 forecasting using new viral variants and vaccination effectiveness models},
author = {Essam A. Rashed and Sachiko Kodera and Akimasa Hirata},
journal= {arXiv preprint arXiv:2201.10356},
year = {2022}
}