融合全球数据并借用信息的 COVID-19 传播曲线估计
应用统计
2020-09-08 v5 统计方法学
摘要
当前，2019 新型冠状病毒病（COVID-19）对全球健康构成重大威胁。该病毒的快速传播已造成大流行，世界各国都在应对 COVID-19 感染病例的激增。美国食品药品监督管理局尚未批准任何用于预防或治疗 COVID-19 的药物或其他疗法：即便存在有关该疾病的信息，也极为有限且分散。这促使了数据整合的使用，即将来自不同来源的数据结合起来，并以统一的视角提取有用信息。在本文中，我们提出了一个贝叶斯分层模型，该模型整合全球数据以实时预测多个国家的感染轨迹。由于所提出的模型利用了跨多个国家借用信息的优势，其表现优于现有的基于单个国家的模型。由于采用了完全贝叶斯方法，该模型提供了一种具备不确定性量化的强大预测工具。此外，我们将一种联合变量选择技术整合到所提出的建模方案中，旨在识别可能导致 COVID-19 严重疾病的国家层面风险因素。
引用
@article{arxiv.2005.00662,
title = {Estimation of COVID-19 spread curves integrating global data and borrowing information},
author = {Se Yoon Lee and Bowen Lei and Bani K. Mallick},
journal= {arXiv preprint arXiv:2005.00662},
year = {2020}
}