单医院 COVID-19 病例数预测：一种分层贝叶斯方法
机器学习
2021-04-20 v1 机器学习
摘要
我们考虑预测单个医院站点每日住院 COVID-19 患者数量的问题，以帮助管理人员进行后勤与规划。我们开发了若干候选分层贝叶斯模型，其通过广义泊松似然直接刻画数据的计数性质，通过自回归和高斯过程隐过程对时间序列依赖建模，并在相关站点间共享统计强度。我们在美国马萨诸塞州 8 家医院和英国 10 家医院的公开数据集上展示了我们的方法。进一步的前瞻性评估将我们的方法与利益相关者在 3 家相关医院使用的基线进行比较，后者通过重新缩放州级预测来预测提前两周的需求。
引用
@article{arxiv.2104.09327,
title = {Forecasting COVID-19 Counts At A Single Hospital: A Hierarchical Bayesian Approach},
author = {Alexandra Hope Lee and Panagiotis Lymperopoulos and Joshua T. Cohen and John B. Wong and Michael C. Hughes},
journal= {arXiv preprint arXiv:2104.09327},
year = {2021}
}
备注
In ICLR 2021 Workshop on Machine Learning for Preventing and Combating Pandemics