COVID-19病例的全球短期预测
统计方法学
2021-04-07 v1 应用统计
摘要
持续增长的COVID-19病例数量给全球医疗服务带来压力。因此，准确的短期预测对于支持国家层面的政策制定至关重要。各国为抗击大流行所采取的策略各不相同，导致实际病例数量的不确定性水平各异。因此，考虑数据的层次结构并容纳额外变异性是基础性的。我们引入了一种新的建模框架，以极高精度描述大流行的进程，并为全球每个国家提供短期每日预测。我们表明，我们的模型可生成提前至多六天的高精度预测，并利用估计的模型成分基于近期事件对国家进行聚类。我们在统计上的创新在于将自回归参数建模为时间的函数，从而提升预测能力并增强适应各国的灵活性。我们的模型还可用于预测死亡人数、研究协变量（如封锁政策）的效应，并生成国家内较小区域的预测。因此，它对全球规划与决策具有重大意义。我们持续更新预测，并通过在线Shiny仪表板向全球任何国家免费提供所有结果。
引用
@article{arxiv.2006.00111,
title = {Global Short-Term Forecasting of Covid-19 Cases},
author = {Thiago de Paula Oliveira and Rafael de Andrade Moral},
journal= {arXiv preprint arXiv:2006.00111},
year = {2021}
}