利用废水监测进行美国 COVID-19 预测：一项深度学习研究
机器学习
2022-12-20 v1
摘要
2019年底暴发的COVID-19是一场席卷全球并在随后数年夺去数百万人生命的健康危机的开端。许多政府和卫生官员未能遏制疫情在社区中的快速传播。漫长的潜伏期和大量的无症状病例使得COVID-19尤其难以追踪。然而，除每日确诊数、住院数和死亡数等常规指标外，废水监测很快成为一种有前景的数据来源。尽管学界对废水病毒载量数据的有效性已有共识，但仍缺乏利用病毒载量改进COVID-19预测的方法论途径。本文提出使用深度学习自动发现每日确诊病例与病毒载量数据之间的关系。我们训练了一个深度时间卷积网络(DeepTCN)和一个时序融合Transformer(TFT)模型以构建全局预测模型。我们将病毒载量及其他社会经济因素作为协变量补充到模型的每日确诊病例中。我们的结果表明，TFT优于DeepTCN，并学到了病毒载量与每日病例之间更好的关联。我们证明了为模型配备病毒载量可显著提升其预测性能。此外，病毒载量被证明是仅次于防控与健康指数的第二最具预测力的输入。我们的结果揭示了在提供废水病毒载量数据时，训练一个与地点无关的深度学习模型来捕捉感染扩散动态的可行性。
引用
@article{arxiv.2212.08798,
title = {Leveraging Wastewater Monitoring for COVID-19 Forecasting in the US: a Deep Learning study},
author = {Mehrdad Fazli and Heman Shakeri},
journal= {arXiv preprint arXiv:2212.08798},
year = {2022}
}