从早期感染动力学机器学习 COVID-19 的唯象特征
种群与进化
2020-04-06 v3 机器学习
机器学习
摘要
我们提出一种稳健的数据驱动机器学习分析，从 COVID-19 大流行的早期感染动力学（具体为随时间变化的感染计数）出发。目标是提取可操作的公共卫生见解。这些见解包括传染力、轻症转为重症的速率、无症状感染的估计以及随时间的新的感染预测。我们聚焦于自 2020 年 1 月 20 日首例确诊感染起的美国数据。我们的方法揭示了显著的无症状（隐匿）感染、约 10 天的滞后期，并定量确认传染力强劲，轻症向重症转化约为 0.14%。我们的方法高效、稳健且通用，对特定病毒无关并适用于不同人群或队列。
引用
@article{arxiv.2003.07602,
title = {Machine Learning the Phenomenology of COVID-19 From Early Infection Dynamics},
author = {Malik Magdon-Ismail},
journal= {arXiv preprint arXiv:2003.07602},
year = {2020}
}
备注
Test data up to April 02. Reorganized a little