21世纪重大疾病暴发的建模：一种因果方法
机器学习
2021-09-20 v2 应用统计
摘要
旨在对全球事件动态进行建模的流行病学家在识别与疾病暴发等异常相关的因素时面临重大挑战。本文中，我们提出一种新方法，利用全球发展指标作为标记，识别对疾病暴发最为敏感的重要发展部门。我们使用统计方法评估这些指标与疾病暴发之间的因果联系，并找出最常排名的指标。除统计分析外，我们还使用数据插补技术将原始真实世界数据集转换为可用于因果推断的有意义数据。各种用于检测指标间因果联系的算法的应用是本研究的内容。尽管国家间政府政策的差异导致了因果联系的不同，若干指标作为21世纪全球对疾病暴发敏感的重要决定因素浮现出来。
引用
@article{arxiv.2109.07266,
title = {Modelling Major Disease Outbreaks in the 21st Century: A Causal Approach},
author = {Aboli Marathe and Saloni Parekh and Harsh Sakhrani},
journal= {arXiv preprint arXiv:2109.07266},
year = {2021}
}
备注
Accepted at Special Interest Group on Knowledge Discovery and Data Mining (SIGKDD-epiDAMIK) 2021: The 4th International Workshop on Epidemiology meets Data Mining and Knowledge discovery