关于COVID-19病死率估计中偏倚的识别与缓解
定量方法
2022-12-08 v6 种群与进化
摘要
群体与国家之间的相对病死率(CFRs)是指导当前COVID-19大流行期间稀缺医疗资源分配政策决策的相对风险关键度量。在主动暴发中期,当监测数据是主要信息来源时,估计这些量需要补偿死亡、病例和康复时间序列中相互竞争的偏倚。这些包括病例随时间与严重度依赖的报告,以及观测患者结局中的时间滞后。在COVID-19 CFR估计背景下,我们综述了此类偏倚及其潜在重要性。此外,我们从理论上分析了某些偏倚(如致死病例的优先报告)对CFR朴素估计量的影响。我们提供了对这些朴素估计的部分校正估计量,其考虑了死亡与康复的时间滞后和不完美报告。我们表明,通过对感染者接触者无论有无症状均进行随机检测的数据收集,可通过限制诊断与死亡之间的协方差来缓解偏倚。我们的分析辅以理论和数值结果,以及一个简单快速的开源代码库:https://github.com/aangelopoulos/cfr-covid-19 。
引用
@article{arxiv.2003.08592,
title = {On Identifying and Mitigating Bias in the Estimation of the COVID-19 Case Fatality Rate},
author = {Anastasios Nikolas Angelopoulos and Reese Pathak and Rohit Varma and Michael I. Jordan},
journal= {arXiv preprint arXiv:2003.08592},
year = {2022}
}
备注
Harvard Data Science Review (2020) article available at https://hdsr.mitpress.mit.edu/pub/y9vc2u36