关于 COVID-19 短期死亡预测准确性的研究
物理与社会
2022-06-22 v1 种群与进化
摘要
预测新发病例、住院和疾病所致死亡是传染病监测的重要组成部分，有助于指导卫生官员实施有效的对策。在美国的传染病监测中，疾病控制与预防中心（CDC）在国家与州层面将超过 65 份针对这些数字的独立预测组合为一个集成预测。我们收集了 CDC 关于美国 COVID-19 死亡的集成预测数据，并将其与易于解释的“欧拉（Euler）”预测进行比较，后者作为一种无模型基准，仅基于发病率曲线的局部变化率。术语“欧拉方法”源于同名的数值积分方案，该方案根据当前变化率计算函数在未来时间步的值。我们的结果表明，在为期一周的短期预测区间内，CDC 集成预测并不比“欧拉”预测更准确。然而，CDC 集成预测在更长的预测区间内表现出更好的性能。将发病率的当前变化率用作未来发病率变化的估计，对于短期流行病预测是有用的。所提方法相较于其他预测方法的一个优势在于，它可以用极少的工作量实现，且无需依赖额外数据（例如人类流动与接触模式）和高性能计算系统。
引用
@article{arxiv.2107.09891,
title = {On the accuracy of short-term COVID-19 fatality forecasts},
author = {Nino Antulov-Fantulin and Lucas Böttcher},
journal= {arXiv preprint arXiv:2107.09891},
year = {2022}
}
备注
4 pages, 1 figure