使用异方差高斯过程的疾病发病率现象学预测：登革热案例研究

2015 年，美国联邦政府使用来自秘鲁伊基托斯（Iquitos）和波多黎各圣胡安（San Juan）的历史病例数据赞助了登革热预测竞赛。参赛者在样本外预测的多个方面被评估，包括峰值周、该周峰值发病率以及每个季节的总季节发病率。我们的团队是该竞赛的顶尖表现者之一，在多个目标/地点上优于所有其他团队。在本文中，我们报告了我们的方法，其很大一部分出人意料地忽略了大规模流行病的已知生物学——特别是登革热传播与环境因子之间的关系——而是依赖于灵活的非参数非线性高斯过程（GP）回归拟合，这些拟合“记忆”过去季节的轨迹，然后实时将展开季节的动态“匹配”到过去的季节。我们的现象学方法在疾病动态了解较少的情况下具有优势，例如具有较短疾病历史（如伊基托斯）的地点，或者辅助协变量（如降水）的测量和预测不可用和/或其与病例的关联强度尚未知的地方。特别地，我们展示了 GP 方法通常优于我们开发的利用丰富协变量信息的更经典的广义线性（自回归）模型（GLM）。我们在两个基准地点上说明了我们方法的变化，并与其他竞赛参赛者的结果提交进行了完整总结。