基于深度学习的 COVID-19 感染中人群年龄组敏感性分析
机器学习
2023-07-04 v1 人工智能
种群与进化
摘要
COVID-19 大流行给全球政府和医疗系统带来了前所未有的挑战，凸显了理解病毒传播影响因素的关键重要性。本研究旨在利用改进 Morris 方法和时间序列深度学习，在美国县级层面对 COVID-19 感染率中最具影响的年龄组进行识别。我们的方法将最先进的时间序列模型 Temporal Fusion Transformer 以不同年龄组作为静态特征、人口疫苗接种状态作为动态特征进行训练。我们通过扰动单个输入特征来分析这些年龄组对 COVID-19 感染率的影响，并根据量化其对传播率贡献的 Morris 敏感性分数对其进行排序。研究结果使用来自 CDC 和美国人口普查的真实数据进行验证，这些数据提供了各年龄组的真实感染率。结果表明，在 2020 年 3 月 1 日至 2021 年 11 月 27 日期间，年轻成年人是县级层面 COVID-19 传播中最具影响的年龄组。利用这些结果可为公共卫生政策和干预措施（如针对性疫苗接种策略）提供信息，以更好地控制病毒传播。我们的方法展示了特征敏感性分析在识别导致 COVID-19 传播关键因素中的效用，并可应用于其他公共卫生领域。
引用
@article{arxiv.2307.00751,
title = {Population Age Group Sensitivity for COVID-19 Infections with Deep Learning},
author = {Md Khairul Islam and Tyler Valentine and Royal Wang and Levi Davis and Matt Manner and Judy Fox},
journal= {arXiv preprint arXiv:2307.00751},
year = {2023}
}