基于大规模移动数据预测COVID-19传播
应用统计
2021-06-02 v1 计算机与社会
摘要
为有效管理COVID-19疫情，公共卫生决策者需要准确的病例数预测。人类移动性是一个潜在的近实时未来病例数预测因子；然而，关于移动性预测能力的研究尚显不足。为填补这一空白，我们引入了一种基于移动数据的疫情预测新模型，称为移动标记霍克斯模型（mobility marked Hawkes model）。该模型由三部分组成：（1）霍克斯过程捕捉传染病的传播动态。（2）一个标记调节感染率，从而解释基本再生数R在时空上的变化。该标记使用基于移动协变量的正则化泊松回归建模。（3）校正程序纳入了地区间人员流动所引发的新病例。我们的模型在瑞士的COVID-19疫情上进行了评估。具体而言，我们使用了2020年2月至4月的移动数据，总计约15亿次出行。出行次数源自大规模电信数据，即瑞士最大电信运营商Swisscom网络的手机信令。我们根据样本外均方根误差将我们的模型与各种最先进基线进行比较。我们发现我们的模型比基线高出15.52%。在5至21天不同的预测区间内均持续取得该改进。此外，我们评估了常规兴趣点数据的预测能力，证实电信数据更优。据我们所知，我们的工作是首个从电信数据预测COVID-19传播的工作。总之，我们的工作通过为负责控制传染病传播的公共卫生决策者开发可扩展的早期预警系统，对以往研究作出了贡献。
引用
@article{arxiv.2106.00356,
title = {Predicting COVID-19 Spread from Large-Scale Mobility Data},
author = {Amray Schwabe and Joel Persson and Stefan Feuerriegel},
journal= {arXiv preprint arXiv:2106.00356},
year = {2021}
}
备注
9 pages, 3 figures. Accepted for publication in KDD '21: 27th ACM SIGKDD Conference on Knowledge Discovery and Data Mining