通过加权密度集成预测传染病流行

准确可靠地预测传染病动态对于规划干预措施以减少或防止疾病传播的公共卫生组织具有重要价值。为完成这一任务，已开发出种类繁多的模型，它们使用不同的模型结构、协变量和预测目标。经验表明，这些模型的表现各异；部分模型在不同季节或季节内不同时间点的表现往往更好或更差。集成方法结合多个模型以获得单一预测，从而利用每个模型的优势。我们考虑了一系列集成方法，每种方法将目标预测密度表示为各分量模型预测密度的加权和。在最简单的情况下，每个分量模型被赋予相同权重；在最复杂的情况下，权重随地区、预测目标、进行预测时的季节周数、分量模型不确定性的度量以及近期疾病发病率观测值而变化。我们将这些方法应用于使用三个分量模型预测美国流感季节时间与严重程度的指标，涵盖国家级和地区级。我们在 14 个季节 (1997/1998 - 2010/2011) 的回顾性预测上训练模型，并在随后的五个流感季节中评估每个模型的前瞻性样本外表现。在此测试阶段，集成方法的总体表现与最佳分量模型相似，但在不同季节间提供了比分量模型更一致的表现。集成方法有望为公共卫生决策者提供更可靠的预测。