基于领先指标与集成方法的英格兰 COVID-19 住院实时预测
应用统计
2023-08-17 v3
摘要
由 COVID-19 奥密克戎亚谱系引发的住院给英格兰医疗系统带来了持续压力。了解预期的医疗需求有助于公共卫生进行更有效和及时的规划。我们收集了综合征监测数据源，包括在线搜索数据、NHS 111 电话与在线分诊。结合这些数据，我们探索了广义加性模型、广义线性混合模型、惩罚广义线性模型和模型集成方法，以在 NHS Trust 层级上预测两周预测期。此外，我们展示了通过均值集成、加权集成和回归集成，模型组合如何改善预测评分。在多个奥密克戎波次、不同空间尺度上验证，我们表明领先指标可改善预测模型性能，尤其在疫情拐点处。使用多种评分规则，我们显示集成方法优于所有单个模型，在 21 天窗口上提供比相应单个模型在 14 天更高的性能。我们介绍了 2022 年英格兰公共卫生官员用于告知 NHS 医疗战略与政策决策的建模结构。本文探讨了集成方法对改善预测性能的意义，以及新型综合征监测如何实际应用于疫情预测。
引用
@article{arxiv.2306.05762,
title = {Real-time COVID-19 hospital admissions forecasting with leading indicators and ensemble methods in England},
author = {Jonathon Mellor and Rachel Christie and Robert S Paton and Rhianna Leslie and Maria Tang and Martyn Fyles and Sarah Deeny and Thomas Ward and Christopher E Overton},
journal= {arXiv preprint arXiv:2306.05762},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2303.12037