COVID-19 感染的实时估计：反卷积与传感器融合
应用统计
2022-03-01 v2
摘要
我们提出、实现并评估了一种方法，通过对每日报告的 COVID-19 病例数使用估计的症状出现到病例报告延迟分布进行反卷积，在美国各县层面上估计每日新增有症状 COVID-19 感染人数。重要的是，我们专注于实时（而非回顾性）估计感染人数，这带来了诸多挑战。为应对这些挑战，我们为分布估计和反卷积步骤开发了新方法，并采用了一个传感器融合层（该层融合了基于辅助监测数据流训练以追踪感染的模型的预测），以提高准确性和稳定性。
引用
@article{arxiv.2112.06697,
title = {Real-Time Estimation of COVID-19 Infections: Deconvolution and Sensor Fusion},
author = {Maria Jahja and Andrew Chin and Ryan J. Tibshirani},
journal= {arXiv preprint arXiv:2112.06697},
year = {2022}
}