报告延迟：COVID-19 预测中被广泛忽视的影响因素
种群与进化
2023-04-25 v1
摘要
疫情预测的好坏取决于疫情测量的准确性。疫情数据，尤其是 COVID-19 疫情数据，是否干净且无噪声？常识给出的答案是否定的。虽然我们无法整体评估 COVID-19 疫情数据的洁净度，但可以检验数据中是否存在报告延迟。在我们的工作中，通过对第一波 COVID-19 的分析，我们发现已发布的疫情数据中存在显著的报告延迟。出于改进疫情预测的目的，我们开发了一个统计框架，用于检测、揭示并去除感染、康复和死亡疫情时间序列中的报告延迟。我们的框架能够揭示并分析受第一波 COVID-19 严重影响的 8 个地区的报告延迟。进一步，我们证明使用该统计框架去除疫情数据中的报告延迟可降低疫情预测误差。尽管我们的统计框架可与任何输入感染、康复和死亡数据的疫情预测方法结合使用，为做基本评估，我们采用了经典的 SIRD 疫情模型。结果表明，从疫情数据中去除报告延迟可使预测误差降低多达 50%。我们预期该框架在分析新型 COVID-19 毒株及其他已有或新型传染病时不可或缺。
引用
@article{arxiv.2304.11863,
title = {Reporting delays: a widely neglected impact factor in COVID-19 forecasts},
author = {Long MA and Piet Van Mieghem and Maksim Kitsak},
journal= {arXiv preprint arXiv:2304.11863},
year = {2023}
}
备注
10 pages, 4 figures