重访非特定症候群监测
机器学习
2021-02-01 v1
摘要
传染病监测对于防范重大疫情具有重大意义。症候群监测旨在开发能够通过监控可捕获特定疾病发生情况的数据源，尽可能早地检测出疫情的算法。近期研究主要聚焦于特定已知疾病的监测，侧重于所监测疾病模式的定义。迄今为止，鲜有工作致力于我们所称的非特定症候群监测，即利用所有可用数据检测包括事先未知传染病在内的各类疫情。本工作中，我们重访已发表的非特定症候群监测方法，并提出一组简单统计建模技术，可作为更精细机器学习方法的基准。我们在已建立的合成数据及注入了合成疫情的真实数据上的实验比较表明，这些基准已取得极具竞争力的结果，且常优于更复杂的算法。
引用
@article{arxiv.2101.12246,
title = {Revisiting Non-Specific Syndromic Surveillance},
author = {Moritz Kulessa and Eneldo Loza Mencía and Johannes Fürnkranz},
journal= {arXiv preprint arXiv:2101.12246},
year = {2021}
}