美国 COVID-19 的时空动态、现在cast与预测
应用统计
2020-12-17 v4
摘要
疫情建模是理解新型冠状病毒传播并最终协助疾病预防、政策制定与资源分配的重要工具。在本文中，我们建立了经典数学与统计模型之间的最先进接口，并提出一种新颖的时空疫情建模框架以研究传染病传播中的空间-时间模式。我们提出一种通过惩罚样条逼近与交替重加权最小二乘技术的拟似然方法来估计模型。此外，我们通过考虑控制措施、卫生服务资源与其他局部特征，提供了美国县级感染/死亡数量的短期与长期预测。利用时空分析，我们提出的方法增强了流行病学机制的动态性并剖析了传播疾病的时空结构。为评估与预测相关的不确定性，我们基于 bootstrap 预测路径的包络开发了投影带。所提方法的性能通过模拟研究进行评估。我们应用所提方法对美国县与州层面的 COVID-19 传播进行建模与预测。
引用
@article{arxiv.2004.14103,
title = {Spatiotemporal Dynamics, Nowcasting and Forecasting of COVID-19 in the United States},
author = {Li Wang and Guannan Wang and Lei Gao and Xinyi Li and Shan Yu and Myungjin Kim and Yueying Wang and Zhiling Gu},
journal= {arXiv preprint arXiv:2004.14103},
year = {2020}
}
备注
37 pages, 6 figures, 8 tables