基于时间序列方法与集成模型在巴西州级层面即时预报登革热
应用统计
2020-06-05 v1 定量方法
摘要
预测传染病可通过指导公共卫生干预与个人预防措施来帮助减轻其影响。近来有报道称，互联网与社交媒体数据等新型数据流有益于传染病预测。作为巴西登革热的案例研究，我们将其27个州在七年间的多种传统与非传统、异构数据流（卫星影像、互联网、天气与临床监测数据）按周进行整合。针对每个州，我们基于若干复杂度及外生数据包含情况各异的时间序列模型进行登革热即时预报。表现最佳的模型因州而异，这促使我们考虑采用集成方法自动组合这些模型，以在州级层面获得更好的效果。模型比较表明，预测常因加入外生数据而改善，尽管仅纳入单一外生数据流（天气数据或新型卫星数据之一）即可达到与全部组合相当的效能。我们的结果证明巴西可在州级层面以高准确度与高置信度进行即时预报，厘清了各单独数据流的效用，并揭示了预测性能的潜在地理影响因素。我们的工作可扩展至巴西其他空间层级、虫媒传染病及其他国家，从而更有效地遏制传染病传播。
引用
@article{arxiv.2006.02483,
title = {Time Series Methods and Ensemble Models to Nowcast Dengue at the State Level in Brazil},
author = {Katherine Kempfert and Kaitlyn Martinez and Amir Siraj and Jessica Conrad and Geoffrey Fairchild and Amanda Ziemann and Nidhi Parikh and David Osthus and Nicholas Generous and Sara Del Valle and Carrie Manore},
journal= {arXiv preprint arXiv:2006.02483},
year = {2020}
}