利用机器学习构建新型 COVID-19 脆弱性指数 (C19VI)
机器学习
2020-09-24 v1 应用统计
摘要
COVID-19 目前是美国最主要的死亡原因之一。系统性健康、社会与经济差异使少数族裔和经济贫困社区面临比其他群体更高的风险。亟需建立一种可靠的县级脆弱性度量方法，以刻画脆弱社区与 COVID-19 大流行之间的异质性。本研究提出一种 COVID-19 脆弱性指数 (C19VI)，用于识别并绘制美国脆弱县的地图。我们基于 CDC 社会人口统计与 COVID-19 特定主题，提出了一种随机森林 (Random Forest) 机器学习驱动的 COVID-19 脆弱性模型。同时，利用同质性与趋势评估技术开发了一种创新的 COVID-19 影响评估算法，用于评估各县大流行的严重程度并训练随机森林模型。所构建的 C19VI 经过统计验证，并与 CDC 的 COVID-19 社区脆弱性指数 (CCVI) 进行比较。最后，结合 C19VI 与人口普查数据，我们探讨了美国不同地区在 COVID-19 健康结果中的种族不平等与经济差异。我们的 C19VI 指数显示，18.30% 的县属于极高脆弱类，24.34% 为高，23.32% 为中，22.34% 为低，11.68% 为极低。此外，C19VI 揭示 75.57% 的少数族裔和 82.84% 的经济贫困社区处于极高或高 COVID-19 脆弱区域。所提出的脆弱性建模方法兼具统计分析和机器学习两大领域的优势。C19VI 提供了一种准确且更可靠的美国县级脆弱性度量方式，旨在帮助应急规划者制定更有效的缓解策略，尤其是针对受冲击不成比例的社区。
引用
@article{arxiv.2009.10808,
title = {Using Machine Learning to Develop a Novel COVID-19 Vulnerability Index (C19VI)},
author = {Anuj Tiwari and Arya V. Dadhania and Vijay Avin Balaji Ragunathrao and Edson R. A. Oliveira},
journal= {arXiv preprint arXiv:2009.10808},
year = {2020}
}