Sep, 2021

流行病应对中统计模型的互操作性原则与现实

PDF
TL;DR提出以 "互操作性" 为指导框架的统计建模，以协助政策制定者在面对不断演变的疫情应对中使用多样化数据询问多个问题。通过概率推理，我们设计和部署适应性统计模型系统，从而为未来的疫情准备工作提供重要的原则，具有疾病监测的功能。文中举例说明了在英格兰推断时空 COVID-19 预 valence 和再生数的情况。
发现论文，激发创造
  • 学习行动：算法和模型在疫情应对中的新型整合

    该研究提出了一个框架，可以通过机器学习算法从流行病学模型中学习，为流行病规划提供帮助，并通过 Apache-2.0 授权发布该工作，以提高基于证据的决策制定的能力。

    Oct, 2022

  • 基于数据同化的新型冠状病毒疫情流行病学建模方法

    我们提出了一种流行病学模型，它可以通过变分数据同化实时地整合新数据，用于预测和评估全球隔离措施的社会和经济成本，并分析和讨论中国、美国和意大利的感染率，尤其是我们开发了一个适用于中国城市疫情相关变量的定制隔室 SIR 模型，称为 SITR 模型，并应用混合数据同化方法使结果鲁棒性更强。

    Apr, 2020

  • COVID-19 的动态因果建模

    本文利用动态因果模型和集成动力学，通过对干预和不同人群间的差异进行建模，量化了冠状病毒在不同情况下的不确定性和预测。同时，该研究还观察到了群体免疫导致的非线性影响和自组织缓解过程方面的有趣现象。

    Apr, 2020

  • 构建感染病流行病学的学科特定共享空间

    通过创建一个公共平台，流行病学家、公共卫生官员、数据生产者和软件开发人员不仅能够共享数据和软件，还能获得在提升其互操作性方面的帮助。在这项研究中，通过 OWL 2 来表示 586 个数据集、54 个软件和 24 种数据格式，并使用逻辑查询来推断潜在的互操作性的软件和数据集的组合以及关于 FAIRness 的统计信息。结果表明，互操作性受到软件输入和输出格式缺乏标准化的限制。通过命名的数据格式在三元存储中进行逻辑搜索，可以识别出大量潜在的互操作的软件和数据集的组合。通过集中和规范化数字对象的表示，能够促进 FAIRness，并使其随时间测量，并识别潜在的互操作的数据和软件的组合。

    Nov, 2023

  • 使用自动概率规划建模室内空间中 COVID-19 的传播

    新冠病毒在室内空间传播的概率规划和动态图分析模型，探讨了非药物干预措施对疾病传播的影响和预测。

    Aug, 2023

  • 使用机械和统计时间序列模型进行 COVID-19 发病率的短期概率预测比较

    本研究比较了基于更新方程的机械模型和统计时间序列模型的短期概率预测，发现统计时间序列模型整体上至少与机械模型预测同样准确，并且更好地捕捉波动性，表明机械模型中融入的领域知识并不能提高疾病发病率的短期预测能力。

    May, 2023

  • 基于经验贝叶斯框架的流行病灵活建模

    使用半参数经验贝叶斯框架，结合 Google Flu Trends 数据，开发了一种预测流感季节流行病情况的框架，可针对流感样病毒构建有合理变化的流行曲线，对抗历史数据进行了交叉验证，结果表明该方法更好地预测了未来的病情。

    Oct, 2014

  • 流感和 COVID-19 疫情下的历史疾病预测模型引导

    本文提出了一种名为 CALI-Net 的神经转移学习框架，可以将历史流感预测模型应用于与 COVID-19 共存的新场景中，成功实现对疫情的有效预测。

    Sep, 2020

  • 聚合异质数据的流行病学建模的差异

    本研究通过结合多个不同参数的 SEIR 模型的流行病曲线，生成了三个复杂的流行病情景，并考察了流行病学参数估计的目前现状和局限性，结果表明忽略数据生成过程中的复杂性和异质性会掩盖底层地理和人口特定的流行病动态。

    Jun, 2021

  • 基于数据驱动的 COVID-19 退出策略仿真与优化

    在这篇文章中，我们提出了一种基于深度学习估计疫情参数的流行病学参数预测工具包，结合遗传算法组件搜索决策制定者设定的约束和目标的最优权衡 / 政策来预测病例和死亡，并且实验结果表明我们的方法比 75% 的传统基于规则的流行病学模型预测出错率更低，在学习转移和未见过的国家测试的情况下实现了 95% 的 R2 得分。

    Jun, 2020