利用发病数据进行疾病爆发和非爆发的早期检测

Apr, 2024

利用发病数据进行疾病爆发和非爆发的早期检测

Early detection of disease outbreaks and non-outbreaks using incidence data

Shan Gao, Amit K. Chakraborty, Russell Greiner, Mark A. Lewis, Hao Wang

TL;DR研究以无实际训练数据为基础，利用基于特征的时间序列分类方法准确预测疾病爆发和非爆发。通过对合成数据和真实数据集的测试，发现在爆发发生之前可以通过统计特征和早期预警信号指示器区分爆发和非爆发序列。

Abstract

forecasting the occurrence and absence of novel disease outbreaks is essential for disease management. Here, we develop a general model, with no real-world training data, that accurately forecasts outbreaks and n

forecasting disease outbreaks transcritical bifurcation time series classifier performance

发现论文，激发创造

COVID-19 病例自适应预测的数据驱动方法研究

通过数据驱动的方法和增量学习，该研究针对 SARS-CoV-2 等疫情的不确定性，成功解决了病毒爆发期间的准确预测问题。

Sep, 2023

机器学习模型预测疫情爆发

使用机器学习和深度学习算法，预测纽约州新的一次流感、肝炎和疟疾的疫情爆发，并创建了一个可在爆发时向当局和医疗组织发送警报的门户网站。

Oct, 2023

基于不同噪声的随机疾病传播模型训练的早期预警指标

使用深度学习算法基于噪声引起的传染病传播模型进行训练，提供了传染病暴发的早期警示指标，对真实 COVID-19 病例和受噪声影响的多样疾病传播模型的模拟时间序列的应用结果表明，该指标能够捕捉到疾病暴发时间序列的变化并且优于现有的指标，这对于提升公共卫生应对能力具有重要意义。

Mar, 2024

21 世纪重大疾病爆发建模：因果方法

通过统计分析和数据填补技术，我们发现全球发展指标与疾病爆发之间的因果关系，同时识别出最重要的与疾病爆发相关的发展领域。

Sep, 2021

自动预测：匈牙利水痘病例估计的时间序列预测模型评估

本文利用时间序列预测技术对匈牙利的水痘病例进行模拟预测，演示 LSTM 模型在县级预测方面的表现优于其他模型，SARIMAX 模型在国家级预测方面的表现最佳。同时，我们的数据预处理方法的表现也优于传统的数据预处理方法。

Sep, 2022

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

新冠病毒（COVID-19）病例实时预测和风险评估：数据驱动分析

本文旨在通过基于自回归综合移动平均模型和小波预测模型的混合方法，对加拿大、法国、印度、韩国和英国进行短期（10 天）预测，另外运用最优回归树算法对 50 个受疫情影响巨大的国家进行病死率风险评估，旨在有效分配医疗资源和提供政策决策的预警。

Apr, 2020

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

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

一种基于实时信号和数据同化的流行病预测参数预测新方法

本文提出了一种新的方法，利用来自各种信息源的新实时信号（例如基于社交媒体的人口密度地图和空气质量数据）来预测流行病学参数，使用多个卷积神经网络（CNN）模型的集合，并使用各种数据源和融合方法来构建稳健的预测，在伦敦的 COVID-19 爆发预测中，气象信号和基于社交媒体的人口密度地图的组合提高了性能和灵活性，并通过数据同化估计了我们系统的状态，从而提高了我们的模型的稳定性和准确性。

Jul, 2023