MétaCan
Menu
Retour à la cohorte
Enregistrement W2945895391

A Time Series Approach for Forecasting the Weekly Percentages of Influenza in Canada

2017· article· en· W2945895391 sur OpenAlexaffabout
Miguel Macaraig

Notice bibliographique

RevueMacEwan University Student Research Proceedings · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésSeasonal influenzaTime seriesCoronavirus disease 2019 (COVID-19)Trend analysisStatisticsFlu seasonSeries (stratigraphy)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Incidence (geometry)DemographyGeographyMedicineMathematicsVirologyVaccinationBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Influenza is the most common respiratory virus in Canada. This work is an attempt to establish a time series model, based on weekly reports from September 7, 2003 to August 23, 2015 of percentage of flu in Canada (from Canada’s FluWatch). As expected the weekly percentage of flu is seasonal, and our analysis show that a SARIMA (2,1,2)x(0,1,1)52 model is the best fit. Using the proposed model we obtain accurate 10 weeks ahead forecasts. The ability to forecast the rate of flu is important for conducting preventive measures which will lower the incidence of flu. We have conducted also a frequency domain analysis and a cross correlation analysis between the data from Canada’s FluWatch and Google Flu Trends. Discipline: Statistics Faculty Mentor: Dr. Cristina Anton

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,221
Tête enseignante GPT0,408
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMacEwan University Student Research ProceedingsMême sujetInfluenza Virus Research StudiesTravaux en français237 207