Estimating and forecasting the burden and spread of SARS-CoV2 first wave in Colombia
Notice bibliographique
Résumé
A bstract Following the rapid dissemination of COVID-19 cases in Colombia in 2020, large-scale non-pharmaceutical interventions (NPIs) were implemented as national emergencies in most of the municipalities of the country starting by a lockdown on March 20th of 2020. Using combinations of meta-population models SEAIIRD (Susceptible-Exposed-Asymptomatic-Infected-Recovered-Diseased) which describes the disease dynamics in the different localities, with movement data that accounts for the number of commuters between units and statistical inference algorithms could be an effective approach to both nowcast and forecast the number of cases and deaths in the country. Here we used an iterated filtering (IF) framework to fit the parameters of our model to the reported data across municipalities from march to late October in locations with more than 50 reported deaths and cases historically. Since the model is high dimensional (6 state variable by municipality) inference on those parameters is highly non-trivial, so we used an Ensemble-Adjustment-Kalman-Filter (EAKF) to estimate time variable system states and parameters. Our results show that the model is capable of capturing the evolution of the outbreak in the country and providing estimates of the epidemiological parameters in time. These estimates could become the base for planning future interventions as well as evaluate the impact of NPIs on the effective reproductive number (ℛ eff ) and the key epidemiological parameters, such as the contact rate or the reporting rate. Our approach demonstrates that real-time, publicly available ensemble forecasts can provide robust short-term predictions of reported COVID-19 deaths in Colombia. This model has the potential to be used as a forecasting and prediction tool to evaluate disease dynamics and to develop a real time surveillance system for management and control.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».