The performance of phenomenological models in providing near-term Canadian case projections in the midst of the COVID-19 pandemic: March – April, 2020
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has had an unprecedented impact on citizens and health care systems globally. Valid near-term projections of cases are required to inform the escalation, maintenance and de-escalation of public health measures, and for short-term health care resource planning. METHODS: Near-term case and epidemic growth rate projections for Canada were estimated using three phenomenological models: the logistic model, Generalized Richard's model (GRM) and a modified Incidence Decay and Exponential Adjustment (m-IDEA) model. Throughout the COVID-19 epidemic in Canada, these models have been validated against official national epidemiological data on an ongoing basis. RESULTS: The best-fit models estimated that the number of COVID-19 cases predicted to be reported in Canada as of April 1, 2020 and May 1, 2020 would be 11,156 (90 % prediction interval: 9,156-13,905) and 54,745 (90 % prediction interval: 54,252-55,239). The three models varied in their projections and their performance over the first seven weeks of their implementation. Both the logistic model and GRM under-predicted cases reported a week following the projection date in nearly all instances. The logistic model performed best at the early stages, the m-IDEA model performed best at the later stages, and the GRM performed most consistently during the full period assessed. CONCLUSIONS: All three models have yielded qualitatively comparable near-term forecasts of cases and epidemic growth for Canada. Under or over-estimation of projected cases and epidemic growth by these models could be associated with changes in testing policies and/or public health measures. Simple forecasting models can be invaluable in projecting the changes in trajectory of subsequent waves of cases to provide timely information to support the pandemic response.
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 | 0,009 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».