Inferring global-scale temporal latent topics from news reports to predict public health interventions for COVID-19
Notice bibliographique
Résumé
Abstract The COVID-19 global pandemic has highlighted the importance of non-pharmacological interventions (NPI) for controlling epidemics of emerging infectious diseases. Despite the importance of NPI, their implementation has been monitored in an ad hoc and uncoordinated manner, mainly through the manual efforts of volunteers. Given the absence of systematic NPI tracking, authorities and researchers are limited in their ability to quantify the effectiveness of NPI and guide decisions regarding their use during the progression of a global pandemic. To address this issue, we propose 3-stage machine learning framework called EpiTopics to facilitate the surveillance of NPI by mining the vast amount of unlabelled news reports about these interventions. Building on topic modeling, our method characterizes online government reports and media articles related to COVID-19 as a mixture of latent topics. Our key contribution is the use of transfer-learning to address the limited number of NPI-labelled documents and topic modelling to support interpretation of the results. At stage 1, we trained a modified version of the unsupervised dynamic embedded topic model (DETM) on 1.2 million international news reports related to COVID-19. At stage 2, we used the trained DETM to infer topic mixture from a small set of 2000 NPI-labelled WHO documents as the input features for predicting NPI labels on each document. At stage 3, we supply the inferred country-level temporal topics from the DETM to the pretrained document-level NPI classifier to predict country-level NPIs. We identified 25 interpretable topics, over 4 distinct and coherent COVID-related themes. These topics contributed to significant improvements in predicting the NPIs labelled in the WHO documents and in predicting country-level NPIs. Together, our work lay the machine learning methodological foundation for future research in global-scale surveillance of public health interventions. The EpiTopics code is available at GitHub: https://github.com/li-lab-mcgill/covid-npi.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».