Leveraging machine learning methods to predict COVID-19 vulnerability in U.S. counties based on socioeconomic factors
Notice bibliographique
Résumé
As COVID-19 gained pandemic status, the number of confirmed cases in the US surpassed that of all other countries. Although the virus spread throughout the US, not all areas were affected equally. This retrospective study aims to explore these inequalities through pre-pandemic socioeconomic characteristics by attempting to create a predictive model for COVID-19 vulnerability at the county level. A total of 103 features of socioeconomic data for 2610 US counties (out of a total of 3007) were sourced from various online databases such as the US Census Bureau, the US Department of Agriculture, and the Association of American Medical Colleges. Additionally, to quantify each county’s COVID-19 vulnerability, we defined 3 custom measures: incidence, mortality, and case fatality. These measurements were calculated using case and death data taken 29 days after each county’s first case. Machine learning classification algorithms – including random forest, multi-layer perceptron neural network and XGBoost – were then used to predict the incidence, mortality, and case fatality of US counties. Through analysis, we were able to predict a county’s COVID-19 incidence with ~47% accuracy, mortality with ~59% accuracy, and case fatality with ~61% accuracy by looking solely at pre-pandemic socioeconomic factors. A list of important features was extracted using a built-in XGBoost function for each vulnerability measure (incidence, mortality, and case fatality). Many of these features are typically associated with pandemic spread (e.g., population density and medical infrastructure), while other features were unexpected (e.g., education) and warrant further studies to identify their role in disease propagation. Furthermore, the difficulties our model experienced support the notion that region-specific policies play an important role in successfully mitigating this crisis. The moderate success achieved in this study proves the feasibility of using classifiers as a pandemic preparedness evaluation tool.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 tête enseignante, 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 ».