← Retour à la cohorte
The United States COVID-19 Forecast Hub dataset
Estee Y. Cramer, Yuxin Huang, Yijin Wang, Evan L Ray, Matthew Cornell, Johannes Bracher, Andrea Brennen, Alvaro J. Castro Rivadeneira, Aaron Gerding, Katie House, Abdul Hannan Kanji, Ayush Khandelwal, Khoa Le, Vidhi Mody, Vrushti Mody, Jarad Niemi, Ariane Stark, Apurv Shah, Nutcha Wattanchit, Martha Zorn, Nicholas G Reich, Tilmann Gneiting, Anja Mühlemann, Youyang Gu, Yixian Chen, Krishna Chintanippu, Viresh Jivane, Ankita Khurana, Ajay Kumar, Anshul Lakhani, Prakhar Mehrotra, Sujitha Pasumarty, Monika Shrivastav, Jialu You, Nayana Bannur, Ayush Deva, Sansiddh Jain, Mihir Kulkarni, Srujana Merugu, Alpan Raval, Siddhant Shingi, Avtansh Tiwari, Jerome White, Aniruddha Adiga, Benjamin Hurt, Bryan Lewis, Madhav Marathe, Akhil Sai Peddireddy, Przemyslaw Porebski, Srinivasan Venkatramanan, Lijing Wang, Maytal Dahan, Spencer J. Fox, Kelly Gaither, Michael Lachmann, Lauren Ancel Meyers, James G. Scott, Mauricio Tec, Spencer Woody, Ajitesh Srivastava, Tianjian Xu, Jeffrey C. Cegan, Ian Dettwiller, William P. England, Matthew W. Farthing, Glover George, Robert H. Hunter, Brandon J. Lafferty, Igor Linkov, Michael L. Mayo, Matthew Parno, Michael A. Rowland, Benjamin D. Trump, Samuel Chen, Stephen V. Faraone, Jonathan Hess, Christopher P. Morley, Asif Salekin, Dongliang Wang, Yanli Zhang‐James, T. M. Baer, Sabrina Corsetti, Marisa C. Eisenberg, Karl Falb, Yitao Huang, Emily T. Martin, Ella McCauley, Robert L. Myers, Tom Schwarz, Graham Gibson, Daniel Sheldon, Liyao Gao, Yi-An Ma, Dongxia Wu, Rose Yu, Xiaoyong Jin, Yuxiang Wang, Xifeng Yan, YangQuan Chen, Lihong Guo, Yanting Zhao, Jinghui Chen, Quanquan Gu, Lingxiao Wang, Pan Xu, Weitong Zhang, Difan Zou, Ishanu Chattopadhyay, Yi Huang, Guoqing Lu, Ruth M. Pfeiffer, T. J. Sumner, Dongdong Wang, Liqiang Wang, Shunpu Zhang, Zihang Zou, Hannah Biegel, J. Lega, Fazle Hussain, Zeina S. Khan, Frank Van Bussel, Steve McConnell, Stephanie Guertin, Christopher Hulme-Lowe, VP Nagraj, Stephen Turner, Benjamı́n Béjar, Christine Choirat, Antoine Flahault, Ekaterina Krymova, Gavin Lee, Elisa Manetti, Kristen Namigai, Guillaume Obozinski, Tao Sun, Dorina Thanou, Xuegang Ban, Yunfeng Shi, Robert Walraven, Qi‐Jun Hong, Axel van de Walle, M. Ben-Nun, Steven Riley, Pete Riley, James Turtle, Duy Cao, Joseph Galasso, Jae H. Cho, A-Reum Jo, David DesRoches, Pedro Forli, Bruce H. Hamory, Ugur Koyluoglu, Christina Kyriakides, Helen Leis, John Milliken, Michael Moloney, James P. Morgan, Ninad Nirgudkar, Gokce Ozcan, Noah Piwonka, Matt Ravi, Chris Schrader, Elizabeth A. Shakhnovich, Daniel M. Siegel, Ryan Spatz, Chris Stiefeling, Barrie Wilkinson, Alexander Wong, Sean Cavany, Guido España, Sean M. Moore, Rachel J. Oidtman, T. Alex Perkins, Julie S. Ivy, María E. Mayorga, Jessica Mele, Erik Rosenstrom, Julie Swann, Andrea Kraus, David Kraus, Jiang Bian, Wei Cao, Zhifeng Gao, Juan Lavista Ferres, Chaozhuo Li, Tie‐Yan Liu, Xing Xie, Shun Zhang, Shun Zheng, Matteo Chinazzi, Alessandro Vespignani, Xinyue Xiong, Jessica T. Davis, Kunpeng Mu, Ana Pastore y Piontti, Jackie Baek, Vivek F. Farias, Andreea Georgescu, Retsef Levi, Deeksha Sinha, Joshua Wilde, Andrew Zheng, Omar Skali Lami, Amine Bennouna, David Nze Ndong, Georgia Perakis, Divya Singhvi, Ιoannis Spantidakis, Leann Thayaparan, Asterios Tsiourvas, Shane Weisberg, Ali Jadbabaie, Arnab Sarker, Devavrat Shah, Leo Celi, Nicolás Della Penna, Saketh Sundar, Abraham Berlin, Parth D. Gandhi, Thomas McAndrew, Matthew Piriya, Ye Chen, William S. Hlavacek, Yen Ting Lin, Abhishek Mallela, Ely Miller, Jacob Neumann, Richard A. Posner, Russ Wolfinger, Lauren Castro, Geoffrey Fairchild, Isaac Michaud, Dave Osthus, Daniel Wolffram, D. Karlen, Mark J. Panaggio, Matt Kinsey, Luke C. Mullany, Kaitlin Rainwater‐Lovett, Lauren Shin, Katharine Tallaksen, Shelby Wilson, Michael P. Brenner, Marc Coram, Jessie K. Edwards, Keya Joshi, Ellen R. Klein, Juan Dent Hulse, Kyra H. Grantz, Alison L. Hill, Kathryn Kaminsky, Joshua Kaminsky, Lindsay T. Keegan, Stephen A. Lauer, Elizabeth C. Lee, Joseph C. Lemaitre, Justin Lessler, Hannah R. Meredith, Javier Perez‐Saez, Sam Shah, Claire P. Smith, Shaun Truelove, Josh Wills, Lauren Gardner, Maximilian Marshall, Kristen Nixon, John C. Burant, Jozef Budzinski, Wen-Hao Chiang, George Mohler, Junyi Gao, Lucas M. Glass, Qian Cheng, Justin Romberg, Rakshith Sharma, Jeffrey Spaeder, Jimeng Sun, Cao Xiao, Lei Gao, Zhiling Gu, Myungjin Kim, Xinyi Li, Yueying Wang, Guannan Wang, Li Wang, Shan Yu, Chaman Jain, Sangeeta Bhatia, Pierre Nouvellet, Ryan M Barber, Emmanuela Gaikedu, Simon I Hay, Steve Lim, Chris Murray, David M. Pigott, Robert C. Reiner, Prasith Baccam, Heidi Gurung, Steven A. Stage, Bradley T. Suchoski, Chung-Yan Fong, Dit‐Yan Yeung, Bijaya Adhikari, Jiaming Cui, B. Aditya Prakash, Alexander Rodríguez, Anika Tabassum, Jiajia Xie, John Asplund, Arden Baxter, Pınar Keskinocak, Buse Eylul Oruc, Nicoleta Serban, Sercan Ö. Arık, Mike Dusenberry, Arkady Epshteyn, Elli Kanal, Long Tan Le, Chunliang Li, Tomas Pfister, Rajarishi Sinha, Thomas C. Tsai, Jinsung Yoon, Leyou Zhang, Daniel J. Wilson, Artur Belov, Carson C. Chow, Richard C. Gerkin, Osman N. Yoğurtçu, Mark Ibrahim, Timothée Lacroix, Matthew Le, Jason Liao, Maximilian Nickel, Levent Sagun, Sam Abbott, Nikos I Bosse, Sebastian Funk, Joel Hellewell, Sophie Meakin, Katharine Sherratt, Rahi Kalantari, Mingyuan Zhou, Morteza Karimzadeh, Benjamín Lucas, Thoại D. Ngô, Hamidreza Zoraghein, Behzad Vahedi, Zhongying Wang, Sen Pei, Jeffrey Shaman, Teresa K. Yamana, Dimitris Bertsimas, Michael Lingzhi Li, Soni Saksham, Hamza Tazi Bouardi, Madeline Adee, Turgay Ayer, Jagpreet Chhatwal, Özden O. Dalgıç, Mary A. Ladd, Benjamin P. Linas, Peter P. Mueller, Jade Xiao, Jürgen Bosch, Austin Wilson, Peter A. Zimmerman, Qinxia Wang, Yuanjia Wang, Shanghong Xie, Donglin Zeng, Jacob Bien, Logan Brooks, Alden Green, Addison J. Hu, Maria Jahja, Daniel J. McDonald, Balasubramanian Narasimhan, Collin A. Politsch, Samyak Rajanala, Aaron Rumack, Noah Simon, Ryan J. Tibshirani, Rob Tibshirani, Valérie Ventura, Larry Wasserman, John M. Drake, Eamon B. O’Dea, Yaser S. Abu‐Mostafa, Rahil Bathwal, Nicholas A. Chang, Pavan Chitta, Anne Erickson, Sumit Goel, Jethin Gowda, Qixuan Jin, HyeongChan Jo, Juhyun Kim, Pranav Kulkarni, Samuel M. Lushtak, Ethan E. Mann, Max Popken, Connor Soohoo, Kushal Tirumala, Albert Tseng, Vignesh Varadarajan, Jagath Vytheeswaran, Christopher Wang, Akshay Yeluri, Dominic Yurk, Michael Zhang, Alexander Zlokapa, Roberto Pagano, Chandini Jain, Vishal Tomar, Lam Si Tung Ho, Huong Huynh, Ngoc Quoc Tran, Velma K. Lopez, Jo Walker, Rachel B. Slayton, Michael A. Johansson, Matthew Biggerstaff
Notice bibliographique
RevueScientific Data · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensDalhousie UniversityUniversity of British ColumbiaUniversity of VictoriaTRIUMF
Organismes subventionnairesOak Ridge National LaboratoryNatural Sciences and Engineering Research Council of CanadaQuest for Intelligence, Massachusetts Institute of TechnologyPlant Sciences Institute, Iowa State UniversityNational Institutes of HealthCenters for Disease Control and PreventionKlaus Tschira StiftungCenter for Emerging Infectious Diseases, University of IowaIowa State UniversityNorth Carolina State UniversityBundesministerium für Bildung und ForschungCouncil of State and Territorial EpidemiologistsInstitute for Health Metrics and EvaluationNational Institute of General Medical SciencesUniversity of Massachusetts AmherstJohns Hopkins Bloomberg School of Public HealthWellcome TrustU.S. Department of EnergyNational Institute of Diabetes and Digestive and Kidney DiseasesCalifornia Institute of TechnologyEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentBill and Melinda Gates FoundationLos Alamos National LaboratoryJohns Hopkins UniversityGordon and Betty Moore FoundationIndiana University-Purdue University IndianapolisU.S. Department of Homeland SecurityNational Nuclear Security AdministrationLaboratory Directed Research and DevelopmentNational Science Foundation
Mots-clésLeverage (statistics)DownloadCoronavirus disease 2019 (COVID-19)Government (linguistics)PandemicScale (ratio)Disease controlComputer scienceData scienceEconometricsBusinessGeographyInfectious disease (medical specialty)EconomicsWorld Wide WebEnvironmental healthMedicineMachine learning
Résumé
Academic researchers, government agencies, industry groups, and individuals have produced forecasts at an unprecedented scale during the COVID-19 pandemic. To leverage these forecasts, the United States Centers for Disease Control and Prevention (CDC) partnered with an academic research lab at the University of Massachusetts Amherst to create the US COVID-19 Forecast Hub. Launched in April 2020, the Forecast Hub is a dataset with point and probabilistic forecasts of incident cases, incident hospitalizations, incident deaths, and cumulative deaths due to COVID-19 at county, state, and national, levels in the United States. Included forecasts represent a variety of modeling approaches, data sources, and assumptions regarding the spread of COVID-19. The goal of this dataset is to establish a standardized and comparable set of short-term forecasts from modeling teams. These data can be used to develop ensemble models, communicate forecasts to the public, create visualizations, compare models, and inform policies regarding COVID-19 mitigation. These open-source data are available via download from GitHub, through an online API, and through R packages.
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.
score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,063
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,010 |
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 Opus0,595
Tête enseignante GPT0,495
Écart entre enseignants0,099 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».
En bref
Citations129
Publié2022
Routes d'admission2
Résumé présentoui