A Novel and Accurate Method for Estimating Deaths and Cases During Outbreaks of Infectious Diseases Including COVID-19
Notice bibliographique
Résumé
Introduction: Epidemiological modelling of infectious diseases plays an important role in driving public health policy. Commonly used models are described, including those based on exponential growth (Laplace and related distributions); susceptible-infected-removed; the Gompertz distribution; and the skew-reflected-Gompertz distribution. These are all sensitive to the timing of peak infection. The development of a novel method for forecasting the number of deaths occurring during epidemics of infectious diseases is described. Methods: The mathematical development of the authors' novel asymmetric difference model is detailed in this paper. Its predictions for mortality rates associated with the COVID-19 pandemic for 14 countries were compared with the corresponding published mortality data. Results: Forecasts by the asymmetric difference model of deaths from SARS-CoV-2 in different countries, actual recorded deaths to 30th June 2020, and corresponding errors included UK (42,700; 55,904; -24%); Poland (1490; 1444; +3%); Denmark (580; 605; -4%); Netherlands (6510; 6189; +5%); France (34,280; 29,836; +15%); Canada (1500; 8591; -78%); USA (44,540; 124,734; -64%); and Italy (22,020; 34,980; -37%). The model output was dependent upon forecast date accuracy for the peak of the disease outbreak. For Spain, the forecast date was one day early and for 10 (71%) countries the forecast peak occurred within seven days (inclusive) of the actual date. Discussion: Mortality prediction by the asymmetric difference model is relatively accurate. Furthermore, this new model does not appear to be as unduly sensitive to the timing of peak infection as other models. Indeed, its prediction of peak infection also appears to be relatively accurate.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».