Expanding optimization ensemble model methods for forecasting seasonal influenza in the U.S.
Notice bibliographique
Résumé
ABSTRACT Each year, the seasonal influenza epidemic sees significant variability in its evolution. Accurate forecasts of future influenza cases are important for planning public health responses. The United States Centers for Disease Control and Prevention (CDC) has annually organized the FluSight competition ( https://github.com/cdcepi/FluSight-forecast-hub ) to solicit forecasts from participating teams over horizons of 1, 2, and 3 weeks ahead. Using these data, the CDC produces an ensemble forecast of all submitted forecasts. In this paper, we introduce a new weight-based ensemble forecasting method to consider predicting laboratory-confirmed influenza hospital admissions for the 2024-2025 season. The method consists of determining optimal weights that are updated week-by-week throughout the FluSight competition to minimize the mean squared error (MSE) of a blend of teams’ previous forecasts compared to the truth data. Using these weights over an expanding time window starting at the beginning of the season (late Fall), we produce our own future forecasts; we call our method the expanding window optimization ensemble (EWO). To improve our method’s performance vis-a-vis the CDC ensemble model, we further introduce the Adjusted-Weights expanding window optimization ensemble (Adw-EWO) method. This new forecast is obtained by adding a correction term to the original EWO forecast, controlled by a parameter π ∈ (0, 1). We adaptively tune π to enhance forecasting performance of Adw-EWO vis-a-vis the CDC ensemble model. The correction term is computed using only the forecast errors at horizon 0 and is then applied uniformly across all forecast horizons. Our results show that the Adw-EWO method consistently outperforms the EWO across all horizons. Moreover, the Adw-EWO outperforms the CDC ensemble model at horizons 0, 1, and 2, while at horizon 3, the performance of Adw-EWO and the CDC ensemble was roughly comparable.
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 | 0,003 |
| 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 | 0,000 |
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 ».