一个用于公共卫生决策和监测的贝叶斯时空预测模型
摘要：COVID-19在2020年在美国传播，各州开始建立警报系统，以通知政策决策并作为向广大公众传递风险信息的工具。许多系统，比如在俄亥俄州，包括基于报告病例趋势评估的指标。然而，当病例按疾病发生日期编制索引时，报告延迟影响了趋势解读。尽管有解决这个问题的统计文献基础，但这些方法在实践中并没有得到广泛应用。在本文中，我们开发了一个贝叶斯时空预测模型，用于评估俄亥俄州县级COVID-19病例的趋势。我们将我们的模型的性能与俄亥俄州目前使用的方法和美国疾病控制与预防中心推荐的方法进行比较。我们展示了使用我们的模型而仍保持可解释性的性能提升。此外，我们能够充分考虑病例时间序列和报告过程中的不确定性。虽然我们不能消除公共卫生监测和后续决策中的所有不确定性，但我们必须采用能够应对这些挑战并向决策者提供更准确和诚实评估的方法。
作者：David Kline, Ayaz Hyder, Enhao Liu, Michael Rayo, Samuel Malloy, Elisabeth Root
论文ID：2102.04544
分类：Applications
分类简称：stat.AP
提交时间：2023-05-12