英格兰基于领先指标和集成方法的实时COVID-19住院预测
摘要：冠状病毒Omicron亚群导致COVID-19的住院治疗对英国医疗系统造成持续压力。了解预期的医疗需求可以更有效地进行公共卫生规划。我们收集包括在线搜索数据、NHS 111电话和在线三级分类在内的综合监测数据源。结合这些数据，我们探索了广义可加模型、广义线性混合模型、惩罚广义线性模型和模型集成方法，在NHS托管水平上进行了为期两周的预测。此外，我们展示了模型组合如何通过平均集、加权集和回归集来改善预测评分。通过对多个Omicron波浪的验证，在不同空间尺度上，我们发现领先指标可以提高预测模型的性能，特别是在流行病变点。使用多种评分规则，我们表明集成方法优于所有单个模型，在21天窗口内提供比对应的14天个体模型更高的性能。我们介绍了英格兰公共卫生官员在2022年用于指导NHS医疗战略和政策决策的建模结构。本文探讨了集成方法提高预测性能的重要性，以及如何实际应用新型综合监测方法进行流行病预测。
作者：Jonathon Mellor, Rachel Christie, Robert S Paton, Rhianna Leslie, Maria Tang, Martyn Fyles, Sarah Deeny, Thomas Ward, Christopher E Overton
论文ID：2306.05762
分类：Applications
分类简称：stat.AP
提交时间：2023-08-17