TY -的A2 -想要竞争非盟- Congdon彼得PY - 2021 DA - 2021/02/12 TI - Mid-Epidemic COVID-19病例和死亡的预测:二元模型应用于英国SP - 8847116六世- 2021 AB - 背景。COVID-19流行病的发展一直伴随着努力提供类似的国际数据新病例和死亡。也有越来越多的证据在流行病学基础COVID-19参数。因此,有潜在流行病模型提供中期预测的流行轨迹使用此类信息。封锁的有效性或封锁放松也可以评估建模后流行阶段,可能使用多相流行病模型。 方法。一般应用方法分析流行轨迹或使预报包括现象学增长模型(例如,理查兹家族的密度)和变异susceptible-infected-recovered(先生)室模型。在这里,我们专注于一个实际的预测方法,应用到英国COVID临时数据,使用二元雷诺兹模型(病例和死亡),与基于贝叶斯推理的实现。我们在发展中显示信息先验的效用,评估模型和比较误差密度(Poisson-gamma、Poisson-lognormal Poisson-log-Student) overdispersed数据新病例和死亡。我们使用交叉验证评估中期预测。我们也考虑到长期postlockdown流行病资料评估疫情控制,使用一个两阶段模型。 结果。适合临时mid-epidemic数据显示更好的适合训练数据和更好的交叉验证Poisson-log-Student模型的性能。估计长期流行的数据锁定后放松,特点是长期缓慢下滑然后好转的情况下,怀疑在有效的遏制。 结论。许多应用程序的现象学模型完成流行。然而,评估这些模型只是基于他们的适合观测数据可能只给出部分照片,和交叉验证实际趋势也是有价值的。同样,它可能是更可取的模型而不是累积发病率数据,尽管这让人质疑适合模型的误差密度通常不稳定的波动。因此,可能存在效用评估替代错误的假设。SN - 1687 - 708 - 2021/8847116 / 10.1155 x你——https://doi.org/10.1155/2021/8847116——摩根富林明,跨学科视角传染病PB - Hindawi KW - ER