在加纳Zero-Inflated COVID-19死亡的时间序列模型

文摘

离散计数与过多的零时间序列数据的zero-inflated时间序列模型的开发将通货膨胀的0和overdispersion。在本文中,我们调查的特点趋势的日常使用zero-inflated模型计数在加纳COVID-19死亡。我们设想的趋势COVID-19死亡每天在加纳描绘了一个普遍增加的爆发流行的国家约160天之后,有一种普遍的开始减少。我们安装一个zero-inflated泊松自回归模型和zero-inflated负二项自回归模型中的数据partial-likelihood框架。zero-inflated负二项自回归模型优于zero-inflated泊松自回归模型。另一方面,动态zero-inflated泊松比进行的自回归模型的动态负二项自回归模型。基于zero-inflated预测新的死亡负二项自回归模型表明,加纳的COVID-19死亡每天30后几天将大幅上升^th2020年11月,大幅下跌就像在观测数据。

1。介绍

小说的加纳确认其最初2例冠状病毒疾病12日^th2020年3月在野口纪念堂医学研究所(NMIMR) [1]。两种情况都是进口的。从那时起,政府通过卫生部(卫生部),加纳卫生服务(gh),和其他利益相关者采取了谨慎的措施帮助遏制病毒的传播(2]。其中关键的引入强制隔离的旅行者到达Kotoka国际机场进行测试。有社会距离协议的实现和强制戴脸/鼻子面具。增强感染者接触者追踪和常规监测也制定了。随后寄宿生都对游客关闭。大阿克拉和更大的库马西的部分封锁以来制定了他们的热点。禁止所有的社交聚会。这导致了关闭所有公立和私立学校,夜总会,和教堂。葬礼、婚礼和节日紧随其后。然而,私人葬礼和婚礼与最多25人严格遵守社会距离协议是允许的。 All public transport operators were mandated to reduce their passenger intake in line with the social distancing protocols. The President of Ghana signed an Executive Instrument (EI) to back the ban on social gatherings after Parliament of Ghana passed the Imposition of Restrictions Bill on 21^圣2020年3月。也有义务用肥皂洗手在自来水和使用洗手液。肥皂和组织被放置在维罗妮卡桶含有水全国视角下使人们经常用肥皂洗手后自来水每笔交易和参与。拥抱和握手都气馁。政府推出经济刺激计划为所有前线医务人员提高他们的努力对抗流感大流行。政府还减轻整个人口自由水,因为水是对抗SARS-CoV-2传播的关键。有百分之五十的电力补贴消费者。生命线的电力消费者得到百分百的补贴。这些免费的最初一段1^圣2020年4月30^th2020年6月,但延长3个月(3,4]。

大阿克拉和更大的库马西的分封锁解除后近一个月左右操作。随后,社交聚会放松几百个人的协议。公立和私立学校都是重新最后几年,让他们写毕业考试。限制公共交通也被解除。限制内部公共和私人运输在陆地上,海洋,和空气被取消。加纳随后开设了国际机场到外国旅行1^圣2020年9月,严格的检验检疫规定。导致COVID-19 SARS-CoV-2测试结果,病毒,3个星期前在机场和后续测试到来都到位。

尽管政府正在疯狂的努力控制人口之间的冠状病毒的传播,感染数字继续上升。这需要调查现有的措施和协议,以评估他们的真正的影响减少SARS-CoV-2的传播,导致COVID-19的病毒。因为感染数字上升,复苏COVID-19在加纳很令人印象深刻。

Maleki et al。5]声称COVID-19数据集,误差分布可以考虑两件套规模的正常的混合物(TP-SMN)和设计工作比普通高斯时间序列模型和对称模型。三个回归模型(即。,linear, logarithmic, and quadratic) were proposed for COVID-19 deaths in Pakistan. Influenced by the phase reached by COVID-19 deaths and criteria for assessing goodness of fit, the quadratic model was selected as the best for modelling and predicting death cases in Pakistan [6]。Sperrin,麦克米兰(4]发达QCOVID模型来预测COVID-19-related死亡率的风险,而健康指标评估研究所(健康)提出和应用确定性易感,暴露,感染,恢复(西)室框架模型为例在美利坚合众国7]。

Dwomoh et al。8)用数学模型来调查COVID-19感染动力学在加纳和发表了简短的流行轨迹预测国家使用广义增长模型。他们调查的有效基本繁殖的病毒实时应用不同的技术估计,从而预测糟糕的情景中综合利用区划的个人和政府干预的模式。他们的结果表明,改进的个体层面的干预和加强媒体报道可以显著抑制COVID-19传播在加纳和结果减少COVID-19死亡率。然而,似乎有增加每日感染在增加政府和媒体报道与减少个体层面的干预。这种感染增加了每日COVID-19-related死亡。

COVID-19数据来自加纳和埃及,阿萨莫阿et al。9]应用敏感性分析表明,增加诊断,加强接触者追踪,和严格的安全协议在医院或隔离中心常供应pp将有助于减少(或停止)病毒的传播在两个国家。

Bonful et al。3)审计四十五公共交通站在大阿克拉加纳地区评估符合世界卫生组织(世卫组织)安全协议的预防COVID-19的传播。规模,其中包括手部卫生评估的可用性和使用洗手设施,社会距离,持续的公共教育COVID-19预防措施。他们的研究结果显示洗涤地方不足,缺乏公共教育实践个人卫生,醇基洗手液不足,不当制造口罩戴(或者没有制造口罩戴)。他们得出的结论是,有挑战COVID-19预防合规。

在本文中,我们调查了当前COVID-19死亡率的趋势和用它来预测未来可能COVID-19死亡轨迹,以帮助决策者调整干预措施和策略。研究结果还将帮助个人提高寻求对抗病毒的传播,减少死亡的人数与大流行。强度还将推动媒体覆盖创造意识的未来与可能的人类生活COVID-19可能丢失。

我们探索zero-inflated时间序列模型(10- - - - - -15加纳的COVID-19死亡数量/更新。模拟计算的基础数据和重复0和overdispersion由兰伯特(提供16),李et al。17),Laird和器皿18),最小值和Agresti19),Ridout et al。20.],邱et al。21]。朱(22]提出zero-inflated泊松和负二项整数值广义自回归条件异方差(INGARCH)模型,而杨(14和杨et al。15)提出了一个zero-inflated zero-inflated泊松和负二项自回归模型和overdispersed离散时间序列数据。

我们使用zero-inflated杨(提出的时间序列模型14和杨et al。15因为它是最适合我们的数据。获得的适合模型被用来预测COVID-19死亡在加纳为了协助政府和公共卫生专家管理大流行是谁知道会发生什么在死亡发生之前,提前计划。

2。材料和方法

2.1。材料

我们使用整个加纳作为研究背景。图1介绍了地图的研究显示活动和累积的数量确认COVID-19例22^nd2020年11月在加纳的16个行政区域。

本研究的数据包括确认COVID-19死亡每天从13^th2020年3月22日^nd2020年11月。每日COVID-19-related死亡在数据从我们的世界,一个对所有COVID-19官方网站(https://ourworldindata.org/coronavirus-source-data)。

2.2。方法

zero-inflated泊松(ZIP)和zero-inflated负二项(ZINB)杨提出的自回归模型14和杨et al。15)是适应描述COVID-19死亡在加纳的趋势,这是一个过剩的离散时间序列数为零。

让表示观察COVID-19死亡,由离散计数数据的条件分布 ,在哪里泊松分布的强度参数基线和是零通胀参数。zero-inflated泊松自回归(安然)给出的概率分布 的强度参数和零通胀参数模型如下: 在哪里 和 对数线性回归系数的部分(2)和物流部分(3),分别。向量代表过去的解释性变量可以包含函数的滞后响应系列占序列相关性用 和 。安然的条件均值和方差

Kedem和Fokianos23)制定部分(PL)安然的可能性

用(1)(6)的收益率

另外,当表达式在(2),在(3),分别放入上面的表达式,我们有

杨(14和杨et al。15)开发的采用(EM)算法进行部分框架获得参数估计及其可能性标准错误。

尽管安然overdispersion可能正确 在离散数0过剩的时间序列数据,我们延长了安然zero-inflated负二项自回归(ZINBA)模型,该模型为overdispersed数据是众所周知的。

ZINBA,给出概率分布 与和模仿在(2)和(3分别)。色散参数, ,是模仿 在哪里 回归系数和吗 是一个向量的解释变量。

的均值和方差表达式ZINBA安然说的是一样的,(4)和(5),分别。如安然,ZINBA的PL是一样的(6)。

因此,用(7)(6)给出了PL

当表达式在(10),在(2),在(3),分别代入上面的PL中,它的收益率

参数估计及其相应的标准误差在上面的PL可以采用EM算法提出的杨(14和杨et al。15]。

模型比较基于Akaike信息准则(AIC;(23,24)、贝叶斯信息准则(BIC;(23,25])和竹内信息准则(抽搐;(26])。这些指标相结合的模型,通常的两倍- log-partial可能性,用惩罚模型复杂性,表示为一个函数的参数的数量12]。AIC和BIC计算的表达式: 在哪里k模型和参数的数量n是观测的数量。

抽搐是计算的表达式: 在哪里信息矩阵和吗是由 与 。

模型拟合是在完成的R(27)使用“结汇”和countreg包(14,15,28]。

3所示。结果与讨论

在加纳COVID-19死亡的趋势如图2给人的印象一般的死亡人数增加的一天零(天COVID-19首次被发现在加纳)约160天之后有一个印象的减少死亡人数250年及以后。死亡的人数的增加预计感染率和活跃和严重的病例从150年0到天继续飙升。减少活动,严重病例的数量在增加感染率也可以归因于死亡的人数的下降。然而,需要一个彻底的调查进行的兴衰死亡确定真正推动它。

直方图(图所示3),有一个更高比例的零计数(没有死亡)每天占整个时间序列数据的69.02%。这显然是一个迹象的零通胀数据。即使感染率继续上升,死亡的人数被报道在大多数时候应该调查以确认是否大多数COVID-19病人在加纳已经开发出抗流感大流行或者他们回应予以积极的护理程序在COVID-19治疗中心。

为了实现最贴切zero-inflated时间序列模型来描述我们的数据的趋势,我们安装安然和ZINBA(表1)。对数线性模型的一部分,拦截安然是重要的在0.05显著性水平,但ZINBA的不是。然而,ZINBA估计较小(0.5821)相比,安然的估计(1.1317)。计数。延迟0.05和趋势都不重要。迷人地计数。安然模型的滞后已经越来越影响预期的日志COVID-19死亡人数在加纳,而它的减少影响ZINBA模型。这一趋势也不重要在安然模型和ZINBA模型。同时,值得注意的是,尽管这一趋势越来越影响日志的预期COVID-19死亡人数在这两个模型,在ZINBA效果高于安然模型。

物流我们模型的一部分,安然的拦截显著更高的估计而无意义的拦截ZINBA的一个更小的估计。就像在对数线性部分,物流的趋势不显著安然和ZINBA模型的一部分。在这两种模型,对日志的趋势已经越来越影响预期的可能性COVID-19死亡人数在加纳ZINBA模型中的概率是高于安然模型。

安然模型具有更高的AIC、BIC和抽搐的值比ZINBA模型。这些评估标准的拟合优度,有馅饼从安然的价值减少的ZINBA。这清楚地表明,ZINBA模型可能有更复杂的修正数据比安然模型。

overdispersion(表进行的测试2)得分8.3470和一个的考验值小于0.0001。这意味着ZINBA模型做得很好对overdispersion在我们的数据。

输出动态zero-inflated泊松自回归(DZIPA)和动态zero-inflated负二项自回归(DZINBA)模型,复制200,100次迭代,和样本大小为200在每个模型中,提出了在桌子上3。的零通胀参数减少DZIPA DZINBA (0.6148) (0.6108)。这可能意味着DZIPA可能发现更多比DZINBA 0的数据。标准差是比DZINBA DZIPA更高。

对数线性模型的一部分,拦截DZIPA模型中具有重要意义,但在DZINBA模型不显著。这种趋势不显著的DZIPA模型和DZINBA模型。然而,这一趋势下降的影响预期的日志COVID-19死亡人数与DZIPA模型在加纳有递减效应大于DZINBA模型。我们可以推断出动态模型普遍预期下降预期COVID-19死亡人数在加纳。

的自回归部分,AR(1)重要的DZIPA模型以及DZINBA模型。因此,我们可以推断出DZIPA和DZINBA都AR(1)模型。

那里是一个虚幻的AIC和BIC值增加从DZIPA DZINBA。抽搐的价值观,然而,注册一个量子增加从DZIPA模型DZINBA模型。因此,我们可以断言,DZIPA纠正比DZINBA更复杂的数据。对AIC、BIC和抽搐的价值观,DZIPA模型优于安然模型。尽管,DZINBA超过ZINBA只的AIC和BIC值而抽搐的相反值。

跟踪情节DZIPA和DZINBA模型呈现在图4。从故事情节,我们可以看到部分的可能性变得越来越大明显前所有其他在几个迭代,然后保持稳定的估计参数变得非常接近最大似然估计值(14,15]。

图5指向一个概率积分变换(坑)直方图29日),方法一致性。水平线描绘了数,每个箱子如果直方图是完全统一的。因此,拟合的概率校准ZINBA模型就足够了。

时间序列观察每天的新COVID-19从23日死亡^{理查德·道金斯}2020年11月6^th2020年12月,预计每日新死亡基于安装ZINBA模型图所示6。可以看出两条曲线的总体趋势是相似的,并在某些情况下本身的值非常接近。这是一个良好的预测模型。

4所示。结论

我们观察到加纳COVID-19每天的死亡人数,从第一天大流行被发现,膨胀与0(无死亡)。这种过度的零导致overdispersion。

COVID-19死亡每天在加纳的趋势增长的特点是一般发病流行的国家约160天之后,有一种普遍的开始减少。连续减少死亡人数在上升在日常感染和连续漠视安全协议最近应该调查。

我们安装一个zero-inflated泊松自回归模型和zero-inflated负二项自回归模型中的数据partial-likelihood框架。zero-inflated负二项自回归模型优于zero-inflated泊松自回归模型。我们进一步获得动态版本的zero-inflated模型。动态zero-inflated泊松自回归模型,然而,表现得比动态负二项自回归模型。两种动态模型预测一个AR (1)。

预测新死亡基于ZINBA模型表明,加纳COVID-19死亡每天30后几天将大幅上升^th2020年11月,大幅下跌就像这样的观测数据。

数据可用性

使用的数据是由日常COVID-19死亡人数从13日在加纳^th2020年3月22日^nd2020年11月从我们的世界数据,所有COVID-19-related死亡的官方网站(https://ourworldindata.org/coronavirus-source-data)。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

KT, IWA KAA感觉到这个想法。KT和IWA提出的统计方法。IWA进行了统计分析。KT起草了手稿。KAA回顾了手稿。所有作者同意负责所有方面的工作,共同的工作。所有作者阅读和批准最终的手稿。

引用

1. 加纳卫生服务、“加纳证实了前两个COVID-19情况下,”2020年,https://www.ghanahealthservice.org/covid19/downloads/covid_19_first_confirmed_GH.pdf。视图:谷歌学术搜索
2. 加纳卫生服务、“COVID-19更新”,2020年,https://www.ghanahealthservice.org/covid19/archive.php。视图:谷歌学术搜索
3. h·a·Bonful a . Addo-Lartey j . m . k . Aheto j . k . Ganle b . Sarfo和r . Aryeetey”限制的传播在加纳COVID-19:合规审计选择交通站在大加纳,阿克拉地区”《公共科学图书馆•综合》,15卷,不。9篇文章ID e0238971 2020。视图:出版商的网站|谷歌学术搜索
4. m . Sperrin和b·麦克米兰covid-19结果预测模型”,BMJ,371卷,2020年。视图:出版商的网站|谷歌学术搜索
5. m . Maleki m . r . Mahmoudi m . h . Heydari K.-H。越南河粉”,建模和预测冠状病毒的传播和死亡率(COVID-19)是世界上使用时间序列模型,”混乱,孤波和分形文章ID 110151卷,140年,2020年。视图:出版商的网站|谷歌学术搜索
6. m·戴·r·o . Ogundokun k .阿比德·m·d·汗和o . e . Ogundokun”预测建模COVID-19死亡病例在巴基斯坦,“传染病模型5卷,第904 - 897页,2020年。视图:出版商的网站|谷歌学术搜索
7. 母校- COVID-19预测团队,r·m·巴伯r . c . Reiner et al。”美国建模COVID-19场景,”自然医学,27卷,2020年。视图:出版商的网站|谷歌学术搜索
8. d . Dwomoh s Iddi b Adu et al .,“数学建模在加纳COVID-19感染动力学:影响评估整合政府和个人层面干预,”传染病模型》第六卷,第397 - 381页,2021年。视图:出版商的网站|谷歌学术搜索
9. j·k·k·阿萨莫阿,z, b . Seidu g .问:太阳,f·t·Oduro f . Alzahrani,数学模型和敏感的评估COVID-19疫情在加纳和埃及SSRN,纽约,纽约,美国,2020年。
10. m . Alqawba: Diawara, n . Rao Chaganty”Zero-inflated计数时间序列模型使用高斯相关,”序列分析,38卷,不。3、342 - 357年,2019页。视图:出版商的网站|谷歌学术搜索
11. m·t·哈桑·g·却,r·马”zero-inflated时间序列统计回归分析:应用空气污染相关的急诊室访问数据,”应用统计学杂志》,39卷,不。3、467 - 476年,2012页。视图:出版商的网站|谷歌学术搜索
12. k . Tawiah s Iddi, a . Lotsi”在zero-inflated分层泊松模型与应用程序孕产妇死亡率数据,”国际数学和数学科学杂志》上卷,2020篇文章ID 1407320、8页,2020。视图:出版商的网站|谷歌学术搜索
13. p . Wang,”马尔可夫zero-inflated泊松回归模型的时间序列数0,过剩”应用统计学杂志》,28卷,不。5,623 - 632年,2001页。视图:出版商的网站|谷歌学术搜索
14. m·杨,“统计模型计算时间序列与多余的零,”爱荷华大学爱荷华州IA,美国,2012年,博士论文。视图:谷歌学术搜索
15. m·杨·g·k·d·Zamba,大肠JosephJ。大肠Cavanaughb,”马尔可夫数0过剩的时间序列回归模型:偏似然的方法,”统计方法,14卷,26-38,2013页。视图:出版商的网站|谷歌学术搜索
16. d·兰伯特“Zero-inflated泊松回归,与应用程序在制造缺陷,”技术计量学,34卷,不。1,1-13,1992页。视图:出版商的网站|谷歌学术搜索
17. y . k . Lee Joo) j。j的歌,和d·w·哈珀“zero-inflated集群分析统计数据:一个边缘模型,”计算统计和数据分析,55卷,不。1,第837 - 824页,2011。视图:出版商的网站|谷歌学术搜索
18. n . m . Laird和j . h .制品“随机模型的纵向数据,”生物识别技术,38卷,不。4、963 - 974年,1982页。视图:出版商的网站|谷歌学术搜索
19. y . Min和a . Agresti“随机效应模型重复zero-inflated计数数据的措施,”统计建模,5卷,不。1 - 2005页。视图:出版商的网站|谷歌学术搜索
20. c . g . b . m . Ridout民主党´etrio, j·亨德,”模型计算数据与许多零,”XIXth国际生物学报》会议,国际社会生物,开普敦,南非,1998年7月。视图:谷歌学术搜索
21. k·k·w·邱,k . Wang和a·h·李,“Zero-inflated负二项回归建模的混合over-dispersed统计数据和额外的零,”生物统计学杂志》,45卷,不。4、437 - 452年,2003页。视图:出版商的网站|谷歌学术搜索
22. f·朱,“Zero-inflated泊松和负二项整数值GARCH模型,”杂志的统计规划和推理,卷142,不。4、826 - 839年,2012页。视图:出版商的网站|谷歌学术搜索
23. b . Kedem和k . Fokianos回归模型进行时间序列分析美国新泽西州霍博肯市威利,2002年。
24. h . Akaike,”一个新的看统计模型识别,”IEEE自动控制,19卷,不。6,716 - 723年,1974页。视图:出版商的网站|谷歌学术搜索
25. k·p·伯纳姆和d·r·安德森Multimodel推论,“社会学方法与研究,33卷,不。2、261 - 304年,2004页。视图:出版商的网站|谷歌学术搜索
26. 竹内k”,分布的信息统计和充分性的标准模型,”数学科学卷。153年,12 - 18,1976页。视图:谷歌学术搜索
27. R核心团队,接待员:统计计算的语言和环境,R统计计算的基础,维也纳,奥地利,2019年。
28. c·克莱伯和a . Zeileis Countreg:计数数据回归的工具”R用户会议程序、用户!2017年7月,布鲁塞尔,比利时,。视图:谷歌学术搜索
29. c·h·韦斯介绍Discrete-Valued时间序列约翰·威利& Sons Inc .霍博肯,新泽西,美国,2018年。

版权

版权©2021卡欣Tawiah et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。