研究提供了预测Covid-19案件的新方法，公共卫生措施的影响

由Notre Dame Researcher大学开发的统计估算技术为公共卫生官员提供了一种建立冠状病毒诊断和死亡的短期预测的新方法。它还提供了额外了解30个国家早期大流行缓解措施的有效性。

随着2019冠状病毒病大流行于2020年初开始在全球蔓延，医生和决策者强调有必要“使曲线变平”，即随着时间的推移减缓病毒的传播。圣母大学门多萨商学院商业分析助理教授赵子峰和他的同事，清华大学的蒋飞宇和伊利诺伊大学的邵晓峰，想要建立一个统计框架，来证明各种政策干预是否以及如何影响传播和死亡。他们还希望提供一种方式，让各国了解其境内独特的增长率模式。

“我们的研究旨在提供准确的统计数据模型for the trajectory of the cumulative confirmed cases and deaths of COVID-19 in a given country, for example in the U.S.," Zhao said. "With an accurate statistical model, we can better understand the historical dynamics of the pandemic and if past public health interventions helped slow down the transmission. Furthermore, we can produce better forecasts of future confirmed cases, thus providing crucial information for data-driven public health decision-making."

他们在《COVID-19感染曲线的时间序列分析:一个改变点的视角》(the Time Series Analysis of COVID-19 Infection Curve: A Change-Point Perspective)中记录了他们的工作中国经济学杂志。

由于认识到随着各国政府和卫生官员采取应对措施，病毒传播的速度将随着时间的推移而改变，这组科学家使用了一种时间序列分析称为“分段线性模型”来研究变化。该模型使研究人员能够观察病例和死亡的轨迹，并研究各国政府为应对大流行采取不同措施之前和之后的速度。

然而，为此，研究人员需要一种准确地占他们数据中未知的时间依赖性的方法。

“关键分段线性模型的困难是,我们不知道当大流行的潜在相变增长提前发生,因此我们需要开发一个统计评估技术来准确估计未知的相变日期,即变化点,从观察到的COVID-19数据,”赵说。他的研究集中在变化点检测，一种用于检测按时间顺序组织的数据点的变化或结构中断的算法技术。通常，这些算法假定数据在时间上是独立的。

“我们开发的新的变点检测技术扩展了未知时间依赖下变点检测的文献。我们还开发了一些新的理论工具来证明所提出的技术，”赵说。

他们的模型在地理位置接近的国家揭示了类似的传播模式，特别是在大陆欧洲和发展拉丁美洲国家。

“此外，”他们写道，“从快速生长相到中等增长阶段的过渡日期通常与紧急措施的启动相比，如接触跟踪的锁定和质量测试，这部分提供了严格的社会疏散规则有助于缓慢病毒生长并压平曲线。此外，我们的分析进一步表明，与发达国家相比，大多数发展中国家仍处于大流行的早期阶段，并且在控制蔓延方面普遍存在冠状病毒因此，可能需要更多的国际艾滋病来帮助控制疫情。”

研究人员还在论文中展示了该模型如何用于对COVID-19病例和死亡进行短期预测。他们指出，他们的模型并不打算取代那些建立在流行病学原理上的模型。相反，赵说，它提供了公共卫生官员一种“研究流行病动态的”简单有效的方法，并在Covid-19的确认案件/死亡的准确一周和两周前预测，这可能为数据驱动的公共卫生决策提供关键信息。"

---

---