Dokumen ini mengusulkan pendekatan baru yang mengintegrasikan machine learning ke dalam pemodelan penyakit terkelompok untuk memprediksi perkembangan COVID-19. Model kami dapat dijelaskan secara desain karena secara eksplisit menunjukkan perkembangan beragam kelompok dan menggunakan encoder yang dapat ditafsirkan untuk menggabungkan kovariat dan meningkatkan performa. Penjelasan sangat penting untuk membantu memastikan bahwa perkiraan model dapat kredibel bagi ahli epidemiologi dan menanamkan kepercayaan pengguna akhir seperti pembuat kebijakan dan lembaga layanan kesehatan. Model kami dapat diterapkan pada beragam resolusi geografis dan kami mendemonstrasikannya untuk beberapa negara bagian dan negara di Amerika Serikat. Kami menunjukkan bahwa model kami memberikan perkiraan yang lebih akurat daripada alternatif canggih, serta memberikan insight kualitatif yang jelas dan bermakna.
Ringkasan
Dokumen ini menguraikan hal-hal berikut:
- Tinjau model kompartemen yang diusulkan untuk COVID-19.
- Pahami pilihan desain model yang dibuat untuk menggunakan kovariat yang diperlukan untuk memprediksi COVID-19 secara akurat.
- Diskusikan mekanisme pembelajaran yang dikembangkan untuk meningkatkan generalisasi sambil belajar dari data pelatihan yang terbatas.
- Tinjau beberapa eksperimen untuk membandingkan model kami dengan model COVID-19 lain yang tersedia secara publik.
- Pahami potensi batasan dan kasus kegagalan model kami untuk memandu siapa saja yang mungkin menggunakan teknik ini untuk mem-build sistem perkiraan yang dapat memengaruhi keputusan kesehatan masyarakat.
Untuk membaca panduan layanan yang lengkap, klik tombol: