مدل مرکز پیش‌بینی COVID-19 ایالات متحده دقیق‌ترین مدل برای پیش‌بینی مرگ و میر است

مجموعه مقالات آکادمی ملی علوم (2022). DOI: 10.1073/pnas.2113561119″ width=”800″ height=”529″/>

بر اساس مقاله ای که در 8 آوریل منتشر شد، مرکز پیش بینی COVID-19 ایالات متحده مستقر در دانشگاه ماساچوست آمهرست، یک کنسرسیوم تحقیقاتی مشترک، دقیق ترین پیش بینی ها را از مرگ و میرهای همه گیر در سطح ایالتی و ملی ایجاد کرده است. مجموعه مقالات آکادمی ملی علوم. از اوایل آوریل 2020، هر هفته، این تلاش بین‌المللی یک پیش‌بینی مجموعه چند مدلی از روندهای کوتاه‌مدت COVID-19 در ایالات متحده ایجاد می‌کند.

همه‌گیری COVID-19 نقش حیاتی که همکاری و هماهنگی بین آژانس‌های بهداشت عمومی، تیم‌های دانشگاهی و شرکای صنعتی می‌تواند در توسعه قابلیت‌های مدل‌سازی مدرن برای حمایت از پاسخ‌های محلی، ایالتی و فدرال به شیوع بیماری‌های عفونی ایفا کند، برجسته کرده است.

استی کرامر، نویسنده اصلی، دکترای UMass Amherst می گوید: «پیش بینی تغییر شیوع بیماری برای تخصیص و پاسخ بهینه منابع حیاتی است. کاندیدای اپیدمیولوژی در دانشکده بهداشت عمومی و علوم بهداشتی. این مدل‌های پیش‌بینی، پیش‌بینی‌های خاص، کمی و قابل ارزیابی را ارائه می‌کنند که از تصمیم‌های کوتاه‌مدت مانند نیاز به کارکنان مراقبت‌های بهداشتی، تعطیلی مدارس و تخصیص تجهیزات پزشکی خبر می‌دهد.»

مرکز پیش‌بینی، یک تلاش بی‌سابقه جهانی برای پیش‌بینی بیماری‌های عفونی، نشان‌دهنده بزرگ‌ترین پروژه پیش‌بینی بیماری‌های عفونی است که تاکنون انجام شده است. این مجموعه تحقیقاتی شامل کمتر از 300 نویسنده وابسته به 85 گروه، از جمله سازمان‌های دولتی ایالات متحده مانند مراکز کنترل و پیشگیری از بیماری‌ها (CDC) است. دانشگاه های ایالات متحده، کانادا، چین، انگلستان، فرانسه و آلمان؛ و شرکای صنعت علمی در ایالات متحده و هند. نویسندگان همچنین شامل تحلیلگران داده مستقل بدون وابستگی هستند، مانند Youyang Gu، که با تلاش‌های مدل‌سازی موفق اولیه‌اش از همه‌گیری، اینترنت را تحت تأثیر قرار داد.

The Forecast Hub توسط Nicholas Reich و Evan Ray، اساتید دانشکده بهداشت عمومی و علوم بهداشتی UMass کارگردانی می شود. رایش، متخصص آمار زیستی و نویسنده ارشد مقاله، می‌گوید: «همکاری مستقیم با بسیاری از گروه‌های با استعداد و با انگیزه برای ایجاد این پیش‌بینی مجموعه، تجربه‌ای باورنکردنی بوده است. علاوه بر جنبه عملیاتی هاب، جایی که پیش‌بینی‌ها در دو سال گذشته هر هفته توسط CDC استفاده شده است، این مقاله نشان می‌دهد که چگونه می‌توانیم از این داده‌ها که در زمان واقعی در سراسر همه‌گیری جمع‌آوری شده است، برای درک بهتر استفاده کنیم. کدام رویکردهای مدل‌سازی مؤثر بوده و کدام نه، و چرا. سال‌های زیادی طول می‌کشد تا همه درس‌های چند سال گذشته باز شوند. از برخی جهات، این تازه شروع کار است.»

در آوریل 2020، CDC با آزمایشگاه رایش برای ایجاد مرکز پیش‌بینی COVID-19 و تامین مالی آن همکاری کرد. در این زمان، هاب شروع به جمع آوری، انتشار و ترکیب پیش بینی های خاص از گروه های مختلف دانشگاهی، صنعتی و مستقل کرد. این تلاش به سرعت رشد کرد و در دو سال اول، مرکز پیش بینی ایالات متحده بیش از نیم میلیارد ردیف داده پیش بینی را از نزدیک به 100 گروه تحقیقاتی جمع آوری کرد. CDC از پیش بینی هفتگی هاب در ارتباطات عمومی رسمی در مورد همه گیری استفاده می کند.

این مقاله دقت پیش‌بینی‌های کوتاه‌مدت مرگ و میر ناشی از کووید-19 در ایالات متحده را در طول یک سال و نیم اول همه‌گیری مقایسه کرد. 27 مدل فردی که پیش‌بینی‌های خود را به طور مداوم در آن دوره ارائه کردند، تنوع بالایی در دقت در طول زمان، مکان و افق‌های پیش‌بینی نشان دادند. مدل مجموعه‌ای که پیش‌بینی‌های فردی را ترکیب می‌کرد، نسبت به آن پیش‌بینی‌های فردی دقیق‌تر بود.

کرامر می‌گوید: «این پروژه اهمیت تنوع در رویکردهای مدل‌سازی و مفروضات مدل‌سازی را نشان می‌دهد. “شامل انواع مدل‌ها در مجموعه به استحکام و توانایی آن برای غلبه بر تعصبات مدل کمک می‌کند. این نکته واقعاً مهمی برای آژانس‌های بهداشت عمومی در هنگام استفاده از پیش‌بینی‌ها برای اطلاع‌رسانی به سیاست‌ها در طول شیوع با هر اندازه است.”

مجموعه Forecast Hub تنها مدلی بود که برای بیش از 85 درصد از پیش‌بینی‌هایی که انجام می‌داد، در نیمه اول همه مدل‌ها قرار گرفت، دقت کلی بهتری نسبت به پیش‌بینی پایه در هر مکان داشت و در کل چهار هفته آینده بهتر بود. دقت از پیش‌بینی پایه در هر هفته.

همه پیش‌بینی‌ها، از جمله پیش‌بینی‌های مدل مجموعه، پیش‌بینی‌های کمتر سازگار و کمتر دقیق‌تری را در طول چهار موج همه‌گیری که در طول دوره مورد مطالعه رخ داد، انجام دادند: موج تابستان 2020 در جنوب و جنوب غرب، اواخر پاییز 2020 افزایش مرگ و میر در در غرب میانه بالا، موج آلفای بهار 2021 در میشیگان و موج نوع دلتا در سراسر کشور در تابستان 2021. این مقاله بیان می‌کند: «مدل‌ها به طور کلی به طور سیستماتیک منحنی مرگ و میر را به دلیل افزایش روندها پیش‌بینی نمی‌کردند و با کاهش روندها بیش از حد پیش‌بینی می‌شدند».

پیش‌بینی‌ها از دقت کمتری برخوردار شدند، زیرا مدل‌ها پیش‌بینی‌های بلندمدت انجام دادند. خطای احتمالی در افق 20 هفته ای سه تا پنج برابر بیشتر از پیش بینی افق یک هفته ای بود. این مقاله نتیجه می گیرد که این ناشی از دست کم گرفتن احتمال افزایش در آینده در موارد است. رایش می‌گوید: «از آنجایی که بسیاری از ما تقریباً هر روز با تلفن‌هایمان با پیش‌بینی‌های آب‌وهوا تعامل داریم، می‌دانیم که نباید به پیش‌بینی‌های روزانه بارش بیش از یک افق دو هفته‌ای اعتماد کنیم. “اما ما هنوز به عنوان یک جامعه در مورد پیش‌بینی بیماری‌های عفونی شهود مشابهی نداریم. این کار نشان می‌دهد که دقت پیش‌بینی‌ها برای مرگ و میرها برای چهار هفته آینده بسیار خوب است، اما در افق‌های شش هفته‌ای یا بیشتر، دقت بالاست. معمولاً به طور قابل توجهی بدتر است.”

زیرساخت منبع باز ساخته شده توسط تیم مرکز پیش‌بینی COVID-19 ایالات متحده نیز در سرتاسر جهان مورد استفاده قرار گرفته است، از جمله توسط مراکزی که توسط مراکز اروپایی کنترل و پیشگیری از بیماری‌ها اداره می‌شوند، توسط محققان دانشگاهی آلمانی و سایر محققان آمریکایی که به دنبال درازمدت هستند. مدل سازی سناریوهای مختلف “چه می شد اگر”.