- Tytuł:
-
Prévision à court terme en temps réel de lépidémie de COVID-19 à Cuba en utilisant la modélisation
Real-time short-term forecast of COVID-19 epidemic in Cuba using model averaging - Autorzy:
-
Sebrango, Carlos
Sánchez, Lizet - Tematy:
-
COVID-19
phenomenological models
real-time forecast
final size
model averaging
modèles phénoménologiques
prévision en temps réel
taille finale
modélisation - Pokaż więcej
- Wydawca:
- Uniwersytet Ekonomiczny w Poznaniu. Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu
- Powiązania:
- https://bibliotekanauki.pl/articles/62584310.pdf Link otwiera się w nowym oknie
- Opis:
-
En l'absence d'information fiable sur les mécanismes de transmission d'une infection émergente, de simples modèles phénoménologiques peuvent apporter une estimation précoce de l'étendue potentielle d'épidémies en temps réel. Un avertissement sur la taille finale d'une épidémie et en particulier de la COVID-19 actuellement actif peut servir aux autorités sanitaires pour y faire face. Une variété de modèles non-linéaires ont été développés pour définir les cas cumulés de maladies épidémiques infectieuses (e.g. Richards, logistique, modèles Gompertz). Tous ces modèles peuvent utiliser correctement les données pour obtenir des prévisions à court terme en temps réel. Typiquement, il s'agit de suivre la procédure d'estimation post-sélection, i.e., de sélectionner un modèle parmi tous ceux disponibles et d'ignorer ceux reposant sur l'incertitude dans l'estimation et l'inférence vu que ces procédures sont basées sur un seul modèle. Dans ce travail, nous établissons une prédiction en temps réel de la taille finale, point crucial de l'épidémie, et des prévisions 10 jours à l'avance de cas cumulatifs en utilisant plusieurs modèles non-linéaires où ces paramètres sont estimés via modélisation. La méthode est appliquée à l'épidémie de COVID-19 en 2020 à Cuba.
In the absence of reliable information about transmission mechanisms of an emerging infection, simple phenomenological models can provide an early assessment of the potential scope of outbreaks in near real-time. Early prediction of the final size of any epidemic and in particular for ongoing COVID-19 epidemic can be useful for health authorities in order to plan the response to the outbreak. A variety of nonlinear models have been developed to model reported cumulative cases in infectious disease outbreak (e.g., Richards, logistic, Gompertz models). All these models could fit epidemic data well in order to obtain real-time short-term forecasts. Typically, one follows the so called post selection estimation procedure, i.e., selects the best fitting model out of the set of candidate models and ignores the model uncertainty in both estimation and inference since these procedures are based on a single model. In this paper, we conduct a real-time prediction for the final size, turning point of the outbreak, and also generate 10-day ahead forecasts of cumulative case using several nonlinear models in which these parameters are estimated via model averaging. The proposed method is applied to COVID-19 epidemic data in 2020 Cuba outbreak. - Dostawca treści:
- Biblioteka Nauki
Artykuł