[論文レビュー] Improving COVID-19 Forecasting using eXogenous Variables

Mohammadhossein Toutiaee, Xiaochuan Li+8 more|arXiv (Cornell University)|Jul 20, 2021

Data-Driven Disease Surveillance参考文献 10被引用数 4

ひとこと要約

本稿では、SARIMAXおよびMCPモデルを用いた米国COVID-19死亡率予測のハイブリッド手法を提案する。eXogenous変数（入院者数、ICU使用率、移動量データなど）を統合することで、GCN-LSTMに比べて全国レベルで最大64.58%、州レベルで最大58.79%の精度向上を達成。ベースラインモデル（AUG-NN含む）に対しても顕著な改善が見られた。

ABSTRACT

In this work, we study the pandemic course in the United States by considering national and state levels data. We propose and compare multiple time-series prediction techniques which incorporate auxiliary variables. One type of approach is based on spatio-temporal graph neural networks which forecast the pandemic course by utilizing a hybrid deep learning architecture and human mobility data. Nodes in this graph represent the state-level deaths due to COVID-19, edges represent the human mobility trend and temporal edges correspond to node attributes across time. The second approach is based on a statistical technique for COVID-19 mortality prediction in the United States that uses the SARIMA model and eXogenous variables. We evaluate these techniques on both state and national levels COVID-19 data in the United States and claim that the SARIMA and MCP models generated forecast values by the eXogenous variables can enrich the underlying model to capture complexity in respectively national and state levels data. We demonstrate significant enhancement in the forecasting accuracy for a COVID-19 dataset, with a maximum improvement in forecasting accuracy by 64.58% and 59.18% (on average) over the GCN-LSTM model in the national level data, and 58.79% and 52.40% (on average) over the GCN-LSTM model in the state level data. Additionally, our proposed model outperforms a parallel study (AUG-NN) by 27.35% improvement of accuracy on average.

研究の動機と目的

• 移動量、入院者数、ICU使用率などのeXogenous変数を統合することで、全国および州レベルのCOVID-19死亡率予測の精度を向上させること。
• 空間的・時空間的グラフニューラルネットワーク（GCN-LSTM）と統計モデル（SARIMAX、MCP）がパンデミックのダイナミクスをどのようにモデル化できるかを評価すること。
• ラグ付き死亡率データに依存するモデルと比較して、eXogenous変数が予測性能を向上させるかどうかを検証すること。
• SARIMAXとMCPモデルが全国レベルと州レベルの予測において、それぞれどのような強みを示すかを比較すること。
• 移動量および医療体制指標が、パンデミック期間中の将来の死亡トレンドを予測する意味のある予測変数として機能することを検証すること。

提案手法

• SARIMAXモデルは全国レベルのデータに適用され、入院者増加数（hospitalizedIncrease）、現在のICU使用率（ICU currently）、呼吸器支援装置使用状況などのeXogenous変数を組み込み、多次元時系列予測を改善する。
• MCP（多次元条件付き確率）モデルは州レベルで使用され、過剰適合を軽減し一般化性能を向上させるために、より高いラグ次数（k=14）と正則化が適用される。
• 空間的・時空間的グラフニューラルネットワーク（GCN-LSTM）が採用され、ノードは州レベルの死亡者数を表し、エッジは州間移動フローを表現し、時系列的エッジは時間変動する属性を捉える。
• MCPモデルでは、elastic net正則化が適用され、特に多次元的な州レベル予測において、モデルの複雑さと予測精度のバランスをとる。
• モデルの評価には、全国および集計された州レベルのデータに対して14の予測期間で対象となるsMAPE（対称平均絶対誤差率）が用いられる。
• SafeGraph社のU.S. Flowsデータから得られる移動量データが、主なeXogenous入力として使用され、2020年1月19日から2021年1月19日までの日次および週次的人口移動を表す。

実験結果

リサーチクエスチョン

• RQ1 移動量、入院者数、ICU使用率などのeXogenous変数の統合が、COVID-19死亡率予測の精度を顕著に向上させることができるか？
• RQ2 SARIMAXおよびMCPモデルは、GCN-LSTMのようなディープラーニングモデルと比較して、全国および州レベルの死亡率予測においてどのように性能を発揮するか？
• RQ3 データの非均一性を鑑みるとき、統計モデル（SARIMAX、MCP）の性能は全国レベルと州レベルの予測で差異を示すか？
• RQ4 移動パターンおよび医療体制指標が、将来の死亡トレンドを予測する指標としてどれほど有効であるか？
• RQ5 MCPモデルにおける正則化は、SARIMAXに比べて州レベルデータにおける過剰適合を低減し、性能向上に寄与するか？

主な発見

• SARIMAXモデルは全国レベルの予測精度が最も高く、14の予測期間にわたる平均でGCN-LSTMに比べてsMAPEが64.58%改善された。
• MCPモデルは州レベルで全ベースラインを上回り、GCN-LSTMに比べて平均58.79%、SARIMAXに比べて52.40%の改善を達成した。
• 入院者数（hospitalizedCurrently）やICU使用率といったeXogenous変数の統合により、特にSARIMAXおよびMCPモデルの予測精度が顕著に向上した。
• SARIMAXモデルは全国データにおいて優れた性能を示したが、MCPモデルは高いラグ次数と正則化の能力により、州レベルで優位性を発揮した。
• 提案されたモデルは、並列的なAUG-NNモデルに比べて平均で27.35%の精度向上を達成し、構造的なeXogenous変数統合の価値を示した。
• 一部のeXogenous変数を追加するとSARIMAXモデルの性能が低下する場合があることが判明し、最適な結果を得るには変数選択とモデル固有のチューニングが不可欠であることが示された。