[论文解读] COVID-19 Data Analysis and Forecasting: Algeria and the World

Sami Belkacem|arXiv (Cornell University)|Jul 19, 2020

COVID-19 epidemiological studies参考文献 17被引用 7

一句话总结

本研究应用Prophet时间序列模型对阿尔及利亚的新冠肺炎病例和死亡人数进行预测，分别获得218.87和4.79的低均方根误差（RMSE）得分；全球82个国家的分析显示，疾病传播与检测率、年龄人口结构、医疗能力及人均GDP等因素存在显著相关性，突显了传播与死亡率的关键驱动因素。

ABSTRACT

The novel coronavirus disease 2019 COVID-19 has been leading the world into a prominent crisis. As of May 19, 2020, the virus had spread to 215 countries with more than 4,622,001 confirmed cases and 311,916 reported deaths worldwide, including Algeria with 7201 cases and 555 deaths. Analyze and forecast COVID-19 cases and deaths growth could be useful in many ways, governments could estimate medical equipment and take appropriate policy responses, and experts could approximate the peak and the end of the disease. In this work, we first train a time series Prophet model to analyze and forecast the number of COVID-19 cases and deaths in Algeria based on the previously reported numbers. Then, to better understand the spread and the properties of the COVID-19, we include external factors that may contribute to accelerate/slow the spread of the virus, construct a dataset from reliable sources, and conduct a large-scale data analysis considering 82 countries worldwide. The evaluation results show that the time series Prophet model accurately predicts the number of cases and deaths in Algeria with low RMSE scores of 218.87 and 4.79 respectively, while the forecast suggests that the total number of cases and deaths are expected to increase in the coming weeks. Moreover, the worldwide data-driven analysis reveals several correlations between the increase/decrease in the number of cases and deaths and external factors that may contribute to accelerate/slow the spread of the virus such as geographic, climatic, health, economic, and demographic factors.

研究动机与目标

• 使用时间序列建模方法分析并预测阿尔及利亚的新冠肺炎传播情况。
• 在全球范围内识别影响新冠肺炎传播和死亡率的外部因素。
• 从可靠来源构建全面的数据集，以支持对82个国家的大规模数据分析。
• 评估Prophet模型在阿尔及利亚数据上的预测性能，并评估其在公共卫生规划中的可靠性。
• 探讨流行病学结果与社会经济、气候及人口变量之间的相关性。

提出的方法

• 使用从疫情开始以来阿尔及利亚每日报告的病例和死亡人数数据，对Prophet时间序列预测模型进行训练。
• 该模型结合趋势、季节性和节假日效应，以提高未来病例和死亡人数预测的准确性。
• 从可靠来源汇编全球数据集，包括人口规模、中位年龄、人均GDP、检测率、每千人拥有的医院床位数以及年平均气温等变量。
• 计算皮尔逊相关系数，以量化82个国家中疾病结果与外部因素之间的线性关系。
• 通过热力图可视化确诊病例数和死亡人数与各种社会经济及环境变量之间相关性的强度和方向。
• 分析重点在于识别具有统计学显著性的相关性，同时指出潜在缺乏因果关系的注意事项。

实验结果

研究问题

• RQ1 Prophet模型在多大程度上能准确预测阿尔及利亚的新冠肺炎确诊病例和死亡人数？
• RQ2 在82个国家中，哪些外部因素与确诊病例和死亡人数显著相关？
• RQ3 人口结构、经济状况、气候条件及医疗基础设施因素如何影响疫情的传播与严重程度？
• RQ4 全球范围内，检测率与报告的确诊病例数之间存在何种关系？
• RQ5 人均GDP与病例和死亡人数的相关性程度如何？其与医疗能力及检测率的关系是怎样的？

主要发现

• Prophet模型在预测阿尔及利亚确诊病例时获得218.87的低均方根误差（RMSE），死亡人数预测的RMSE为4.79，表明其具有出色的预测准确性。
• 检测数量与确诊病例数量之间存在强烈正相关性（相关系数0.87），凸显了检测在病例发现中的关键作用。
• 中位年龄和65岁以上人口占比与死亡人数呈正相关（相关系数分别为0.17和0.20），证实老年人群为高风险群体。
• 人口规模与每千人拥有的医生数量（r = -0.22）及医院床位数（r = -0.17）呈负相关，表明人口众多国家可能存在医疗资源压力。
• 年平均气温与病例数呈微弱负相关（r = -0.13），提示较温暖气候可能对疫情传播具有一定的抑制作用。
• 人均GDP与病例数（r = 0.21）和死亡人数（r = 0.22）呈正相关，同时与检测率（r = 0.15）、医院床位数（r = 0.27）及医生数量（r = 0.46）也呈正相关，反映出高收入国家在医疗资源方面具有更强的应对能力。