[论文解读] Day Level Forecasting for Coronavirus Disease (COVID-19) Spread: Analysis, Modeling and Recommendations

Haytham H. Elmousalami, Aboul Ella Hassanien|arXiv (Cornell University)|Mar 15, 2020

COVID-19 epidemiological studies参考文献 11被引用 68

一句话总结

该论文比较使用时间序列和数学形式的日级预测模型来跟踪COVID-19传播，并讨论社交距离措施对病例增长的影响。

ABSTRACT

In mid of March 2020, Coronaviruses such as COVID-19 is declared as an international epidemic. More than 125000 confirmed cases and 4,607 death cases have been recorded around more than 118 countries. Unfortunately, a coronavirus vaccine is expected to take at least 18 months if it works at all. Moreover, COVID -19 epidemics can mutate into a more aggressive form. Day level information about the COVID -19 spread is crucial to measure the behavior of this new virus globally. Therefore, this study presents a comparison of day level forecasting models on COVID-19 affected cases using time series models and mathematical formulation. The forecasting models and data strongly suggest that the number of coronavirus cases grows exponentially in countries that do not mandate quarantines, restrictions on travel and public gatherings, and closing of schools, universities, and workplaces (Social Distancing).

研究动机与目标

• 激发日级数据在理解2020年初全球 COVID-19 传播中的重要性。
• 使用时间序列和数学形式，在每日分辨率上比较预测模型。
• 基于模型分析和在不同政策响应下观察到的增长模式，提供建议。

提出的方法

• 使用时间序列模型和数学形式，比较COVID-19 受影响病例的日级预测模型。
• 使用指数增长考虑因素来分析传播动态。
• 基于模型分析和观察到的政策影响（如社交距离）提出建议。

实验结果

研究问题

• RQ1 不同国家的COVID-19病例数据上，日级预测模型表现如何？
• RQ2 干预措施（ quarantines, travel restrictions, school/workplace closures）在塑造日级增长模式中的作用是什么？
• RQ3 时间序列和数学公式方法能否捕捉到早期 COVID-19 爆发阶段观察到的指数增长？

主要发现

• 未强制执行隔离、旅行限制以及学校、大学和工作场所关闭的国家，冠状病毒病例数量呈指数增长。
• 该研究展示了使用时间序列和数学形式的日级预测模型比较。
• 预测模型和数据表明政策措施影响 COVID-19 传播的增长动态。