[论文解读] Fast and Accurate Forecasting of COVID-19 Deaths Using the SIkJ$α$ Model

Ajitesh Srivastava, Tianjian Xu+1 more|arXiv (Cornell University)|Jul 10, 2020

COVID-19 epidemiological studies参考文献 15被引用 18

一句话总结

本文提出了 SIkJα 模型的扩展，通过将复杂的流行病动力学转化为线性方程组，实现基于线性回归的高效参数学习，从而实现快速、准确的 COVID-19 死亡预测。该模型在大多数评估期内的均方根误差上优于七种 CDC 使用的模型，同时在中等硬件条件下，对全美各州、各县及 184 个国家的预测均实现亚秒级执行时间。

ABSTRACT

Forecasting the effect of COVID-19 is essential to design policies that may prepare us to handle the pandemic. Many methods have already been proposed, particularly, to forecast reported cases and deaths at country-level and state-level. Many of these methods are based on traditional epidemiological model which rely on simulations or Bayesian inference to simultaneously learn many parameters at a time. This makes them prone to over-fitting and slow execution. We propose an extension to our model SIkJ$α$ to forecast deaths and show that it can consider the effect of many complexities of the epidemic process and yet be simplified to a few parameters that are learned using fast linear regressions. We also present an evaluation of our method against seven approaches currently being used by the CDC, based on their two weeks forecast at various times during the pandemic. We demonstrate that our method achieves better root mean squared error compared to these seven approaches during majority of the evaluation period. Further, on a 2 core desktop machine, our approach takes only 3.18s to tune hyper-parameters, learn parameters and generate 100 days of forecasts of reported cases and deaths for all the states in the US. The total execution time for 184 countries is 11.83s and for all the US counties ($>$ 3000) is 101.03s.

研究动机与目标

• 开发一种快速、可扩展且准确的预测方法，用于国家、州和县层面的 COVID-19 死亡预测。
• 解决传统流行病学模型依赖缓慢的数值积分或贝叶斯推断所导致的过拟合和高计算成本等局限性。
• 将复杂的流行病动力学（如报告延迟、无症状传播、免疫力和流动性）整合到一个简化且可线性化的框架中。
• 通过将训练和推理时间减少到 184 个国家下不足 12 秒，全美各县下不足 102 秒，实现快速的政策相关预测。
• 提供一种稳健的替代方案，以替代现有 CDC 预测模型，具备更高的预测准确性与开源可复现性。

提出的方法

• SIkJα 模型通过引入 k 个感染子状态，每个子状态具有不同的传播率 βi，扩展了 SIR 框架，以模拟 kJ 天内传染性的时变特性。
• 通过固定滞后 λ 模拟报告延迟，其中报告病例 R_t 由 I_{t−λ} 中的感染者以概率 γ 生成。
• 通过流动矩阵 F(q,p) 模拟流动性影响，该矩阵根据旅行模式和区域传播率，将感染从区域 q 转移到 p。
• 通过将一部分比例 ρ 的人群排除在易感和感染人群之外，来建模非携带者（免疫或隔离者）。
• 核心创新在于将非线性系统转化为两个连续的线性回归问题：一个用于感染动力学，一个用于死亡报告，从而实现快速、稳定且可扩展的学习。
• 通过在累积感染和死亡数据上进行线性回归实现参数学习，避免迭代优化，降低过拟合风险。

实验结果

研究问题

• RQ1 简化且可线性化的模型是否能够捕捉报告延迟、无症状传播和流动性等复杂流行病动力学，同时保持高预测准确性？
• RQ2 用线性回归替代传统的微分方程求解器或贝叶斯推断，是否能在死亡预测中同时提升速度和准确性？
• RQ3 SIkJα 模型在疫情期间对美国各州的均方根误差方面，与七种 CDC 使用的预测方法相比如何？
• RQ4 数据不一致性和报告冲突在多大程度上影响模型性能？该模型如何处理此类噪声？
• RQ5 该模型能否在计算开销极低的情况下，高效扩展至全美各县及 184 个国家的死亡预测？

主要发现

• 在评估期的大部分时间（2020 年 5 月 10 日至 6 月 28 日），SIkJα 模型在均方根误差方面优于所有七种 CDC 使用的预测方法。
• 在一台双核桌面计算机上，该模型在 3.18 秒内完成了全美各州的超参数调优、参数学习和 100 天预测。
• 对全部 184 个国家的预测总执行时间为 11.83 秒，对全美各县（超过 3000 个）的预测总执行时间为 101.03 秒。
• 该模型对数据不一致性表现出鲁棒性，当在无报告冲突的州上评估时，各方法间的相对误差趋于收敛。
• 每周 RMSE 评估显示性能稳定，仅在部分预测窗口中与顶尖基线方法（如 YYG_ParamSearch 和 UCLA_SuEIR）相比出现轻微精度下降。
• 该模型可实现实时计算动态基本再生数和基于模型的病死率，这些指标每周更新，并通过交互式网络门户公开提供。