Correcting for heterogeneity in real-time epidemiological indicators

要約

補助データソースは、従来の監視信号よりも高い空間的および時間的解像度、より広い範囲、より低い遅延で利用できることが多いため、疫学監視においてますます重要になっています。
空間的および/または時間的バイアスが存在する、これらのデータ ソースから得られる信号における空間的および時間的不均一性の問題について説明します。
「ガイド」信号を使用してこれらのバイアスを補正し、モデリングと予測に使用できるより信頼性の高い信号を生成する方法を紹介します。
この方法では、不均一性が低ランクの行列で近似できること、および時間的不均一性が時間の経過とともに滑らかになることを前提としています。
また、マトリックスのランクと補正の時間的滑らかさの度合いを表すパラメーターを選択するためのハイパーパラメーター選択アルゴリズムも提示します。
グランドトゥルースが存在しない場合、マップとプロットを使用して、この方法が実際に異質性を低減していることを主張します。
補助データソースからの異質性を減らすことで、流行のモデリングと予測における有用性が大幅に高まります。

要約(オリジナル)

Auxiliary data sources have become increasingly important in epidemiological surveillance, as they are often available at a finer spatial and temporal resolution, larger coverage, and lower latency than traditional surveillance signals. We describe the problem of spatial and temporal heterogeneity in these signals derived from these data sources, where spatial and/or temporal biases are present. We present a method to use a “guiding” signal to correct for these biases and produce a more reliable signal that can be used for modeling and forecasting. The method assumes that the heterogeneity can be approximated by a low-rank matrix and that the temporal heterogeneity is smooth over time. We also present a hyperparameter selection algorithm to choose the parameters representing the matrix rank and degree of temporal smoothness of the corrections. In the absence of ground truth, we use maps and plots to argue that this method does indeed reduce heterogeneity. Reducing heterogeneity from auxiliary data sources greatly increases their utility in modeling and forecasting epidemics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google