详细内容或原文请订阅后点击阅览
新的预测工具提高了疫情高峰和医院需求预测的准确性
在疫情期间，医疗保健决策者面临的一些最关键也是最难回答的问题：疫情何时达到顶峰、一次需要多少人接受治疗以及医疗需求高峰会持续多久？及时的答案可以帮助医院管理人员、社区领导和诊所决定如何最有效地部署员工和其他资源。不幸的是，许多流行病学预测模型往往难以准确预测高峰期的病例和住院情况。
来源:英国物理学家网首页在疫情期间，医疗保健决策者面临的一些最关键也是最难回答的问题：疫情何时达到顶峰、一次需要多少人接受治疗以及医疗需求高峰会持续多久？及时的答案可以帮助医院管理人员、社区领导和诊所决定如何最有效地部署员工和其他资源。不幸的是，许多流行病学预测模型往往难以准确预测高峰期的病例和住院情况。
《美国国家科学院院刊》杂志上描述的一种新方法，由德克萨斯大学奥斯汀分校的研究人员领导，将流行病学理解的关键部分构建到预测模型中，以解决这些长期存在的问题。这种被称为“epimodulation”的方法不是简单地从当前疫情中推断趋势，而是让模型更直观地了解流行病通常如何演变。
描述 美国国家科学院院刊UT 综合生物学系 Cooley Centennial 教授兼国家预测和疫情分析卓越中心 EpiENGAGE 主任 Lauren Ancel Meyers 表示：“它实际上告诉模型，‘我们预计曲线会随着免疫力的增强而弯曲’，这样模型就可以寻找经济放缓的早期迹象，同时仍然从数据中学习。” “结果是更好的预测，在最重要的时候为医院和社区提供实时洞察。”
流行病 传染病 机器学习 更多信息： DOI：10.1073/pnas.2508575122期刊信息：Proceedings of the National Academy of Sciences