In dem, was die Autoren glauben, ist die erste dokumentierte Vergleich mehrerer real-time Infektionskrankheiten Prognose-Modelle, die von verschiedenen teams über viele Jahreszeiten, fünf Arbeitsgruppen-Bericht dieser Woche, dass eine Mehrheit der Modelle zeigten durchweg eine höhere Genauigkeit als historische baseline-Modelle.
Geführt durch biostatistician Nicholas-Reich an der University of Massachusetts Amherst, die Forschungs-teams bildeten ein Konsortium namens die FluSight Netzwerk und gegenüber dem Prognose-Genauigkeit von 20 Modelle im Vergleich zu einer historischen baseline saisonalen Durchschnitt. Genaue Vorhersage der Größe und Zeitpunkt der infektiöse krankheitsausbrüche, hilft die öffentliche Gesundheit Beamten in der Planung die entsprechenden Antworten, sagen Sie.
Reich, der an der School of Public Health und Gesundheitswissenschaften an der UMass Amherst, sagt das Papier, die erste von mehreren geplanten aus dieser Forschungs-Konsortium, bietet „eine Umfrage, welche Modelle gut tun, Wann und warum, plus eine Art von meta-Analyse des Zustandes der Feld-jetzt. Wir haben zusammen gebracht, einige der top-Grippe-Prognose-teams in der Welt, und durch diese Zusammenarbeit aktiviert haben, eine äpfel mit äpfeln Vergleich der verschiedenen Methoden und Ergebnisse.“ Details erscheinen in der aktuellen online-Ausgabe von Proceedings of the National Academy of Sciences.
Er und Kollegen schreiben, „in allen Regionen der Vereinigten Staaten, mehr als die Hälfte der Modelle zeigten durchweg eine bessere Leistung als die historische baseline bei der Prognose der Inzidenz der influenza-ähnliche Erkrankung ein -, zwei-und drei Wochen vor der verfügbaren Daten und bei der Prognose der Zeitpunkt und Ausmaß der saisonalen Höhepunkt.“
Influenza infiziert schätzungsweise 9 Millionen auf 35 Millionen Menschen jedes Jahr in den Vereinigten Staaten und ist eine Beitragende Ursache für zwischen 12 000 und 56 ‚ 000 Todesfälle pro Jahr, die Forscher weisen darauf hin. Mehr als 6 Millionen Amerikaner haben bereits gefangen Grippe diese Grippe-Saison, Reich fügt, und rund 80.000 landeten im Krankenhaus, Bundesamt für Gesundheit Beamten berichtet, zuletzt am vergangenen Freitag.
Neben dem Vergleich der Modelle beigetragen, die Bemühungen der FluSight Netzwerk aktiviert hat, die Erstellung eines „ensemble“ – Modell. Jede Gruppe nutzt Ihren eigenen modernsten analytischen Techniken, Reich erklärt, zu kommen mit einem prognostizierten Grippe Flugbahn für das Jahr. Diese individuellen Prognosen sind zusammengefasst in einem einzigen „ensemble“ – Prognose, die an die CDC jede Woche.
Wenn im Vergleich zu historischen trends, diese Prognosen helfen, die CDC und andere öffentliche Gesundheit Beamten effizienter planen und reagieren auf die sich stetig verändernden saisonale Epidemie. Die FluSight Netzwerk ensemble war einer der top-performing real-time-Modelle in der Saison 2017/2018. Die CDC nutzt die FluSight Netzwerk ensemble-Ansatz in Ihre interne und externe Kommunikation und Planung für die influenza-Saison. Peer-review-Forschung auf die ensemble-Modell ist in Vorbereitung, sagt Reich.
Insgesamt, die Autoren Staat, „Unsere kooperative, team-science-Ansatz betont die Fähigkeit von mehreren Forschungsgruppen gemeinsam entdecken Sie Muster und trends der Modell-performance, die sind schwieriger zu beobachten, die in Einzel-team-Studien.“
„Das Feld der Infektionskrankheiten Prognose ist in den Kinderschuhen und wir erwarten, dass die innovation fördert Verbesserungen in der Prognose in den kommenden Jahren,“ Sie hinzufügen. „Die öffentliche Gesundheit Beamten sind immer noch lernen, wie am besten integrieren Prognosen in Echtzeit-Entscheidungsfindung. Die enge Zusammenarbeit zwischen der öffentlichen Gesundheit, der politischen Entscheidungsträgern und quantitative Modellierer ist notwendig, um sicherzustellen, dass Prognosen eine maximale Wirkung und werden entsprechend kommuniziert, um die öffentlichkeit und die breitere öffentliche Gesundheit der Gemeinschaft.“
Reich arbeitete mit Kollegen an der Carnegie Mellon University, der University of Texas at Austin, die US-Centers for Disease Control and Prevention (CDC), der Columbia University, Los Alamos National Laboratory und Mount Holyoke College auf das Projekt.
Die Forscher beachten Sie, dass in den vergangenen 15 Jahren nahm das Interesse bei der Vorhersage von Infektionskrankheiten wurde getankt im Teil durch das Versprechen von „big data“ und die Idee, dass neue Datenströme könnte führen zu messbaren Verbesserungen, wie die übertragung von Krankheiten gemessen, prognostiziert und gesteuert werden. „Während multi-Modell-Vergleiche existieren in der Literatur für Einzel-Ausbruch Leistung, hier vergleichen wir eine konsistente Modelle über sieben influenza-Saisons,“ 2010 bis 2017.
