matematisk modellering accepteres i stigende grad som et værktøj, der kan informere sygdomsbekæmpelsespolitik i lyset af nye smitsomme sygdomme, såsom den vestafrikanske Ebola-epidemi 2014-2015, men der vides ikke meget om den relative præstation af alternative prognosemetoder. RAPIDD Ebola Forecasting Challenge (REFC) testede otte matematiske modellers evne til at generere nyttige prognoser i lyset af simulerede Ebola-udbrud. Vi brugte en simpel, fænomenologisk enkeltligningsmodel (“IDEA”-modellen), som kun er afhængig af sagstællinger, i REFC. Modelpasninger blev udført ved hjælp af en maksimal sandsynlighedstilgang. Vi fandt ud af, at modellen fungerede rimeligt godt i forhold til andre mere komplekse tilgange, med præstationsmålinger rangeret i gennemsnit 4.eller 5. blandt deltagende modeller. IDEA syntes bedre egnet til langsigtede end kortsigtede prognoser, og kunne være egnet ved hjælp af intet andet end rapporterede sagstællinger. Flere begrænsninger blev identificeret, herunder vanskeligheder med at identificere epidemisk top (selv retrospektivt), urealistisk præcise konfidensintervaller og vanskeligheder med at interpolere daglige sagstællinger, når man bruger en model skaleret til epidemisk genereringstid. Mere realistiske konfidensintervaller blev genereret, når sagstællinger blev antaget at følge en negativ binomial, snarere end Poisson, fordeling. Ikke desto mindre repræsenterer IDEA en simpel fænomenologisk model, der let implementeres i bredt tilgængelige programpakker, der kunne bruges af Frontline folkesundhedspersonale til at generere prognoser med nøjagtighed, der tilnærmer sig det, der opnås ved hjælp af mere komplekse metoder.

Posted on

Skriv et svar

Din e-mailadresse vil ikke blive publiceret.