matematisk modellering accepteras alltmer som ett verktyg som kan informera sjukdomsbekämpningspolitiken inför nya infektionssjukdomar, såsom Västafrikanska ebolaepidemin 2014-2015, men lite är känt om den relativa prestandan hos alternativa prognosmetoder. RAPIDD Ebola Forecasting Challenge (REFC) testade förmågan hos åtta matematiska modeller att generera användbara prognoser inför simulerade Ebola-utbrott. Vi använde en enkel, fenomenologisk enkelekvationsmodell (”IDEA” – modellen), som endast bygger på fallantal, i REFC. Modellpassningar utfördes med användning av en maximal sannolikhetsmetod. Vi fann att modellen presterade ganska bra i förhållande till andra mer komplexa tillvägagångssätt, med prestationsmått rankade i genomsnitt 4: e eller 5: e bland deltagande modeller. IDEA verkade bättre lämpad för långsiktiga än kortsiktiga prognoser, och kunde passa med ingenting annat än rapporterade fallantal. Flera begränsningar identifierades, inklusive svårigheter att identifiera epidemisk topp (även retroaktivt), orealistiskt exakta konfidensintervall och svårigheter att interpolera dagliga fallantal när man använder en modell som är skalad till epidemisk generationstid. Mer realistiska konfidensintervall genererades när fallantal antogs följa en negativ binomial, snarare än Poisson, distribution. IDEA representerar emellertid en enkel fenomenologisk modell, lätt implementerad i allmänt tillgängliga mjukvarupaket som kan användas av frontlinjen folkhälsopersonal för att generera prognoser med noggrannhet som approximerar det som uppnås med hjälp av mer komplexa metoder.

Posted on

Lämna ett svar

Din e-postadress kommer inte publiceras.