In:
Canadian Journal of Statistics, Wiley, Vol. 50, No. 3 ( 2022-09), p. 713-733
Abstract:
La prévision du nombre de cas quotidiens de COVID‐19 est cruciale pour la planification à court terme de ressources hospitalières et d'autres ressources publiques. Les données de localisation des téléphones mobiles qui mesurent le temps passé à la maison peuvent constituer un élément d'information important pour prédire les cas de COVID‐19. Les modèles de séries chronologiques endémiques‐épidémiques sont des modèles auto‐régressifs récents où le nombre moyen de cas en cours est modélisé comme une moyenne pondérée du nombre de cas antérieurs multipliée par un taux auto‐régressif (reproductif), plus une composante endémique. Les auteurs de ce travail généralisent les modèles endémiques‐épidémiques pour y inclure un modèle à décalage distribué, et ce, dans le but de tenir compte du lien entre la mobilité et le nombre de cas de COVID‐19 enregistrés. Pour saisir les variations de temps supplémentaires, ils y incorporent une marche hebdomadaire aléatoire d'ordre supérieur. De plus, ils proposent un schéma de pondération binomiale négative décalée pour les dénombrements passés, qui est plus flexible que les schémas de pondération existants. Ils utilisent l'inférence bayésienne afin d'intégrer l'incertitude des paramètres aux prédictions du modèle et ils illustrent les méthodes proposées avec des données provenant de quatre comtés américains.
Type of Medium:
Online Resource
ISSN:
0319-5724
,
1708-945X
Language:
English
Publisher:
Wiley
Publication Date:
2022
detail.hit.zdb_id:
2007833-X
detail.hit.zdb_id:
197355-1
