新方法实时校准疫情模型并量化不确定性
热点事件持续更新
新方法实时校准疫情模型并量化不确定性
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Daniel Williamson 等提出一种校准替代方案：把模型偏差嵌入模型结构，并在模拟中同化数据，从而在实时条件下校准模型，生成纳入参数不确定性与模型偏差的疾病轨迹。 作者将该方法用于英格兰的年龄结构 COVID-19 模型，展示其在 2020 年 3 月封锁前可产出用于政策支持的信息类型；研究同时指出，英国在 COVID-19 大流行期间并未常规使用不确定性量化技术为决策者提供支持。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 22:00
面向大流行病复杂模型决策支持的实时校准预测：第一部分报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- PLOS Computational Biology面向大流行病复杂模型决策支持的实时校准预测：第一部分
针对快速演变的大流行病中传统不确定性量化（UQ）方法难以落地的问题，Daniel Williamson 等人提出一种将模型偏差嵌入模型结构、并在模拟中合理同化数据的校准替代方案，可在实时条件下校准模型并生成纳入参数不确定性与模型偏差的疾病轨迹。作者将该方法应用于英格兰的年龄结构 COVID-19 模型，展示了其在 2020 年 3 月封锁前可产出用于政策支持的信息类型。研究指出，英国在 COVID-19 大流行期间并未常规使用 UQ 技术为决策者提供支持。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。