Bridging the Covid-19 Data and the Epidemiological Model using Time-Varying Parameter SIRD Model
用时变参数 SIRD 模型连接新冠疫情数据与流行病模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要采用动态得分模型处理每日序列并开展实时预测，方法对应时间序列与预测，应用对象为疫情。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
用时变参数 SIRD 模型连接新冠疫情数据与流行病模型
- 研究问题
- 如何让经典 SIRD 模型适应疫情传播参数随时间变化的特点，并利用每日计数与混频信息实时衡量和预测疫情进程？
- 方法与思路
- 作者以广义自回归得分结构驱动 SIRD 参数变化，针对每日计数构建动态模型，并通过混频扩展处理未报告病例。
- 材料陈述的贡献
- 摘要称，该框架计算成本较低，能够捕捉多轮疫情并提供及时预测；未报告病例对参数估计的影响可能较大。
- 阅读关注点
- 应核对时变参数更新、计数数据模型及混频信息来源，并检查实时预测是否使用当时可得数据，以及比较基准和预测误差。
- 阅读边界
- 依据的是 arXiv 预印本摘要，不能确认同行评审或期刊接收；摘要未说明样本地区、漏报识别条件或预测数值，优越性需核对全文。
原文摘要
This paper extends the canonical model of epidemiology, the SIRD model, to allow for time-varying parameters for real-time measurement and prediction of the trajectory of the Covid-19 pandemic. Time variation in model parameters is captured using the generalized autoregressive score modeling structure designed for the typical daily count data related to the pandemic. The resulting specification permits a flexible yet parsimonious model with a low computational cost. The model is extended to allow for unreported cases using a mixed-frequency setting. Results suggest that these cases' effects on the parameter estimates might be sizeable. Full sample results show that the flexible framework accurately captures the successive waves of the pandemic. A real-time exercise indicates that the proposed structure delivers timely and precise information on the pandemic's current stance. This superior performance, in turn, transforms into accurate predictions of the confirmed and death cases.