Bridging the Covid-19 data and the epidemiological model using the 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学模型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。
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：得分驱动的时变参数计数模型及实时状态衡量、预测明确对应时间序列与预测方法，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学模型
- 研究问题
- 如何让 SIRD 流行病学模型适应疫情参数随时间变化，从而实时衡量疫情状态并预测死亡和重症病例，同时考虑未报告病例？
- 方法与思路
- 作者采用适合每日计数数据的得分驱动结构更新 SIRD 参数，并通过混合频率扩展处理未报告病例，开展全样本与实时评估。
- 材料陈述的贡献
- 摘要称，模型能够刻画连续疫情波次，实时提供及时准确的状态信息并预测死亡与重症病例；未报告病例可能明显影响参数估计。
- 阅读关注点
- 应核对参数更新与计数分布设定、混合频率信息如何进入模型、实时评估的信息集，以及预测基准、期限和误差指标。
- 阅读边界
- 仅据所给 ScienceDirect 出版社摘要；预测比较基准、数据范围和数值结果未说明，不能独立确认所称优势，也不能推断未提供的刊本变化。
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 score-driven 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 death cases and cases treated in Intensive Care Units (ICUs).