Forecasting the COVID-19 vaccine uptake rate: An infodemiological study in the US
美国新冠疫苗接种率预测：一项信息流行病学研究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：摘要明确使用 ARIMA 和堆叠模型开展接种率时间序列预测，直接对应预测与时间序列方法方向。
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
美国新冠疫苗接种率预测：一项信息流行病学研究
- 研究问题
- 如何结合传统临床数据和网络搜索信息预测美国新冠疫苗接种速度，堆叠预测是否能够改善单类数据或单一模型的预测表现？
- 方法与思路
- 作者分别利用 ARIMA 处理临床数据，以线性回归、正则化和机器学习处理搜索信息，再通过堆叠回归组合不同预测结果。
- 材料陈述的贡献
- 摘要称临床数据的 ARIMA 与网络数据的提升方法及支持向量机组成的堆叠模型表现最佳，并报告其预测较为准确。
- 阅读关注点
- 应核对接种率和预测速度的定义、搜索变量及滞后选择、训练验证划分、预测期限，以及堆叠训练是否避免时间信息泄漏。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未报告误差指标、验证方案及样本时期，不能确认样本外优势或跨时期稳定性。
原文摘要
A year following the initial COVID-19 outbreak in China, many countries have approved emergency vaccines. Public-health practitioners and policymakers must understand the predicted populational willingness for vaccines and implement relevant stimulation measures. This study developed a framework for predicting vaccination uptake rate based on traditional clinical data-involving an autoregressive model with autoregressive integrated moving average (ARIMA)- and innovative web search queries-involving a linear regression with ordinary least squares/least absolute shrinkage and selection operator, and machine-learning with boost and random forest. For accuracy, we implemented a stacking regression for the clinical data and web search queries. The stacked regression of ARIMA (1,0,8) for clinical data and boost with support vector machine for web data formed the best model for forecasting vaccination speed in the US. The stacked regression provided a more accurate forecast. These results can help governments and policymakers predict vaccine demand and finance relevant programs.