跳到正文
原文
medRxiv 预印本· Mihaljevic, J. R., Coles, T., Covington, J., Drennan, A., Oshinubi, K., Hepp, C., Lant, T., Gel, E., Mehrotra, S., Sabo, S., Chen, Y., Doerry, E. ·· 20 天前AI 评分18

epymorph 将空间流行病模型比较转化为可控预测实验

epymorph turns spatial epidemic model comparisons into controlled forecasting experiments

AI 导读

epymorph 是一个 Python 包,通过将传播、移动和地理组件分别指定并互换,构建模块化的空间流行病模型,内置贝叶斯滤波器估计时空参数并直接接入概率预测。在 2025-2026 年美国流感季,按年龄分层人群改善了住院预测,但前提是使用经验推导的接触矩阵。在 2020-2021 年 SARS-CoV-2 冬季波中,通勤数据改善了县级住院人数预测,而州级模型给出了最佳州级预测。

来源:medRxiv 预印本 · medrxiv.org