美国和其他国家通过模型估算的新冠肺炎病例严重低估

一种新的机器学习框架使用报告的检测结果和死亡率来计算美国所有50个州和50个国家当前COVID-19感染的实际人数。德克萨斯大学西南医学中心的Jungsik Noh和Gaudenz Danuser在开放获取期刊上发表了这些发现《公共科学图书馆•综合》2021年2月8日。

在持续的大流行期间，美国各州和许多国家都报告了经检测确认的COVID-19感染和死亡人数。然而，许多感染没有被发现，导致在任何特定时间点被感染的总人数被低估，这是指导公共卫生工作的一个重要指标。

现在，Noh和Danuser开发了一种计算模型它使用机器学习策略来估计美国所有50个州和50个感染最严重的国家的实际每日感染人数。为了进行计算，该模型利用了以前发表的大流行参数和公开可得的每日数据例确诊病例和死亡。这些每日估算的可视化数据可以在网上免费获取。

该模型的估计表明，美国和世界各地的病例严重低估。在50个国家中，有9个国家的实际累计病例数估计至少是确诊病例数的5倍。在美国，各州实际病例累计数量的估计与在46个州进行的抗体测试研究的结果一致。

对于一些国家，如美国、比利时和英国，估计有超过20%的人口总人口经历了感染．截至2021年1月31日，包括宾夕法尼亚州、亚利桑那州和佛罗里达州在内的美国一些州目前的活跃病例占该州总人口的5%以上。在华盛顿，当天的活跃病例估计占人口的1%。

展望未来，该模型一直在估计社区内当前的COVID-19病例数，这可能有助于为接触者追踪和其他公共卫生工作提供信息。

作者补充说:“鉴于确诊病例只是大流行期间的冰山一角，这项研究中当前感染的估计规模为确定COVID-19的地区严重程度提供了关键信息，而这些信息可能会被确诊病例误导。”

---

---