今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

协变量驱动SEIR-LSTM混合框架在塞拉利昂区县级COVID-19疫情监测中的评估与空间异质性分析

《BMC Public Health》:Spatiotemporal modeling of COVID-19 dynamics: a hybrid compartmental machine learning approach with application to Sierra Leone district level surveillance data

【字体: 大 中 小 】 时间:2026年09月30日 来源:BMC Public Health 4.4

编辑推荐:

   摘要区间疫情模型提供了机制性可解释性,但假设传播为时间齐次过程;而机器学习预测器虽能捕捉非线性动态,却牺牲了流行病学意义。我们开发并评估了一种时间非齐次混合框架,将协变量驱动的易感者—暴露者—感染者—移除者(SEIR)模型与从零实现的残差学习长短期记忆(LSTM)网络相结合(

  

摘要

区间疫情模型提供了机制性可解释性,但假设传播为时间齐次过程;而机器学习预测器虽能捕捉非线性动态,却牺牲了流行病学意义。我们开发并评估了一种时间非齐次混合框架,将协变量驱动的易感者—暴露者—感染者—移除者(SEIR)模型与从零实现的残差学习长短期记忆(LSTM)网络相结合(隐藏单元数H=8,刻意保持紧凑以确保完全可审计性),并将其应用于塞拉利昂1,401天(2020年3月1日至2023年12月31日)的区县级COVID-19监测面板(16个区县)。传播率、进展率和康复率被建模为六个滞后时变协变量——疫苗接种覆盖率、封锁状态、口罩强制令、人口流动性、医疗能力及变异株强度——的指数链接函数;由此得到的离散时间平均场递归在构造上保证人口规模守恒且始终非负。我们进一步构建了相应的连续时间马尔可夫跳过程,推导了其柯尔莫哥洛夫前向方程,并获得了福克—普朗克扩散近似,其完整的(对角及非对角)扩散系数量化了各区间特定的人口学噪声。模型参数通过约束最小二乘法估计(九个参数;潜伏期和传染期设有基于生物学信息的约束边界),对国家每日确诊病例的决定系数达到\(R^2=0.642\)。残差序列\(r_t=Y_t-\hat{Y}_t^{(M)}\)表现出强烈的序列依赖性(30个自相关滞后中有24个显著),因此采用了在修正的滚动起点(前向)验证协议下训练的LSTM残差学习器,该协议在每个折原点处同时重新拟合机制性SEIR参数与LSTM,且仅使用历史数据,从而消除了该评估早期版本中存在的前瞻泄漏问题。在合并的555天真正样本外时间范围上,仅机制性SEIR模型在所有检验指标上均取得最低误差(\(\textrm{RMSE}=2.39\)、\(\textrm{MAPE}=47.0\%\)、\(R^2=0.32\)),优于SEIR-LSTM混合模型(\(\textrm{RMSE}=2.69\)、\(\textrm{MAPE}=50.2\%\)、\(R^2=0.14\))以及每折重新拟合的ARIMA基线(\(\textrm{RMSE}=2.57\)、\(R^2=0.22\));而一种简单且假设较少的柯里更新方程预测基准则匹配或超过了上述三种基于模型的方法(\(\textrm{RMSE}=2.29\)、\(R^2=0.37\))。区县层面的扩展分析揭示了有效再生数存在显著的空间异质性,在基于主要病例份额的部分合并方案下,首都所在区县(西区城区)显示出最高的平均\(\mathcal {R}(t)=2.43\),尽管经人口调整的稳健性检验表明,该排名对"传播强度"的具体操作化定义较为敏感。我们讨论了在低发生率、非平稳计数序列中残差可学习性受限的原因,将其共同归因于该序列的统计特性和所采用的紧凑LSTM架构,并为未来工作概述了进一步的不确定性感知扩展方案。

区间疫情模型提供了机制性可解释性,但假设传播为时间齐次过程;而机器学习预测器虽能捕捉非线性动态,却牺牲了流行病学意义。我们开发并评估了一种时间非齐次混合框架,将协变量驱动的易感者—暴露者—感染者—移除者(SEIR)模型与从零实现的残差学习长短期记忆(LSTM)网络相结合(隐藏单元数H=8,刻意保持紧凑以确保完全可审计性),并将其应用于塞拉利昂1,401天(2020年3月1日至2023年12月31日)的区县级COVID-19监测面板(16个区县)。传播率、进展率和康复率被建模为六个滞后时变协变量——疫苗接种覆盖率、封锁状态、口罩强制令、人口流动性、医疗能力及变异株强度——的指数链接函数;由此得到的离散时间平均场递归在构造上保证人口规模守恒且始终非负。我们进一步构建了相应的连续时间马尔可夫跳过程,推导了其柯尔莫哥洛夫前向方程,并获得了福克—普朗克扩散近似,其完整的(对角及非对角)扩散系数量化了各区间特定的人口学噪声。模型参数通过约束最小二乘法估计(九个参数;潜伏期和传染期设有基于生物学信息的约束边界),对国家每日确诊病例的决定系数达到\(R^2=0.642\)。残差序列\(r_t=Y_t-\hat{Y}_t^{(M)}\)表现出强烈的序列依赖性(30个自相关滞后中有24个显著),因此采用了在修正的滚动起点(前向)验证协议下训练的LSTM残差学习器,该协议在每个折原点处同时重新拟合机制性SEIR参数与LSTM,且仅使用历史数据,从而消除了该评估早期版本中存在的前瞻泄漏问题。在合并的555天真正样本外时间范围上,仅机制性SEIR模型在所有检验指标上均取得最低误差(\(\textrm{RMSE}=2.39\)、\(\textrm{MAPE}=47.0\%\)、\(R^2=0.32\)),优于SEIR-LSTM混合模型(\(\textrm{RMSE}=2.69\)、\(\textrm{MAPE}=50.2\%\)、\(R^2=0.14\))以及每折重新拟合的ARIMA基线(\(\textrm{RMSE}=2.57\)、\(R^2=0.22\));而一种简单且假设较少的柯里更新方程预测基准则匹配或超过了上述三种基于模型的方法(\(\textrm{RMSE}=2.29\)、\(R^2=0.37\))。区县层面的扩展分析揭示了有效再生数存在显著的空间异质性,在基于主要病例份额的部分合并方案下,首都所在区县(西区城区)显示出最高的平均\(\mathcal {R}(t)=2.43\),尽管经人口调整的稳健性检验表明,该排名对"传播强度"的具体操作化定义较为敏感。我们讨论了在低发生率、非平稳计数序列中残差可学习性受限的原因,将其共同归因于该序列的统计特性和所采用的紧凑LSTM架构,并为未来工作概述了进一步的不确定性感知扩展方案。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:时间非齐次混合框架|SEIR-LSTM|残差学习|COVID-19区县级预测|马尔可夫跳过程|有效再生数空间异质性

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号