Close

Serie de seminarios del GPCE: Todos los modelos son útiles: Conjunto bayesiano para el pronóstico robusto de alta resolución del COVID-19

Serie de seminarios de epidemiología informática global pervasiva

Fecha/Hora: Jueves 9 de septiembre de 11:30 a. m. a 12:30 p. m., hora del Este (EE. UU.)

Tema: Todos los modelos son útiles: Todos los modelos son útiles: Conjunto bayesiano para el pronóstico robusto de alta resolución del COVID-19

Ponente: Aniruddha Adiga

Enlace de Zoom: https://virginia.zoom.us/j/92700002677?pwd=Zi8vQ21TUHpBQVYxQXFpaTZPY2FNdz09

 

Resumen:
Los pronósticos oportunos y de alta resolución de la incidencia de enfermedades infecciosas son útiles para los encargados de la formulación de políticas a la hora de decidir las medidas de intervención y estimar la carga de los recursos sanitarios. Aunque se han explorado múltiples métodos para esta tarea, su desempeño ha variado en el espacio y el tiempo debido a datos ruidosos y a la naturaleza dinámica inherente de la pandemia. En esta charla, analizaremos nuestros esfuerzos para pronosticar los casos confirmados de COVID-19 que continúan sirviendo a agencias de salud locales, estatales y multinacionales por más de un año. Presentamos una línea de pronóstico que incorpora pronósticos probabilísticos de múltiples métodos estadísticos, de aprendizaje automático y mecanicistas a través de un esquema de conjuntos bayesiano y es capaz de producir pronósticos a diferentes resoluciones: a nivel de condado, estado y nacional. En cuanto a la evaluación de los pronósticos, si bien demostramos que el conjunto bayesiano es al menos tan bueno como los métodos individuales, también demostramos que cada método individual contribuye significativamente para diferentes regiones espaciales y puntos temporales. Comparamos el desempeño de nuestro modelo con otros modelos similares que se integran en el Centro de pronósticos de COVID-19 iniciado por los CDC. Además, hemos desarrollado un panel interactivo de acceso público para visualizar y evaluar nuestros pronósticos de modelos y analizaremos algunas de sus funcionalidades.

 

Biografía del ponente:
Aniruddha Adiga es científico de investigación en la División de NSSAC del Instituto de Biocomplejidad e iniciativa, UVA. Completó su doctorado en el Departamento de Ingeniería Eléctrica, Instituto Indio de Ciencias (IISc), Bangalore, India y ha ocupado el cargo de becario postdoctoral en IISc, Universidad Estatal de Carolina del Norte, y UVA. Sus áreas de investigación incluyen procesamiento de señales, aprendizaje automático, minería de datos, pronóstico y análisis de grandes volúmenes de datos. En el NSSAC, su enfoque principal ha sido el análisis y desarrollo de sistemas de pronóstico para señales epidemiológicas como enfermedades similares a la influenza y COVID-19 utilizando fuentes de datos auxiliares.

Fechas

9 de septiembre de 2021

Ubicación

en línea

Sitio web del evento

Compartir

Share on email
Share on facebook
Share on twitter
Share on linkedin