Close

Série de seminários sobre GPCE: Todos os modelos são úteis: Combinação de Bayes para previsões robustas da COVID-19 em alta resolução

Série de seminários sobre epidemiologia computacional difusa global

Data/hora: terça-feira, 9 de setembro 11:30 – 12:30 Hora do Leste (EUA)

Tema: Todos os modelos são úteis: Combinação de Bayes para previsões robustas da COVID-19 em alta resolução

Palestrante: Aniruddha Adiga

Link do Zoom: https://virginia.zoom.us/j/92700002677?pwd=Zi8vQ21TUHpBQVYxQXFpaTZPY2FNdz09

 

Resumo:
Previsões oportunas e de alta resolução sobre a incidência de doenças infecciosas podem auxiliar os formuladores de políticas na decisão de medidas de intervenção e na estimativa dos impactos sobre os recursos de saúde. Embora vários métodos tenham sido explorados para essa tarefa, ruídos nos dados e a natureza dinâmica inerente da pandemia causaram variações de desempenho no espaço e no tempo. Nesta palestra, falaremos sobre nossas iniciativas para a previsão de casos confirmados da COVID-19 que atendem continuamente órgãos de saúde locais, estaduais e multinacionais já mais de um ano. Apresentamos um pipeline de previsões que incorpora previsões probabilísticas de vários métodos estatísticos, de aprendizado de máquina e mecanísticos por meio de um esquema de combinação bayesiana, capaz de produzir previsões em diferentes resoluções: municipal, estadual e nacional. Em termos de avaliação de previsão, ao mesmo tempo em que mostramos que a combinação bayesiana é pelo menos tão boa quanto os métodos individuais, também mostramos que cada método individual contribui significativamente em diferentes regiões espaciais e momentos. Comparamos o desempenho de nosso modelo a outros modelos semelhantes que estão sendo integrados no Hub de Previsões da COVID-19 iniciado pelo CDC. Além disso, desenvolvemos um painel interativo de acesso público para visualizar e avaliar nossos modelos de previsão e discutiremos algumas de suas funcionalidades.

 

Sobre o palestrante:
Aniruddha Adiga é cientista pesquisador da Divisão NSSAC do Biocomplexity Institute and initiative, Universidade da Virgínia. Concluiu o doutorado no Departamento de Engenharia Elétrica do Instituto Indiano de Ciência (IISc), em Bangalore, na Índia, e ocupou o cargo de bolsista de pós-doutorado no IISc, na Universidade Estadual da Carolina do Norte e na Universidade da Virgínia. Entre suas áreas de pesquisa estão: processamento de sinais, machine learning, mineração de dados, previsão e análise de big data. No NSSAC, seu foco principal é a análise e desenvolvimento de sistemas de previsão de sinais epidemiológicos, como de doenças semelhantes à influenza e da COVID-19, usando fontes de dados auxiliares.

This site is registered on wpml.org as a development site.