一種新的機器學習框架使用報告的測試結果和死亡率來估算美國所有50個州和50個國家當前COVID-19感染的實際人數。德克薩斯大學西南醫學中心的Jungsik Noh和Gaudenz Danuser於2021年2月8日在開放獲取的《PLOS ONE》雜誌上發表了這些發現。

在正在進行的大流行期間，美國各州和許多國家每天都報告了經檢測證實的2019冠狀病毒疾病感染和死亡人數。然而，許多感染未被發現，導致在任何特定時間點目前感染的總人數計算不足——這是指導公共衛生工作的一個重要指標。

現在，Noh 和 Danuser 已經開發了一個計算模型資料庫，該資料庫使用機器學習策略來估計美國所有50個州和50個感染最嚴重的國家每天的實際感染人數。為了進行計算，該模型利用了以前公佈的大流行引數和每日公開的確診病例和死亡資料。這些每日估計的視覺化可以在網上免費獲得。

該模型的估計表明，在美國和全世界範圍內，嚴重低估了病例數。在50個國家中，有9個國家的實際病例累計資料估計至少比確診病例高5倍。在美國，對各州累計實際病例數的估計與在46個州進行的抗體測試研究結果一致。

對於一些國家，如美國、比利時和英國，估計表明超過20% 的總人口感染過艾滋病毒。截至2021年1月31日，美國的一些州，包括賓夕法尼亞州、亞利桑那州和佛羅里達州，目前活躍的病例總數超過該州總人口的5% 。在華盛頓，當天活躍的病例估計佔總人口的1% 。

該模型一直在估算當前社群內的COVID-19病例數，這可能有助於為接觸者追蹤和其他公共衛生工作提供資訊。

作者補充道: “鑑於確診病例只是大流行中期的冰山一角，這項研究中當前感染的估計規模提供了至關重要的資訊，以確定被確診病例誤導的2019冠狀病毒疾病的區域嚴重性。”

參考資料：

Jungsik Noh, Gaudenz Danuser. Estimation of the fraction of COVID-19 infected people in U.S. states and countries worldwide. PLoS ONE, 2021; 16 (2): e0246772