Covid-19 预估更新 2020 年 8 月 23 日 – CDC 预测中包含预估
估计感染死亡人数和死亡率
如果我们知道感染人数，并且知道感染死亡率（IFR），那么从感染人数预测死亡人数就会非常简单。然而，在整个大流行期间，我们一直在估计感染人数和 IFR，但在许多情况下做得很糟糕。各州的数字似乎也有很大差异。
IFR 约为 0.5%
我在 Medium 上的一篇文章中解释了我是如何得出这个结论的。超级快速的解释是，这个数字至少可以根据纽约州 4 月下旬进行的抗体测试，结合纽约州因 Covid-19 死亡的信息来计算出来。一旦我们知道了大概的 IFR，我们就可以引导根据死亡人数估计感染人数的方法，这有助于我们将阳性检测与感染之间的关系归零。
检测呈阳性并不等于感染
阳性检测和感染不是一回事。阳性检测是感染数量的有用指标，但它们并不相同。这个简单的概念似乎阻碍了许多所做的估计。
随着时间的推移，阳性检测与感染之间的关系一直在发生变化。在大流行初期，感染与阳性检测的比例似乎在 10:1 到 20:1 之间。现在这个比例似乎在 3:1 到 5:1 的范围内。
单纯病死率
我的估计方法的基石是跟踪 Naive CFR 的变化，作为感染与阳性检测比率的指标。 单纯病死率 计算方法是今天的死亡人数除以 14 天前的阳性检测人数。由于死亡滞后于阳性检测，因此阳性检测是未来死亡的有用先行指标。
我仍然对许多广为人知的短期死亡率估计的巨大错误感到惊讶。如果您仅采用过去 7 天的平均初始病死率 (naive CFR)，并根据 14 天滞后的阳性检测结果，用它来估计未来 14 天的死亡人数，那么您可以对未来 14 天的死亡人数做出比已发布的绝大多数估计更准确的估计。
对于截至 8 月 1 日左右的估计，我使用了阳性测试百分比（阳性率）和幼稚 CFR 之间的强相关性。因为我们在报告测试数据时知道测试阳性率，所以它作为死亡率的领先指标非常有用，而且我使用最近的阳性率以及阳性测试的数量来估计近期未来的死亡率。
但自大流行开始以来，单纯病死率已大幅下降。一开始超过50%，8月初一度跌至1.4%。随着 Naive CFR 的下降，积极性作为估计基础的用处变得越来越小。
变化的主要因素是接受测试的人的平均年龄呈下降趋势。 50 岁以下检测呈阳性的人的百分比也与初始 CFR 密切相关。疾病预防控制中心报告了这些信息，但不是很及时。如果它真的发布的话，它会滞后大约两周。
更新的估计方法
由于正性模型的不确定性，我又重新使用多种估计方法并比较结果。
方法一 – 这和我刚才描述的方法类似。它是一个曲线拟合模型，基于 (a) 阳性测试百分比（阳性）和 (b) 测试的平均年龄趋势。与 Naive CFR 相比，这两个因素都具有较高的 RSQ 值，但随着平均年龄趋势下降，模型的 (a) 部分变得不太准确，而 (b) 部分变得更加准确，尽管在过去 5-6 周内两者都不是超级准确。我也很难找到有关接受测试者年龄的最新信息。该模型的主要输入是估计死亡日期前 14 天的阳性测试病例。
方法2 – 该方法基于 Naive CFR 的趋势。我记录近期 Naive CFR 的历史，计算趋势线，并将其向前预测。然后，我将未来 Naive CFR 的估计值逐日应用于 14 天前的阳性检测结果。这种方法的挑战在于决定 哪个 使用天真的 CFR 趋势。根据趋势的计算方式，数字可能会有很大不同。我从每日平滑的朴素 CFR（基于 7 天平滑）开始。以此为输入，我根据一周算术平均 Naive CFR 进行一项预测，一项基于两周算术平均 Naive CFR，一项基于 7 天和 14 天几何平均 CFR 的算术平均值。
方法三 – 这是州估计的总和。
复合模型是方法 1、方法 3 的平均值以及方法 2 的最小数。然后逐日进行微调，以考虑报告中每周波动的历史记录。
