文件名称：covid-umich:测试假设
文件大小：541KB
文件格式：ZIP
更新时间：2024-05-03 15:59:06
JupyterNotebook
测试假说：由报告的冠状病毒病例数引起的悖论 许多统计学家，流行病学家，经济学家和数据科学家都对报道的冠状病毒病例数表示了严重的保留。 全国范围内有限的测试能力被认为是抑制冠状病毒病例数的关键驱动力。 提高测试能力的呼吁是合理的，因为它们已成为公共领域中更为频繁的讨论点。 虽然扩展测试是一个值得称赞的目标，但选择偏差将影响疾病流行率的估计和有效繁殖数量，直到对整个人群进行采样为止。 此外，由于假阳性率/阴性率与选择偏倚的相互作用很复杂，因此测试不完善。 在本文中，我们试图阐明这种相互作用。 通过简单的计算，我们证明了在存在选择偏差和测量误差的情况下考虑病例数数据时可能出现的陷阱和悖论。 项目介绍 该项目包括重现结果所需的代码。 这包括（A）采购美国和世界测试（B）算法开发，以及（C）将模型应用于清洗后的数据集。 如果使用此代码，请使用以下bibtex引用论文： @article{demps
【文件预览】：
covid-umich-master
----visualizations()
--------sir_example_plot.R(6KB)
--------tv_fever_propensities.R(3KB)
--------fb_symptoms_plot.R(10KB)
--------tv_propensities.R(1KB)
--------mem_heatmap.R(2KB)
----covid.yml(4KB)
----README.md(3KB)
----write-up()
--------covid-refs.bib(11KB)
--------covid-writeup.tex(118KB)
--------scibib.bib(1KB)
--------imsart.sty(93KB)
--------tchdr.sty(37KB)
--------scicite.sty(21KB)
--------Science.bst(26KB)
--------imsart.cls(5KB)
----methods()
--------fever_propensity_estimation.R(4KB)
--------IN_analysis_sample.R(9KB)
--------propensity_estimation.R(4KB)
--------.Rhistory(20KB)
--------README.md(879B)
--------in_sier_model.R(1KB)
--------us_testing.ipynb(604KB)
--------invweight_estimation.R(2KB)
----.gitignore(1KB)
----preprocessing()
--------1_in_cleaning.R(12KB)
--------1_fb_cleaning.R(3KB)
--------2_fb-in-merge-code.R(2KB)
--------3_feverfb--preproc.R(4KB)
--------clean_data.sh(273B)
--------3_feverfb_cleaning.R(3KB)
--------4_propensity_preproc.R(5KB)
--------3_feverfb_merge.R(4KB)