本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2025-03-05
摘要
在大流行早期確定有效的治療方法和政策具有挑戰性，因為可用的數據有限且嘈雜，並且生物過程未知或不確定。因此，經典的統計程序可能不起作用或需要強有力的結構假設。我們提出了一種資訊理論方法，可以克服這些問題並確定有效的治療方法和政策。 COVID-19 大流行初期進行的一項研究說明了這種方法的有效性。我們在有或沒有事先資訊的情況下，對 COVID-19 大流行第二個月（2020 年 4 月 24 日）可用的有限國際數據應用了這種方法。為了檢查我們的結果是否可信，我們使用國際樣本進行了第二次統計分析，其中包含大流行疫苗接種前期結束時（2020 年 12 月中旬）可獲得的數百萬個觀察結果。即使數據有限，原始研究的資訊理論估計在識別影響因素方面表現良好，並有助於解釋為什麼各國死亡率不同。後來的實驗和基於更新、更豐富的數據的統計分析證實這些因素有助於存活。總體而言，所提出的資訊理論統計技術是一種穩健的方法，可以克服醫療緊急情況早期階段識別不足的估計問題的挑戰。它可以輕鬆地整合來自理論、邏輯或先前觀察到的緊急情況的先驗資訊。