Évaluation des méthodes mécanistes et statistiques dans la prévision des maladies ressemblant à la grippe

Une variété de méthodes mécanistes et statistiques pour prévoir la grippe saisonnière ont été proposées et sont en usage ; cependant, les effets de divers problèmes de données et choix de conception (méthodes statistiques par rapport aux méthodes mécanistes, par exemple) sur l’exactitude de ces approches n'ont pas été évalués de manière approfondie. Ici, nous comparons l'exactitude de trois approches de prévision : une méthode mécaniste, une moyenne pondérée de deux méthodes statistiques et un super-ensemble de huit modèles statistiques et mécanistes - dans la prédiction de sept caractéristiques d'épidémie de la grippe saisonnière durant la saison 2016-2017 aux niveaux national et régional aux États-Unis. Pour chacune de ces approches, nous rapportons les effets de la sous-estimation et de la surestimation en temps réel dans les systèmes de surveillance, l'utilisation de proxies non-surveillance de l'activité grippale et la modification manuelle des prévisions des modèles sur la qualité des prévisions. Nos résultats suggèrent qu'un méta-ensemble de méthodes statistiques et mécanistes présente une meilleure précision globale que les méthodes individuelles. Le complément des données de surveillance par des estimations proxy améliore généralement la qualité des prévisions et les erreurs de rapport transitoires dégradent considérablement la performance des trois approches. L'amélioration de la qualité due aux changements ad hoc et post-prévisions suggère que les experts du domaine continuent de posséder des informations qui ne sont pas suffisamment capturées par les approches de prévision actuelles.