Die letzten Jahre haben erhebliche Fortschritte bei den Analysemethoden für die Vorhersagemodellierung gebracht, selbst angesichts der weltweiten Auswirkungen von Covid-19-Impfstoffen.Gradientenverstärkte Bäume und tiefe neuronale Netze haben sich als hochmoderne Methoden für die Zeitreihenvorhersage herausgestellt. Sie können die aktuelle Version überprüfen Sonderausgabe des International Journal of Forecasting , einschließlich eines Papier von David Lander und mir über unsere Gewinnerlösung für den M5 Uncertainty-Wettbewerb, bei dem wir ausschließlich Bäume mit Gradientenverstärkung verwenden. Dieser Hinweis zeigt eine einfache Möglichkeit, das zu verwenden XGBoost-Add-in in JMP Pro für grundlegende Zeitreihenprognosen auf der Grundlage eines aktuellen Datensatzes des US-amerikanischen Center for Disease Control (CDC), das im Zentrum einer Kontroverse um die Sicherheit von Covid-19-Impfstoffen steht.
In einer Reihe von drei langen Blogbeiträgen Der ethische Skeptiker (TES) lässt die Alarmglocken schrillen, da es seit der Einführung der Covid-19-Impfstoffe Anfang 2021 zu einem erheblichen Anstieg der Krebs- und anderen Todesfälle kommt. Er verwendet öffentlich verfügbare Daten des CDC und eine seiner wichtigsten Grafiken ist die folgende:
Zur Widerlegung: Jeffrey Morris (JM) analysiert die Daten erneut und kommt zu dem Schluss, dass das Signal bis zum 12. März 2022 nicht überzeugend erscheint. Es folgen zwei seiner Grafiken:
JM schreibt:
Der Schlüssel zur Beurteilung seiner Behauptungen besteht natürlich darin, die Daten für 2022 zu sehen, wenn sie ausgereifter werden und wir im Laufe des Sommers über vollständigere Daten verfügen. Wenn der Anstieg der Krebstodesfälle ab dem Tiefpunkt im Frühjahr 2021 im Laufe des Jahres 2022 anhält, würde dies seine Hypothese stärker stützen. Wenn sich der Rückgang, der offenbar Anfang 2022 begonnen hat, jedoch fortsetzt, würde dies die Behauptung eines inhärent höheren Überschusses abschwächen Krebstodesfälle, die durch einen Anfang 2021 eingeführten Faktor ausgelöst wurden.
Jetzt können wir die Sommerdaten 2022 in JMP Pro analysieren, um zu sehen, wo wir stehen. Die Daten sind in zwei CSV-Dateien verfügbar 2014-2019 Und 2020-2022 . Letztere gelten als „vorläufig“, da ständig neue Daten hinzugefügt werden und die letzten Wochen tendenziell ungewöhnlich niedrige Zahlen aufweisen, da sie noch nicht vollständig tabellarisch erfasst sind. Die nachfolgenden Analysen basieren auf Daten, die am 22. November 2022 heruntergeladen wurden.
Um Fragen der Übersterblichkeit zu untersuchen, benötigen wir eine angemessene Schätzung der Grundsterblichkeit im Zeitverlauf, die von den aktuellen Daten abgezogen werden kann, um die Diskrepanzen abzuschätzen. TES beschreibt a Ziemlich komplexer Arbeitsablauf Um dies zu erreichen, einschließlich einer 6-wöchigen Glättungsfunktion und eines „Pull-Forward-Effekts“, um Personen zu berücksichtigen, deren Tod früher auf Covid-19 und nicht auf Krebs zurückgeführt wurde. Leider scheint TES keinen Code zur exakten Reproduktion seiner Ergebnisse anzubieten, obwohl die Schritte in seinem Ansatz sinnvoll erscheinen. JM schätzt die Basislinie als einen grundlegenden linearen Trend plus wöchentliche saisonale Mittelwerte (jeweils die gelben und blauen Linien im linken Diagramm oben). Er liefert bewundernswert R-Code , das ich erfolgreich ausführen und seine Ergebnisse reproduzieren konnte. Die Basislinien von TES und JM sind effektiv Prognosen für 2020–2022, die auf den Daten von 2014–2019 basieren, eine angemessene Zeitspanne, wenn man bedenkt, dass die Pandemie etwa im Januar 2020 begann.
Angesichts der starken jüngsten Erfolge von Gradienten-Boost-Bäumen für die Zeitreihenvorhersage besteht ein attraktiver Ansatz für eine erneute Analyse darin, XGBoost zu verwenden, um die Sterblichkeit für 2020–2022 anhand der Daten von 2014–2019 vorherzusagen und diese als Grundlage für die Bewertung übermäßiger Todesfälle im Zeitraum 2020–2022 zu verwenden. Der Schlüssel zur Prognose mit XGBoost liegt in der Entwicklung geeigneter zeitbasierter Funktionen, die eine Generalisierbarkeit in die Zukunft ermöglichen. Abhängig von der Struktur der Daten und des Problems sind viele Funktionen möglich; siehe unsere IJF-Papier für einige Details hierzu. Um Vergleiche mit TES und JM zu erleichtern, verwende ich einen einfachen Ansatz mit nur zwei numerischen Merkmalen: Wochenwochen- und 156-Wochen-Verzögerungswerte. Ausgefeiltere Funktionen sind sicherlich möglich, obwohl diese beiden offenbar einigermaßen gute Arbeit leisten und ein schönes erstes Beispiel für die Leistungsfähigkeit von XGBoost bei Problemen wie diesem liefern. Die Ergebnisse werden unten im Graph Builder angezeigt:
Im oberen Bereich werden die Rohdaten in Blau und die XGBoost-Vorhersagen in Rot angezeigt. Die einfachen XGBoost-Prognosen bestehen den „Augentest“, obwohl sie durch eine sorgfältigere Modellierung sehr wahrscheinlich verbessert werden könnten. Das mittlere Feld enthält die Residuen aus der Anpassung, und die Ergebnisse ab 2020 können als Schätzungen der übermäßigen Krebstodesfälle für jede Woche betrachtet werden. Wir sehen, dass die beobachteten Daten die Prognosen für die meisten Wochen nach Mitte 2021 übertreffen. Das untere Feld zeigt die kumulierten Summen der Residuen, und die endgültige Zahl von 15.000 ist die ungefähre Schätzung der gesamten überschüssigen Todesfälle für den 1. Oktober 2022. Eine erste Schlussfolgerung aus dieser Analyse stützt die TES-Behauptung, dass es ab Mitte 2021 zu übermäßig vielen Krebstoten kommt, was darauf hindeutet, dass die Impfstoffe möglicherweise eine ursächliche Rolle spielen.
Die Schätzung übermäßiger Todesfälle ist ein komplexes Thema, und die vorangehende Analyse soll ein einfacher Ausgangspunkt sein, der eher veranschaulichend als endgültig ist. Der CDC Und Britisches OHID Es gibt Seiten mit viel mehr Tiefe und es gibt zahlreiche Analysen und Streitigkeiten online. Sehen Sie sich zum Beispiel die Meinungsverschiedenheiten zwischen an JM Und Mathew Crawford auf einigen überraschenden Versicherungsdaten, die ein regionales Simpson-Paradoxon aufzeigen, a eingezogenes Papier von Kostoff et al. und provokative Artikel von Norman Fenton und Kollegen Und Steve Kirsch auf Daten aus Großbritannien. Es wird interessant sein zu sehen, welche Daten und Debatten die Wintermonate mit sich bringen, und zum Glück verfügen wir über ein zuverlässiges Tool wie JMP Pro, um Daten selbst effizient und direkt zu analysieren.
Die Schritte zum Reproduzieren der XGBoost-Prognoseanalyse in JMP Pro lauten wie folgt, sodass Sie jetzt oder zu einem späteren Zeitpunkt, wenn mehr Daten verfügbar sind, Ihre eigenen weiteren Untersuchungen durchführen können:
- Laden Sie die beiden CDC-Tabellen herunter, öffnen Sie sie und verketten Sie sie ( 2014-2019 Und 2020-2022 ). Unterteilen Sie die Daten in „Jurisdiction of Occurrence == „United States“.Wählen Sie die letzten fünf Zeilen aus und klicken Sie dann auf Zeilen > Ausblenden und ausschließen. Ich habe die letzten fünf Zeilen ausgeschlossen und den 1. Oktober 2022 als Stichtag gewählt, basierend auf einer ersten Graph Builder-Anzeige der Rohdaten. Plotten Sie Ihre Daten immer!
- Wählen Sie Zeilen für die Jahre 2020–2022 und dann Zeilen > Zeilenauswahl > Namensauswahl in Spalte aus, um eine neue Variable mit dem Namen Val20 zu erstellen, die den Wert 0 für die Jahre 2014–2019 (nicht ausgewählt) und 1 für die Jahre 2020–2022 (ausgewählt) hat. Ändern Sie den Analysetyp dieser Variablen in „Kontinuierlich“, indem Sie mit der rechten Maustaste auf das rote Histogramm daneben im äußersten linken Bereich „Spalten“ klicken. Val20 wird als Validierungsspalte in XGBoost verwendet, um 2020–2022 während der Modellanpassung aufrechtzuerhalten.
- Die numerische Variable MMWR Week befindet sich bereits in der Tabelle und ist unser erstes Feature. Um die zweite Funktion zu entwickeln, wählen Sie die Spalte „Maligne Neubildungen (C00-C97)“ aus, die die primäre Krebsreaktion darstellt.Klicken Sie in der Tabelle mit der rechten Maustaste auf diese Variable > Neue Formelspalte > Zeile > Lag Multiple. Wählen Sie 156 als Start- und Endwert und klicken Sie dann auf OK. Dadurch wird eine neue Spalte erstellt, die eine 3-Jahres-Lag-Variable darstellt. Wir verwenden eine 3-jährige Verzögerung, um den Prognosehorizont 2020–2022 vollständig mit beobachteten Werten von 2014–2019 abzudecken, ohne dass es zu Lecks kommt.
- Installiere das XGBoost-Add-In .Klicken Sie auf Add-Ins > XGBoost > XGBoost. Geben Sie „Bösartige Neubildungen (C00-C97)“ als „Y-Reaktion“, „MMWR-Woche“ und die neue 3-Jahres-Verzögerungsfunktion als „X“ und „Val20“ als „Validierung“ an. Klicken Sie auf „OK“, aktivieren Sie „Autotune“ und dann „Los“. Die Ergebnisse sollten den folgenden ähneln.
- Klicken Sie im XGBoost-Ausgabefenster auf das rote Dreieck neben Modell 1 und dann auf Vorhersagen speichern. Dadurch werden Vorhersagen für alle Zeilen in der JMP-Tabelle gespeichert. Bei den Daten für die Jahre 2020–2022 handelt es sich um Prognosen, da wir diese Daten während des Trainings vorgelegt haben. Beachten Sie, dass die Grafik oben rechts auch zeigt, dass die beobachteten Werte die Prognosen für 2020–2022 übertreffen, was daran zu erkennen ist, dass die meisten Punkte über der 45-Grad-Referenzlinie liegen.
- Wählen Sie in der Tabelle sowohl „Bösartige Neubildungen“ (C00–C97) als auch die neue Vorhersagespalte aus. Rechtsklick > Neue Formelspalte > Kombinieren > Differenz. Dadurch wird eine neue Spalte mit Residuen erstellt. Wählen Sie diese neue Spalte aus und klicken Sie mit der rechten Maustaste darauf > Neue Formelspalte > Zeile > Kumulierte Summe.
- Ziehen Sie im Graph Builder das Wochenenddatum auf X und die zuvor erstellten Variablen auf Y, um die zuvor gezeigte Anzeige zu erstellen.
Eine JMP-Tabelle mit allen Daten (Schritte 1–3) und eingebetteten XGBoost- und Graph Builder-Skripten (Schritte 4–7) ist beigefügt. Kontaktieren Sie mich gerne zu den Themen hier.
