Les dernières années ont apporté des progrès substantiels dans les méthodes analytiques de modélisation prédictive, même dans le contexte mondial des impacts des vaccins Covid-19.Les arbres à gradient amélioré et les réseaux de neurones profonds sont devenus des méthodes de pointe pour la prévision de séries chronologiques. Vous pouvez consulter le récent probleme special de la Revue internationale de prévision , dont un papier par David Lander et moi sur notre solution gagnante pour le concours M5 Uncertainty, dans lequel nous utilisons exclusivement des arbres à gradient boosté. Cette note montre une manière simple d'utiliser le Complément XGBoost dans JMP Pro pour la prévision de séries chronologiques de base sur un ensemble de données actuel du Center for Disease Control (CDC) des États-Unis, au centre d'une controverse entourant la sécurité du vaccin Covid-19.
Dans une série de trois longs articles de blog, Le sceptique éthique (TES) tire la sonnette d’alarme concernant une augmentation substantielle de la surmortalité par cancer et autres mortalités depuis le déploiement des vaccins Covid-19 au début de 2021. Il utilise des données accessibles au public du CDC, et l'un de ses principaux graphiques est le suivant :
En réfutation, Jeffrey Morris (JM) réanalyse les données et conclut que le signal ne semble pas convaincant jusqu'au 12 mars 2022. Deux de ses graphiques suivent :
JM écrit :
La clé pour évaluer ses affirmations est bien sûr de voir les données de 2022 à mesure qu’elles deviennent plus matures et que nous disposons de données plus complètes tout au long de l’été. Si l’augmentation des décès par cancer depuis le nadir du printemps 2021 se poursuit tout au long de 2022, cela étayerait davantage son hypothèse, mais si la diminution qui semble avoir commencé au début de 2022 se poursuit, cela affaiblirait l’affirmation d’un excès intrinsèquement plus élevé. décès par cancer provoqués par un facteur introduit début 2021.
Nous avons désormais les données de l'été 2022 à analyser dans JMP Pro pour voir où nous en sommes. Les données sont disponibles dans deux fichiers .csv couvrant 2014-2019 et 2020-2022 . Ces dernières sont considérées comme « provisoires » puisque de nouvelles données sont continuellement ajoutées, et les dernières semaines ont tendance à avoir des chiffres anormalement bas puisqu'elles n'ont pas encore été entièrement compilées. Les analyses ultérieures sont basées sur les données téléchargées le 22 novembre 2022.
Pour étudier les questions de surmortalité, nous avons besoin d’une estimation décente de la mortalité de base au fil du temps, qui peut être soustraite des données actuelles pour estimer les écarts. TES décrit un flux de travail assez complexe pour y parvenir, y compris une fonction de lissage sur 6 semaines et un « effet pull forward » pour s’adapter aux personnes dont le décès a été attribué plus tôt au Covid-19 qu’au cancer. Malheureusement, TES ne semble proposer aucun code pour reproduire exactement ses résultats, bien que les étapes de son approche semblent raisonnables. JM estime la ligne de base comme une tendance linéaire de base plus des moyennes saisonnières hebdomadaires (les lignes jaunes et bleues dans le graphique de gauche ci-dessus, respectivement). Il fournit admirablement Code R , que j'ai pu exécuter avec succès et reproduire ses résultats. Les lignes de base du TES et du JM sont en fait des prévisions pour 2020-2022 basées sur les données de 2014-2019, une période raisonnable étant donné que la pandémie a commencé vers janvier 2020.
Compte tenu des succès récents des arbres boostés par gradient pour la prévision de séries chronologiques, une approche intéressante pour la réanalyse consiste à utiliser XGBoost pour prévoir la mortalité de 2020 à 2022 avec les données de 2014 à 2019 et à l'utiliser comme référence pour évaluer les décès excédentaires au cours de la période 2020 à 2022. La clé de la prévision avec XGBoost est de concevoir des fonctionnalités temporelles appropriées qui permettent une généralisabilité dans le futur. En fonction de la structure des données et du problème, de nombreuses fonctionnalités sont possibles ; voir notre Article de la FIJ pour quelques détails à ce sujet. Pour faciliter les comparaisons avec TES et JM, j'utilise une approche simple avec seulement deux caractéristiques numériques : la semaine de l'année et les valeurs de décalage de 156 semaines. Des fonctionnalités plus sophistiquées sont certainement possibles, bien que ces deux-là semblent faire un assez bon travail et fournissent une première illustration intéressante de la puissance de XGBoost pour des problèmes comme celui-ci. Les résultats sont affichés ci-dessous dans Graph Builder :
Le panneau supérieur affiche les données brutes en bleu et les prédictions XGBoost en rouge. Les prévisions simples de XGBoost réussissent le test du « globe oculaire », même si elles pourraient très probablement être améliorées avec une modélisation plus minutieuse. Le panneau du milieu contient les résidus de l’ajustement, et les résultats à partir de 2020 peuvent être considérés comme des estimations de la surmortalité par cancer pour chaque semaine. Nous constatons que les données observées dépassent les prévisions pour la plupart des semaines après la mi-2021. Le panneau du bas présente les sommes cumulées des résidus, et le nombre final de 15 000 est l’estimation approximative du total des décès excédentaires pour le 1er octobre 2022. Une première conclusion de cette analyse conforte l’affirmation du TES selon laquelle un excès de décès par cancer à partir de la mi-2021, suggère que les vaccins pourraient jouer un rôle causal.
L’estimation de la surmortalité est un sujet complexe, et l’analyse précédente est conçue pour être un point de départ simple, plus illustratif que définitif. Le CDC et OHID britannique ont des pages beaucoup plus approfondies et il existe de nombreuses analyses et litiges en ligne. Par exemple, voyez les désaccords entre J.M. et Mathieu Crawford sur des données d'assurance surprenantes présentant un paradoxe régional de Simpson, un papier rétracté de Kostoff et al., et des articles provocateurs de Norman Fenton et ses collègues et Steve Kirsch sur les données du Royaume-Uni. Il sera intéressant de voir quelles données et quels débats apporteront les mois d’hiver, et heureusement, nous disposons d’un outil fiable comme JMP Pro pour analyser nous-mêmes les données de manière efficace et directe.
Les étapes pour reproduire l'analyse de prévision XGBoost dans JMP Pro sont les suivantes, que vous pouvez utiliser pour effectuer vos propres explorations plus approfondies maintenant ou ultérieurement lorsque davantage de données seront disponibles :
- Téléchargez, ouvrez et concaténez les deux tables CDC ( 2014-2019 et 2020-2022 ). Sous-définissez les données dans Juridiction of Occurrence == « États-Unis ».Sélectionnez les cinq dernières lignes, puis cliquez sur Lignes > Masquer et exclure. J'ai exclu les cinq dernières lignes et choisi le 1er octobre 2022 comme date limite en fonction d'un affichage initial des données brutes par Graph Builder. Tracez toujours vos données !
- Sélectionnez les lignes pour les années 2020-2022, puis Lignes > Sélection de lignes > Sélection de nom dans la colonne pour créer une nouvelle variable nommée Val20 qui a la valeur 0 pour les années 2014-2019 (non sélectionnée) et 1 pour les années 2020-2022 (sélectionnée). Modifiez le type d'analyse de cette variable en Continu en cliquant avec le bouton droit sur l'histogramme rouge à côté dans le panneau extrême gauche des colonnes. Val20 est utilisé comme colonne de validation dans XGBoost pour tenir 2020-2022 lors de l'ajustement du modèle.
- La variable numérique MMWR Week est déjà dans le tableau et constitue notre première fonctionnalité. Pour concevoir la deuxième fonctionnalité, sélectionnez la colonne Tumeurs malignes (C00-C97), qui correspond à la réponse primaire au cancer.Dans le tableau, faites un clic droit sur cette variable > Nouvelle colonne de formule > Ligne > Décalage multiple. Sélectionnez 156 comme valeurs de début et de fin, puis cliquez sur OK. Cela crée une nouvelle colonne qui est une variable de décalage de 3 ans. Nous utilisons un décalage de 3 ans afin de couvrir complètement l'horizon de prévision 2020-2022 avec les valeurs observées de 2014-2019 sans aucune fuite.
- Installez le Complément XGBoost .Cliquez sur Compléments > XGBoost > XGBoost. Spécifiez Tumeurs malignes (C00-C97) comme réponse Y, Semaine MMWR et la nouvelle fonctionnalité de décalage de 3 ans comme X, et Val20 comme Validation. Cliquez sur OK, cochez Autotune, puis Go. Les résultats devraient être similaires à ceux suivants.
- Dans la fenêtre de sortie XGBoost, cliquez sur le triangle rouge à côté de Modèle 1 et cliquez sur Enregistrer les prévisions. Cela enregistre les prédictions pour toutes les lignes dans la table JMP. Celles des années 2020-2022 sont des prévisions puisque nous avons présenté ces données lors de l'entraînement. Notez que le graphique de droite ci-dessus montre également que les valeurs observées dépassent les prévisions pour 2020-2022, comme en témoigne la majorité des points situés au-dessus de la ligne de référence de 45 degrés.
- Dans le tableau, sélectionnez à la fois Tumeurs malignes (C00-C97) et la nouvelle colonne de prédiction. Cliquez avec le bouton droit > Nouvelle colonne de formule > Combiner > Différence. Cela crée une nouvelle colonne de résidus. Sélectionnez et cliquez avec le bouton droit sur cette nouvelle colonne > Nouvelle colonne de formule > Ligne > Somme cumulée.
- Dans Graph Builder, faites glisser la date de fin de semaine sur X et les variables précédemment créées sur Y pour créer l'affichage affiché précédemment.
Un tableau JMP contenant toutes les données (étapes 1 à 3) et les scripts XGBoost et Graph Builder intégrés (étapes 4 à 7) est joint. N'hésitez pas à me contacter concernant les sujets ici.
