Gli ultimi anni hanno portato sostanziali progressi nei metodi analitici per la modellazione predittiva, anche tra gli impatti mondiali dei vaccini Covid-19.Gli alberi potenziati dal gradiente e le reti neurali profonde sono emersi come metodi all'avanguardia per la previsione delle serie temporali. Puoi rivedere il recente numero speciale del Giornale internazionale di previsione , compreso un carta di David Lander e me sulla nostra soluzione vincente per il concorso M5 Uncertainty, in cui utilizziamo esclusivamente alberi con gradiente potenziato. Questa nota mostra un modo semplice per utilizzare il file Componente aggiuntivo XGBoost in JMP Pro per la previsione di serie temporali di base su un set di dati corrente del Centro statunitense per il controllo delle malattie (CDC) al centro di una controversia sulla sicurezza del vaccino Covid-19.
In una serie di tre lunghi post sul blog, Lo scettico etico (TES) lancia campanelli d'allarme per quanto riguarda l'aumento sostanziale del cancro in eccesso e di altri decessi dall'introduzione dei vaccini Covid-19 all'inizio del 2021. Utilizza dati pubblicamente disponibili dal CDC e uno dei suoi grafici principali è il seguente:
In controtendenza, Jeffrey Morris (JM) analizza nuovamente i dati e conclude che il segnale non sembra convincente fino al 12 marzo 2022. Seguono due dei suoi grafici:
JM scrive:
La chiave per valutare le sue affermazioni è ovviamente vedere i dati del 2022 man mano che diventano più maturi e abbiamo dati più completi durante l'estate. Se l'aumento dei decessi per cancro dal nadir nella primavera del 2021 continuasse per tutto il 2022, ciò fornirebbe un ulteriore supporto alla sua ipotesi, ma se la diminuzione che sembra essere iniziata all'inizio del 2022 continuasse, ciò indebolirebbe l'affermazione di un eccesso intrinsecamente più elevato decessi per cancro avviati da alcuni fattori introdotti all'inizio del 2021.
Ora abbiamo i dati dell'estate 2022 da analizzare in JMP Pro per vedere a che punto siamo. I dati sono disponibili in due file .csv che coprono 2014-2019 e 2020-2022 . Questi ultimi sono considerati "provvisori" poiché vengono continuamente aggiunti nuovi dati e le ultime settimane tendono ad avere numeri anormalmente bassi poiché non sono stati ancora completamente tabulati. Le successive analisi si basano sui dati scaricati il 22 novembre 2022.
Per indagare sulle domande sull'eccesso di mortalità, abbiamo bisogno di una stima decente della mortalità di base nel tempo che possa essere sottratta dai dati attuali per stimare le discrepanze. TES descrive a flusso di lavoro abbastanza complesso per raggiungere questo obiettivo, inclusa una funzione di livellamento di 6 settimane e un "effetto pull forward" per accogliere le persone la cui morte è stata attribuita in precedenza a Covid-19 invece che al cancro. Sfortunatamente, TES non sembra offrire alcun codice per riprodurre esattamente i suoi risultati, sebbene i passaggi del suo approccio sembrino sensati. JM stima la linea di base come tendenza lineare di base più medie stagionali settimanali (rispettivamente le linee gialle e blu nel grafico a sinistra in alto). Fornisce mirabilmente codice R , che sono stato in grado di eseguire con successo e riprodurre i suoi risultati. Le linee di base sia di TES che di JM sono effettivamente previsioni del 2020-2022 basate sui dati del 2014-2019, una ragionevole suddivisione temporale dato che la pandemia è iniziata intorno a gennaio 2020.
Dati i forti recenti successi degli alberi potenziati con gradiente per la previsione delle serie temporali, un approccio interessante per la rianalisi consiste nell'utilizzare XGBoost per prevedere la mortalità 2020-2022 con i dati 2014-2019 e utilizzarli come base per valutare i decessi in eccesso durante il 2020-2022. La chiave per le previsioni con XGBoost è progettare funzionalità basate sul tempo appropriate che consentano la generalizzabilità nel futuro. A seconda della struttura dei dati e del problema, sono possibili molte caratteristiche; vedere il nostro Carta IJF per alcuni dettagli in merito. Per facilitare i confronti con TES e JM, utilizzo un approccio semplice con solo due caratteristiche numeriche: settimana dell'anno e valori di ritardo di 156 settimane. Sono certamente possibili funzionalità più sofisticate, sebbene queste due sembrino svolgere un lavoro ragionevolmente buono e forniscano una buona illustrazione iniziale della potenza di XGBoost per problemi come questo. I risultati sono mostrati di seguito nel Costruttore di grafici:
Il pannello superiore mostra i dati grezzi in blu e le previsioni di XGBoost in rosso. Le semplici previsioni di XGBoost superano il test "eyeball", anche se molto probabilmente potrebbero essere migliorate con una modellazione più attenta. Il pannello centrale ha i residui dell'adattamento e i risultati dal 2020 in avanti possono essere considerati stime delle morti per cancro in eccesso per ogni settimana. Vediamo che i dati osservati superano le previsioni per la maggior parte delle settimane dopo la metà del 2021. Il pannello inferiore ha le somme cumulative dei residui e il numero finale di 15.000 è la stima approssimativa delle morti totali in eccesso per il 1° ottobre 2022. Una conclusione iniziale di questa analisi fornisce supporto all'affermazione TES di eccessive morti per cancro in eccesso dalla metà del 2021 in poi, suggerendo che i vaccini potrebbero svolgere un ruolo causale.
La stima delle morti in eccesso è un argomento complesso e l'analisi precedente è progettata per essere un punto di partenza diretto, più illustrativo che definitivo. Il Centro per la prevenzione e il controllo delle malattie e Regno Unito OHID hanno pagine molto più approfondite e ci sono numerose analisi e controversie online. Ad esempio, vedi i disaccordi tra JM e Matteo Crawford su alcuni sorprendenti dati assicurativi che mostrano un paradosso regionale di Simpson, a carta ritirata di Kostoff et al., e articoli provocatori di Norman Fenton e colleghi e Steve Kirsch sui dati del Regno Unito. Sarà interessante vedere quali dati e dibattiti porteranno i mesi invernali e, fortunatamente, disponiamo di uno strumento affidabile come JMP Pro per analizzare noi stessi i dati in modo efficiente e diretto.
I passaggi per riprodurre l'analisi di previsione XGBoost in JMP Pro sono i seguenti, che puoi utilizzare per eseguire le tue ulteriori esplorazioni ora o in un secondo momento quando saranno disponibili più dati:
- Scarica, apri e concatena le due tabelle CDC ( 2014-2019 e 2020-2022 ). Sottoinsieme dei dati in Giurisdizione dell'occorrenza == "Stati Uniti".Seleziona le ultime cinque righe, quindi fai clic su Righe > Nascondi ed escludi. Ho escluso le ultime cinque righe e ho scelto il 1° ottobre 2022 come data limite in base a una visualizzazione iniziale di Graph Builder dei dati grezzi. Traccia sempre i tuoi dati!
- Selezionare le righe per gli anni 2020-2022 e quindi Righe > Selezione riga > Selezione nome nella colonna per creare una nuova variabile denominata Val20 con valore 0 per gli anni 2014-2019 (non selezionato) e 1 per gli anni 2020-2022 (selezionato). Modificare il Tipo di analisi di questa variabile in Continuo facendo clic con il pulsante destro del mouse sull'istogramma rosso accanto ad essa nel pannello all'estrema sinistra di Colonne. Val20 viene utilizzato come colonna di convalida in XGBoost per resistere al periodo 2020-2022 durante l'adattamento del modello.
- La variabile numerica MMWR Week è già nella tabella ed è la nostra prima caratteristica. Per progettare la seconda caratteristica, selezionare la colonna Neoplasie maligne (C00-C97), che rappresenta la risposta primaria del cancro.Nella tabella, fai clic con il pulsante destro del mouse su questa variabile > Nuova colonna formula > Riga > Ritardo multiplo. Selezionare 156 come valore iniziale e finale, quindi fare clic su OK. Questo crea una nuova colonna che è una variabile di ritardo di 3 anni. Utilizziamo un ritardo di 3 anni per coprire completamente l'orizzonte di previsione 2020-2022 con valori osservati dal 2014-2019 senza perdite.
- Installa il Componente aggiuntivo XGBoost .Fare clic su Componenti aggiuntivi > XGBoost > XGBoost. Specificare Neoplasie maligne (C00-C97) come Risposta Y, Settimana MMWR e la nuova funzione di ritardo di 3 anni come X e Val20 come Convalida. Fare clic su OK, selezionare Autotune, quindi Vai. I risultati dovrebbero essere simili ai seguenti.
- Nella finestra di output di XGBoost, fai clic sul triangolo rosso accanto a Model 1 e fai clic su Save Predicteds. Ciò salva le previsioni per tutte le righe nella tabella JMP. Quelle per gli anni 2020-2022 sono previsioni poiché abbiamo tenuto quei dati durante l'allenamento. Si noti che il grafico in alto a destra mostra anche che i valori osservati superano le previsioni per il 2020-2022, come evidenziato dalla maggior parte dei punti che si trovano al di sopra della linea di riferimento di 45 gradi.
- Nella tabella selezionare sia Tumori maligni (C00-C97) sia la nuova colonna di previsione. Fare clic con il pulsante destro del mouse > Nuova colonna formula > Combina > Differenza. Questo crea una nuova colonna di residui. Seleziona e fai clic con il pulsante destro del mouse su questa nuova colonna > Nuova colonna formula > Riga > Somma cumulativa.
- In Costruttore di grafici, trascina la data di fine settimana su X e le variabili create in precedenza su Y per creare la visualizzazione mostrata in precedenza.
È allegata una tabella JMP contenente tutti i dati (passaggi 1-3) e gli script XGBoost e Graph Builder incorporati (passaggi 4-7). Non esitate a contattarmi per quanto riguarda gli argomenti qui.
