Weekly updates of national living evidence-based guidelines: Methods for the Australian Living Guidelines for Care of People with COVID-19
https://www.jclinepi.com/action/showPdf?pii=S0895-4356%2820%2931174-4

毎週更新されるCOVID-19リビングガイドライン(Australian Living Guidelines)に関するJCE論文です。

————————————————————————-

Consumer panelを含めて８つのパネルでできています。

————————————————————————-

Consumer panelには、健康消費者団体、消費者パネルを共同招集し、パネルは8～10人で構成されています。
Guidelines Leadership Group（GLG）に次のことをアドバイスする役割があります。

•新しい臨床上の疑問と優先度の高いトピック
•さまざまなアウトカムの相対的重要性
•ガイドラインの推奨事項に関するフィードバック

************
これらの作業を毎週とはすごい努力です・・・

AIによるCOVID-19 感染予測（将来28日間）
（googleが11月17日、新型コロナウイルス感染症（COVID-19）の感染予測（日本版）を公開）

https://datastudio.google.com/u/0/reporting/8224d512-a76e-4d38-91c1-935ba119eb8f/page/4KwoB?s=nXbF2P6La2M&fbclid=IwAR3i6q7Ip9Nrwm-Ch6yZw8WydZJH3TTuLxlQP9uKJwObh4hgUEM-KOWo6jI

監修した慶応大学グループ（慶應義塾大学 医療政策・管理学教室 教授 宮田裕章氏および研究室）の発表では、以下のように、精度が高いことを確認できたということです。
https://jp.techcrunch.com/2020/11/17/google-cloud-japan-covid-19-forecasts/
————————————————————————————–
予測モデルの精度検証では、特定の日付までのデータでトレーニングを行った後、その先28日間の予測データを出力させ、実測値と予測値を比較した。例えば10月1日までのデータでトレーニングを行った場合は、10月2日から30日までの予測値を出力させ、そのデータを同期間の実測値と比較している。検証の結果、一般的な疫学的コンパートメント モデルや検証用の米国データで十分な精度を示した簡易版モデルと比較して、この予測モデルの精度が優れていることを確認した。さらに28日間の予測以外の各種指標についても米国向けモデルと変わらない精度であることを確認した。

95%予測区間は確かに狭い・・・

オリジナルの英語版の論文では、ベイズアプローチに基づいておらずパラメータの事後確率を推定していないということを限界の一つとして述べています。
将来的にはベイジアンアプローチも考慮することも残しているとも。