> Detailanzeige

US COVID-19 Forecast Hub Consortium [VerfasserIn]; Cramer, Estee Y. [VerfasserIn]; Huang, Yuxin [VerfasserIn]; Wang, Yijin [VerfasserIn]; Ray, Evan L. [VerfasserIn]; Cornell, Matthew [VerfasserIn]; Bracher, Johannes [VerfasserIn]; Brennen, Andrea [VerfasserIn]; Rivadeneira, Alvaro J. Castro [VerfasserIn]; Gerding, Aaron [VerfasserIn]; House, Katie [VerfasserIn]; Jayawardena, Dasuni [VerfasserIn]; Kanji, Abdul Hannan [VerfasserIn]; Khandelwal, Ayush [VerfasserIn]; Le, Khoa [VerfasserIn]; Mody, Vidhi [VerfasserIn]; Mody, Vrushti [VerfasserIn]; Niemi, Jarad [VerfasserIn]; Stark, Ariane [VerfasserIn]; Shah, Apurv [VerfasserIn]; Wattanchit, Nutcha [VerfasserIn]; Zorn, Martha W. [VerfasserIn]; Reich, Nicholas G. [VerfasserIn]; Gneiting, Tilmann [VerfasserIn]; [...]

The United States COVID-19 Forecast Hub dataset

Literatur-
verwaltung

Zur
Merkliste

Lösche von
Merkliste

Per Whatsapp teilen

Schließen

Merkliste



Sie können Bookmarks mittels Listen verwalten, loggen Sie sich dafür bitte in Ihr SLUB Benutzerkonto ein.
  • Medientyp: Sonstige Veröffentlichung; E-Artikel
  • Titel: The United States COVID-19 Forecast Hub dataset
  • Beteiligte: US COVID-19 Forecast Hub Consortium [VerfasserIn]; Cramer, Estee Y. [VerfasserIn]; Huang, Yuxin [VerfasserIn]; Wang, Yijin [VerfasserIn]; Ray, Evan L. [VerfasserIn]; Cornell, Matthew [VerfasserIn]; Bracher, Johannes [VerfasserIn]; Brennen, Andrea [VerfasserIn]; Rivadeneira, Alvaro J. Castro [VerfasserIn]; Gerding, Aaron [VerfasserIn]; House, Katie [VerfasserIn]; Jayawardena, Dasuni [VerfasserIn]; Kanji, Abdul Hannan [VerfasserIn]; Khandelwal, Ayush [VerfasserIn]; Le, Khoa [VerfasserIn]; Mody, Vidhi [VerfasserIn]; Mody, Vrushti [VerfasserIn]; Niemi, Jarad [VerfasserIn]; Stark, Ariane [VerfasserIn]; Shah, Apurv [VerfasserIn]; Wattanchit, Nutcha [VerfasserIn]; Zorn, Martha W. [VerfasserIn]; Reich, Nicholas G. [VerfasserIn]; Gneiting, Tilmann [VerfasserIn]; [...]
  • Erschienen: Nature Research, 2022-08-17
  • Erschienen in: Scientific Data, 9 (1), Art.-Nr.: 462 ; ISSN: 2052-4463, 2052-4436
  • Sprache: Englisch
  • DOI: https://doi.org/10.5445/IR/1000150017; https://doi.org/10.1038/s41597-022-01517-w
  • ISSN: 2052-4463; 2052-4436
  • Schlagwörter: Mathematics
  • Entstehung:
  • Anmerkungen: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Beschreibung: Academic researchers, government agencies, industry groups, and individuals have produced forecasts at an unprecedented scale during the COVID-19 pandemic. To leverage these forecasts, the United States Centers for Disease Control and Prevention (CDC) partnered with an academic research lab at the University of Massachusetts Amherst to create the US COVID-19 Forecast Hub. Launched in April 2020, the Forecast Hub is a dataset with point and probabilistic forecasts of incident cases, incident hospitalizations, incident deaths, and cumulative deaths due to COVID-19 at county, state, and national, levels in the United States. Included forecasts represent a variety of modeling approaches, data sources, and assumptions regarding the spread of COVID-19. The goal of this dataset is to establish a standardized and comparable set of short-term forecasts from modeling teams. These data can be used to develop ensemble models, communicate forecasts to the public, create visualizations, compare models, and inform policies regarding COVID-19 mitigation. These open-source data are available via download from GitHub, through an online API, and through R packages.
  • Zugangsstatus: Freier Zugang