美国新冠疫情的病例与超额死亡率分析

本项目按疫情波次分析新冠肺炎病例率与超额死亡率

📊 美国COVID-19疫情波次分析

小组成员： -高硕远 -主乙乔 所属课程： 生物统计620 —健康数据科学导论 所属院校 -密歇根大学安娜堡分校公共卫生学院 GitHub 储存库： -新冠疫情分析

🔍 项目概述

此项目分析了自2020年1月到2025年4月间，美国在三次主要新冠疫情浪潮中确诊病例与超额死亡率的变化趋势。通过州级的每周数据（包括确诊病例数、实际死亡数与预期死亡数），我们构建了统计模型来量化疫情的影响，并进行未来趋势的预测。

我们探讨了：

• 疫情波动识别通过病例数、死亡率和超额死亡率的时间序列图，识别三次主要疫情波动。

• 各州严重程度差异分析每一波疫情中，各州疫情严重程度的变异情况。

• 毒力建模通过病例致死率（CFR）对病毒毒力进行建模。

• 跨波预测能力使用线性回归、LOESS 局部回归和样条模型对疫情波进行跨期预测。

📈 关键发现

• 第一波（2020年3月–6月）：病例致死率（CFR）最高，达 4.5%，美国东北部受灾最严重。
• 第二波（2020年10月–2021年2月）：死亡人数最多的一波，影响范围广泛。
• 第三波（2021年7月–10月）：因医疗手段改进与疫苗接种，CFR 明显下降，但部分地区死亡率依然偏高。

模型洞察： 在预测超额死亡率方面，非线性模型（如样条回归、LOESS）优于线性模型，尤其是在使用某一波疫情数据训练并在另一波上测试时表现更佳。

📄 报告获取方式

📘 点击下载最终报告 (PDF) 🗂️ GitHub 储存库
📍 完整报告中包含各波疫情的指标分析、死亡率地图、病例致死率（CFR）图表，以及模型比较图。

🧪 工具与方法

• 编程语言与使用库： R，ggplot2，dplyr，splines，loess
• 数据来源：
  • 美国疾病控制与预防中心（CDC）：新冠疫情死亡数
  • 美国疾病控制与预防中心（CDC）： 新冠疫情病例数据集
  • 美国人口普查局：州级人口估算数据

🧠 致谢

本项目为密歇根大学 BIOS 620 课程的课程项目。我们由衷感谢 Dylan Cable 教授与助教（GSI）Yize Hao 在整个项目过程中给予的指导与支持。