我希望这个问题在 CrossValidated 的范围内（我认为是这样，因为它最终是关于统计分析和机器学习的，我不是在寻找个人意见，而是在寻找评论或调查，例如基于预先注册的预测）：
背景
由于众所周知的原因，例如行为变化或政策干预（这会导致与时间相关的繁殖率）或群体内的异质性（亚群之间的繁殖率不同），对像 Covid-19 这样的流行病进行建模是很困难的。
鉴于这些挑战以及提供准确预测的相关性，许多研究人员试图提供运行良好的模型，以告知公众和政策制定者未来 Covid-19 病例、住院和死亡的时间和规模。
问题：
在经历了近两年的大流行之后：科学界是否已经达成共识，Covid-19 病例的预测效果如何（例如，基于预先登记的预测）？如果某些类别的模型比其他模型工作得更好，有什么实现吗？
一些进一步的信息：
International Journal of Forecasting中有一篇经常被引用的文章，标题为“COVID-19 的预测失败”
流行病预测的记录可疑，而 COVID-19 的失败更加突出。数据输入不佳、建模假设错误、估计的高度敏感性、缺乏流行病学特征的结合、过去关于可用干预措施效果的证据不足、缺乏透明度、错误、缺乏确定性、仅考虑问题的一个或几个方面目前，缺乏关键学科的专业知识、群体思维和潮流效应以及选择性报告是这些失败的一些原因。
然而，至少有一位作者似乎在社区中受到争议。因此，我不知道这篇文章是否反映了该领域的主流观点。特别是因为似乎还有其他更积极的文章（至少关于短期预测）：
结论 多模型预测的集合可以通过评估未来的资源需求和发病率和死亡率的预期人口影响，为应对 Covid-19 大流行的政策提供信息。