यह शोधपत्र संयुक्त राज्य अमेरिका में प्रति सप्ताह दैनिक अस्पताल में भर्ती होने की भविष्यवाणी के लिए एक नवीन समानांतर-धारा दीर्घकालिक स्मृति (LSTM) ढाँचा प्रस्तुत करता है। COVID-19 महामारी के दौरान मौजूदा पूर्वानुमान मॉडलों की अशुद्धि को दूर करने के लिए, हम सामाजिक अस्पताल निकटता (SPH) को शामिल करते हैं, जो मेटा के सामाजिक संपर्क सूचकांक पर आधारित एक स्थानिक-कालिक विशेषता है। SPH साप्ताहिक जनसंख्या आंदोलन को दर्शाकर स्थान और समय के साथ संचरण की गतिशीलता को दर्शाता है। हमारा मॉडल अल्पकालिक और दीर्घकालिक दोनों प्रकार की लौकिक निर्भरताओं को दर्शाता है, और एक बहु-क्षैतिज समूह रणनीति के माध्यम से पूर्वानुमान की स्थिरता और त्रुटि को समायोजित करता है। प्रस्तावित मॉडल की श्रेष्ठता की पुष्टि डेल्टा और ओमिक्रॉन वेरिएंट प्रसार अवधि के दौरान COVID-19 पूर्वानुमान हब समूह मॉडल के साथ तुलनात्मक मूल्यांकन द्वारा की जाती है। हम डेटा निष्कासन प्रयोगों के माध्यम से एसपीएच की पूर्वानुमान क्षमता को प्रमाणित करते हैं, तथा संक्रामक रोग प्रसार के जटिल महामारी विज्ञान मॉडलिंग में स्थानिक-कालिक विशेषताओं के महत्व पर प्रकाश डालते हैं।