論文の概要: Detecting Areas of Potential High Prevalence of Chagas in Argentina
- arxiv url: http://arxiv.org/abs/2001.00604v1
- Date: Thu, 2 Jan 2020 19:34:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 03:41:11.595991
- Title: Detecting Areas of Potential High Prevalence of Chagas in Argentina
- Title（参考訳）: アルゼンチンにおけるチャガス発生率の高い地域の検出
- Authors: Antonio Vazquez Brust, Tomas Olego, German Rosati, Carolina Lang,
Guillermo Bozzoli, Diego Weinberg, Roberto Chuit, Martin A. Minnoni, Carlos
Sarraute
- Abstract要約: 空間分散度の高いChagas病(ChD)の有病率を示す。
これは、ChDと高い親和性と高い健康上の脆弱性を特徴とするGran Chacoエコリージョン(ChDの超越性)の外側の領域を検出することを目的としている。
- 参考スコア（独自算出の注目度）: 0.12647816797166164
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: A map of potential prevalence of Chagas disease (ChD) with high spatial
disaggregation is presented. It aims to detect areas outside the Gran Chaco
ecoregion (hyperendemic for the ChD), characterized by high affinity with ChD
and high health vulnerability.
To quantify potential prevalence, we developed several indicators: an
Affinity Index which quantifies the degree of linkage between endemic areas of
ChD and the rest of the country. We also studied favorable habitability
conditions for Triatoma infestans, looking for areas where the predominant
materials of floors, roofs and internal ceilings favor the presence of the
disease vector.
We studied determinants of a more general nature that can be encompassed
under the concept of Health Vulnerability Index. These determinants are
associated with access to health providers and the socio-economic level of
different segments of the population.
Finally we constructed a Chagas Potential Prevalence Index (ChPPI) which
combines the affinity index, the health vulnerability index, and the population
density. We show and discuss the maps obtained. These maps are intended to
assist public health specialists, decision makers of public health policies and
public officials in the development of cost-effective strategies to improve
access to diagnosis and treatment of ChD.
- Abstract（参考訳）: 高空間的解離を伴うchagas病(chd)の有病率マップを示した。
これは、ChDと高い親和性と高い健康上の脆弱性を特徴とするGran Chacoエコリージョン外の領域(ChDの超越性)を検出することを目的としている。
そこで我々は,ChDの内因性領域と他国との連関度を定量化するアフィニティ指標(Affinity Index)を考案した。
また, 床, 屋根, 天井の主成分が病原体の存在に有利な地域を探索し, トリオ藻の生息環境について検討した。
健康脆弱性指数(health vulnerability index)という概念の下で包含できる,より一般的な性質の決定要因について検討した。
これらの決定要因は、健康提供者へのアクセスと、人口の異なるセグメントの社会経済的レベルと関連している。
最後に,親和性指標,健康脆弱性指数,人口密度を組み合わせたchppi(chagas potential exposure index)を構築した。
得られた地図を示し、議論する。
これらの地図は、公衆衛生の専門家、公衆衛生政策の決定者、およびChDの診断と治療へのアクセスを改善するための費用対効果戦略の開発を支援することを目的としている。
関連論文リスト
- Decoding Urban-health Nexus: Interpretable Machine Learning Illuminates
Cancer Prevalence based on Intertwined City Features [1.4010916616909745]
年齢、少数派、人口密度は、がんの流行の最も大きな要因である。
緑地の増加、開発途上国の減少、総排出量の削減は、がんの流行を緩和する可能性がある。
論文 参考訳（メタデータ） (2023-06-20T18:56:37Z) - Mixed Attention with Deep Supervision for Delineation of COVID Infection
in Lung CT [0.24366811507669117]
新しい深層学習アーキテクチャであるMiADS-Net(Mixed Attention Deeply Supervised Network)を提案する。
MiADS-Netは、COVID-19病変のセグメンテーションタスクにおいて、最先端のアーキテクチャよりも優れています。
論文 参考訳（メタデータ） (2023-01-17T15:36:27Z) - Graph Attention Networks Unveil Determinants of Intra- and Inter-city
Health Disparity [0.0]
複数の異質な都市の特徴は、都市や異なる都市の様々な地区で病気の流行を調節する可能性がある。
本研究は, 肥満, 糖尿病, 癌, 心臓病の4病型において, 人口動態, 人口動態, 人口移動, 都市内および都市間格差について検討した。
論文 参考訳（メタデータ） (2022-10-18T20:17:17Z) - The adoption of non-pharmaceutical interventions and the role of digital
infrastructure during the COVID-19 Pandemic in Colombia, Ecuador, and El
Salvador [0.0]
コロンビア、エクアドル、エルサルバドルでのCOVID-19パンデミックの第1波におけるNPI付着の要因について検討した。
モビリティ低下とデジタルインフラストラクチャの品質との間には,大きな相関関係がある。
モビリティ低下とデジタルインフラストラクチャの品質の関連性は、NPIの制約のピーク時に強くなる。
論文 参考訳（メタデータ） (2022-02-24T13:15:17Z) - Label scarcity in biomedicine: Data-rich latent factor discovery
enhances phenotype prediction [102.23901690661916]
低次元の埋め込み空間は、健康指標、ライフスタイル、および人口動態の予測をデータスカース化するために、英国バイオバンクの人口データセットから導出することができる。
半超越的アプローチによるパフォーマンス向上は、おそらく様々な医学データサイエンス応用にとって重要な要素となるだろう。
論文 参考訳（メタデータ） (2021-10-12T16:25:50Z) - BEV-Net: Assessing Social Distancing Compliance by Joint People
Localization and Geometric Reasoning [77.08836528980248]
新型コロナウイルス(COVID-19)の感染拡大を受け、公衆衛生に不可欠なソーシャルディスタンシング(ソーシャルディスタンシング)が注目されている。
本研究では,広視野カメラを用いた公共空間における視覚的ソーシャル・ディスタンシング・コンプライアンス・アセスメントの課題について考察する。
鳥眼ビュー(BEV)下での注釈付き群集シーンのデータセットと距離測定のための地上真実を紹介する。
マルチブランチネットワークであるBEV-Netは、世界座標における個人をローカライズし、ソーシャルディスタンシングに違反する高リスク領域を特定するために提案されている。
論文 参考訳（メタデータ） (2021-10-10T23:56:37Z) - Exploring the Scope and Potential of Local Newspaper-based Dengue
Surveillance in Bangladesh [1.181206257787103]
デング熱は21世紀の公衆衛生問題の一つと考えられている。
このような地域では、監視のきめ細かいレベルを強制することは、非常に不可能である。
進行中の状況をタイムリーに更新できる代替のコスト効果ソリューションを探究することが不可欠である。
論文 参考訳（メタデータ） (2021-07-07T18:48:15Z) - Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。
本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。
深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
論文 参考訳（メタデータ） (2021-05-31T19:28:17Z) - Approximate Bayesian Computation for an Explicit-Duration Hidden Markov
Model of COVID-19 Hospital Trajectories [55.786207368853084]
新型コロナウイルス(COVID-19)のパンデミックの中、病院の資源をモデル化する問題に取り組んでいます。
幅広い適用性のために、関心のある領域の患者レベルデータが利用できない、一般的なが困難なシナリオに注目します。
本稿では,ACED-HMM(ACED-HMM)と呼ばれる集合数正規化隠れマルコフモデルを提案する。
論文 参考訳（メタデータ） (2021-04-28T15:32:42Z) - C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods
Ahead of COVID-19 Outbreak [54.39837683016444]
C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。
C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。
新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
論文 参考訳（メタデータ） (2020-12-22T17:02:54Z) - Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。
技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。
個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
論文 参考訳（メタデータ） (2020-04-16T15:53:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。