論文の概要: Machine Learning the Phenomenology of COVID-19 From Early Infection Dynamics

• arxiv url: http://arxiv.org/abs/2003.07602v3
• Date: Fri, 3 Apr 2020 13:21:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 20:54:26.302820
• Title: Machine Learning the Phenomenology of COVID-19 From Early Infection Dynamics
• Title（参考訳）: 早期感染のダイナミクスからCOVID-19の現象を学習する
• Authors: Malik Magdon-Ismail
• Abstract要約: 我々は、その早期感染のダイナミクスから、新型コロナウイルスのパンデミックに関する堅牢なデータ駆動機械学習分析を提示する。 目標は、行動可能な公衆衛生の洞察を抽出することである。 私たちは、2020年1月20日に確認された最初の感染から始まる米国データに焦点を当てます。
• 参考スコア（独自算出の注目度）: 5.5332967798665305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a robust data-driven machine learning analysis of the COVID-19 pandemic from its early infection dynamics, specifically infection counts over time. The goal is to extract actionable public health insights. These insights include the infectious force, the rate of a mild infection becoming serious, estimates for asymtomatic infections and predictions of new infections over time. We focus on USA data starting from the first confirmed infection on January 20 2020. Our methods reveal significant asymptomatic (hidden) infection, a lag of about 10 days, and we quantitatively confirm that the infectious force is strong with about a 0.14% transition from mild to serious infection. Our methods are efficient, robust and general, being agnostic to the specific virus and applicable to different populations or cohorts.
• Abstract（参考訳）: 我々は、新型コロナウイルスのパンデミックに関するロバストなデータ駆動機械学習分析を、その初期感染動態、特に感染数から示す。 目標は、行動可能な公衆衛生の洞察を抽出することである。 これらの洞察には、感染力、軽度の感染率の深刻化、無症候性感染症の推定、新しい感染の予測などが含まれる。 私たちは2020年1月20日に確認された最初の感染から始まる米国のデータに注目します。 以上の結果から,無症候性(潜伏)感染症の発症期間は約10日であり,軽度感染から重篤感染への移行が0.14%程度であることが明らかとなった。 我々の方法は効率的で堅牢で、特定のウイルスに非依存であり、異なる集団やコホートに適用できる。

関連論文リスト

• COVID-19 Probability Prediction Using Machine Learning: An Infectious Approach [0.0]
  本研究は、新型コロナウイルス感染確率を予測するための高度な機械学習(ML)技術の適用について検討する。 我々はXGBoost, LGBM, AdaBoost, Logistic Regression, Decision Tree, RandomForest, CatBoost, KNN, Deep Neural Networks (DNN) などのMLモデルの有効性について厳密な調査を行った。 以上の結果から,Deep Neural Networks (DNN) が最高性能モデルとして登場し,精度が向上し,リコール指標が得られた。
  論文  参考訳（メタデータ） (2024-08-23T05:15:24Z)
• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• DNA: Differentially private Neural Augmentation for contact tracing [62.740950398187664]
  接触追跡はウイルスキャリアの早期検出による感染率の低下に有効な方法である。 我々は、分散化された接触追跡において、最先端技術のプライバシー保証を大幅に改善する。 この作業は、重要なプライバシー保証を維持しながら、ディープラーニングをコンタクトトレースに統合する上で、重要な第一歩となる。
  論文  参考訳（メタデータ） (2024-04-20T13:43:28Z)
• Population Age Group Sensitivity for COVID-19 Infections with Deep Learning [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、世界中の政府や医療システムにとって前例のない課題を生み出している。 この研究は、米国の郡レベルでの新型コロナウイルス感染率において最も影響力のある年齢層を特定することを目的としている。
  論文  参考訳（メタデータ） (2023-07-03T04:56:55Z)
• COVID-19 Detection from Exhaled Breath [0.4321423008988813]
  SARS-CoV-2は2019年に発生し、新型コロナウイルスのパンデミックを引き起こした。 本稿では,吐き気のみを利用する,安価で高速で非侵襲的な検知システムを提案する。 簡便な使用にもかかわらず,本システムは従来のポリメラーゼ鎖反応および抗原検査に匹敵する性能を示した。
  論文  参考訳（メタデータ） (2023-05-30T17:01:53Z)
• COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
  胸部X線撮影は、COVID-19の代替スクリーニング方法です。 コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。 この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T19:01:40Z)
• COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data for AI-driven COVID-19 analytics [116.6248556979572]
  COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。 肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
  論文  参考訳（メタデータ） (2021-03-18T03:31:33Z)
• Timely Tracking of Infection Status of Individuals in a Population [70.21702849459986]
  住民の感染状況のリアルタイム追跡について検討した。 この研究では、医療提供者が感染症から回復した人だけでなく、感染した人々も検出したいと考えています。
  論文  参考訳（メタデータ） (2020-12-24T18:49:22Z)
• Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
  大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。 プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。 本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
  論文  参考訳（メタデータ） (2020-10-23T17:06:07Z)
• A Data-driven Understanding of COVID-19 Dynamics Using Sequential Genetic Algorithm Based Probabilistic Cellular Automata [4.36572039512405]
  本研究は、この感染拡散の正確なデータ駆動モデリングのために、セルオートマトンが優れたプラットフォームを提供することを示唆する。 異なる大陸の40カ国で、新型コロナウイルスの統計分析が実施されている。 このモデルの実質的な予測力は、パンデミックのダイナミクスにおける主要なプレイヤーの結論とともに確立されている。
  論文  参考訳（メタデータ） (2020-08-27T09:53:21Z)
• Physics-informed machine learning for the COVID-19 pandemic: Adherence to social distancing and short-term predictions for eight countries [0.0]
  2020年上半期の新型コロナウイルスは、ほとんどの国が社会的な距離を測ることで、より大きく、より少ない範囲に制限された。 本研究では,地域レベルでの感染データと,社会的距離の分散効果を示す1つの数字を直接リンクする。 両極端にあるのはギリシャであり、一方が最高に崩壊し、他方がアメリカであり、他方が事実上平らな「デカイ」であることがわかった。
  論文  参考訳（メタデータ） (2020-08-18T21:26:30Z)

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。