論文の概要: A kinetic model for qualitative understanding and analysis of the effect
of complete lockdown imposed by India for controlling the COVID-19 disease
spread by the SARS-CoV-2 virus
- arxiv url: http://arxiv.org/abs/2004.05684v1
- Date: Sun, 12 Apr 2020 19:34:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-25 02:18:30.084888
- Title: A kinetic model for qualitative understanding and analysis of the effect
of complete lockdown imposed by India for controlling the COVID-19 disease
spread by the SARS-CoV-2 virus
- Title（参考訳）: インドによるSARS-CoV-2ウイルス感染拡大に対する完全ロックダウンの効果の質的理解と解析のための速度論的モデル
- Authors: Raj Kishore, Prashant Kumar Jha, Shreeja Das, Dheeresh Agarwal, Tanmay
Maloo, Hansraj Pegu, Devadatta Sahoo, Ankita Singhal, Kisor K. Sahu
- Abstract要約: 現在進行中のSARS-CoV-2ウイルスによる世界的なパンデミックは、世界中に波及している。
インド連邦政府は翌日から全土が完全に封鎖されたという前例のない発表を行った。
本研究は、インド領の96%以上をカバーする運動モデルを用いて、この決定の意味を科学的に分析することを目的とする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The present ongoing global pandemic caused by SARS-CoV-2 virus is creating
havoc across the world. The absence of any vaccine as well as any definitive
drug to cure, has made the situation very grave. Therefore only few effective
tools are available to contain the rapid pace of spread of this disease, named
as COVID-19. On 24th March, 2020, the the Union Government of India made an
announcement of unprecedented complete lockdown of the entire country effective
from the next day. No exercise of similar scale and magnitude has been ever
undertaken anywhere on the globe in the history of entire mankind. This study
aims to scientifically analyze the implications of this decision using a
kinetic model covering more than 96% of Indian territory. This model was
further constrained by large sets of realistic parameters pertinent to India in
order to capture the ground realities prevailing in India, such as: (i) true
state wise population density distribution, (ii) accurate state wise infection
distribution for the zeroth day of simulation (20th March, 2020), (iii)
realistic movements of average clusters, (iv) rich diversity in movements
patterns across different states, (v) migration patterns across different
geographies, (vi) different migration patterns for pre- and post-COVID-19
outbreak, (vii) Indian demographic data based on the 2011 census, (viii) World
Health Organization (WHO) report on demography wise infection rate and (ix)
incubation period as per WHO report. This model does not attempt to make a
long-term prediction about the disease spread on a standalone basis; but to
compare between two different scenarios (complete lockdown vs. no lockdown). In
the framework of model assumptions, our model conclusively shows significant
success of the lockdown in containing the disease within a tiny fraction of the
population and in the absence of it, it would have led to a very grave
situation.
- Abstract（参考訳）: 現在進行中のSARS-CoV-2ウイルスによる世界的なパンデミックは世界中に波及している。
ワクチンの欠如と、治療のための決定的な薬の欠如により、この状況は非常に深刻になった。
そのため、新型コロナウイルス(COVID-19)と呼ばれるこの病気の急速な拡散のペースを抑える有効なツールはほとんどない。
2020年3月24日、インド政府は翌日から全土が完全に封鎖されたと発表した。
人類史上、地球上のどこでも同様の規模や大きさの運動は行われていない。
本研究の目的は、インド領の96%以上をカバーする運動モデルを用いて、この決定が与える影響を科学的に分析することである。
このモデルは、インドで普及している地上の現実を捉えるために、インドに関係する多くの現実的パラメーターによってさらに制約された。
(i)真の状態賢明な人口密度分布。
二 シミュレーションのゼロ日(2020年3月20日)の正確な状態賢明な感染分布
(iii)平均クラスターの現実的な動き。
(iv)各州にまたがる運動パターンの多様性
(v)異なる地形にまたがる移動パターン。
(vi)新型コロナウイルスの感染拡大前後の異なる移行パターン
(vii)2011年国勢調査に基づくインド人の人口統計。
(viii)世界保健機関(WHO)による検診における感染率と感染率に関する報告
(ix)who報告によるインキュベーション期間。
このモデルは、病気が単独で広まることを長期予測しようとはせず、2つの異なるシナリオ(完全なロックダウンとロックダウンなし)を比較する。
モデル仮定の枠組みでは,本モデルでは人口のごく一部にこの疾患を包含するロックダウンが顕著に成功し,それがないと非常に重大な状況に陥りかねない。
関連論文リスト
- Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance
of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。
我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。
スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文 参考訳（メタデータ） (2023-07-28T08:01:05Z) - Epidemic Control Modeling using Parsimonious Models and Markov Decision
Processes [2.4149105714758545]
新型コロナウイルス(COVID-19)のパンデミックの第2波は、ヒトの健康に害を与えやすいため、はるかに危険である。
本稿では,遅延時間分布や回復時間分布によらず,病原体の不確実な拡散をシミュレートする,同種の流行モデルを提案する。
論文 参考訳（メタデータ） (2022-06-23T12:45:13Z) - Can Self Reported Symptoms Predict Daily COVID-19 Cases? [12.029443053416399]
機械学習モデルを開発し、自己報告症状を用いてCOVID-19の流行を推定する。
その結果,グローバルモデルとは対照的に,局所モデルに対する誤差が低かった。
この研究は、オンラインプラットフォームを介して収集されたクラウドソースデータに基づいて開発されたモデルが、既存の疫学的監視インフラストラクチャを補完できることを示しています。
論文 参考訳（メタデータ） (2021-05-18T07:26:09Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳（メタデータ） (2021-05-06T15:24:00Z) - Steering a Historical Disease Forecasting Model Under a Pandemic: Case
of Flu and COVID-19 [75.99038202534628]
我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。
我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
論文 参考訳（メタデータ） (2020-09-23T22:35:43Z) - Projections for COVID-19 spread in India and its worst affected five
states using the Modified SEIRD and LSTM models [3.0507203596180488]
本論文は、インドにおける新型コロナウイルス感染を予測するための修正SEIRD(Susceptible-Exposed-Incovered-Recovered-Deceased)モデルを提案する。
修正SEIRDモデルから得られた投射もLSTMによる30日間の投射と比較した。
この論文で示された結果は、インドに広がる新型コロナウイルス(COVID-19)を抑えるための今後の政策決定のためのビーコンとして機能する。
論文 参考訳（メタデータ） (2020-09-07T07:38:10Z) - COVID-19 Pandemic Outbreak in the Subcontinent: A data-driven analysis [0.8057708414390126]
2019年12月下旬、中国湖北省武漢市で新型コロナウイルス(COVID-19)が流行した。
多くの研究が、この亜大陸は新型コロナウイルスの影響で最悪の地域にとどまる可能性があると主張している。
本稿ではバングラデシュ、インド、パキスタンの公開疫学データを用いて再生数を推定する。
論文 参考訳（メタデータ） (2020-08-22T10:40:17Z) - Analysis of COVID-19 cases in India through Machine Learning: A Study of
Intervention [3.4483987421251516]
新型コロナウイルス(COVID-19)のパンデミックと闘うため、世界は予防接種、プラズマ療法、予防接種、疫学的な介入をほとんど選択肢がない。
本研究では,従来のSIRモデルにおける疫学的介入を取り入れた介入を伴うSIRモデルを提案する。
我々は、2020年9月30日までに、インド全土とインドの一部州で、アクティブで回復した新型コロナウイルスの感染者の予測数を提示するとともに、予測されたケースの95%と99%の信頼区間を推定した。
論文 参考訳（メタデータ） (2020-08-17T05:45:50Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z)
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。