論文の概要: A Malaria Control Model Using Mobility Data: An Early Explanation of
Kedougou's Case in Senegal
- arxiv url: http://arxiv.org/abs/2004.06482v1
- Date: Sun, 12 Apr 2020 12:44:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-25 02:19:38.691206
- Title: A Malaria Control Model Using Mobility Data: An Early Explanation of
Kedougou's Case in Senegal
- Title（参考訳）: 移動量データを用いたマラリアコントロールモデル:セネガルにおけるケドゥーグウ症例の早期説明
- Authors: Lynda Bouzid Khiri, Ibrahima Gueye, Hubert Naacke, Idrissa Sarr and
St\'ephane Gan\c{c}arski
- Abstract要約: 本論文は, 訪問する地域の移動性や特徴に依存する, 個人状態の日々の進化に依拠するモデルを提案する。
その結果,ケドゥグウ地域での疾患管理の失敗に関する知見を提供する上で,モデルがいかに有望かが示唆された。
- 参考スコア（独自算出の注目度）: 1.2599533416395767
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Studies in malaria control cover many areas such as medicine, sociology,
biology, mathematic, physic, computer science and so forth. Researches in the
realm of mathematic are conducted to predict the occurrence of the disease and
to support the eradication process. Basically, the modeling methodology is
predominantly deterministic and differential equation based while selecting
clinical and biological features that seem to be important. Yet, if the
individual characteristics matter when modeling the disease, the overall
estimation of the malaria is not done based on the health status of each
individual but in a non-specified percentage of the global population. The goal
of this paper is to propose a model that relies on a daily evolution of the
individual's state, which depends on their mobility and the characteristics of
the area they visit. Thus, the mobility data of a single person moving from one
area to another, gathered thanks to mobile networks, is the essential building
block to predict the outcome of the disease. We implement our solution and
demonstrate its effectiveness through empirical experiments. The results show
how promising the model is in providing possible insights into the failure of
the disease control in the Kedougou region.
- Abstract（参考訳）: マラリア管理の研究は、医学、社会学、生物学、数学、物理学、コンピュータ科学など、多くの分野をカバーする。
数学の領域における研究は、病気の発生を予測し、根絶プロセスを支援するために行われる。
基本的に、モデリング手法は主に決定論的および微分方程式に基づいており、重要な臨床および生物学的特徴を選択する。
しかし、病気をモデル化する際に個々の特性が重要である場合、マラリアの全体的な推定は個人の健康状態に基づいてではなく、世界人口の非特定割合で行われる。
本研究の目的は,個人の移動性や訪問する地域の特性に依拠して,個人の状態の日々の進化に依存するモデルを提案することである。
したがって,移動ネットワークによって収集された地域から別の地域へ移動した一人の移動データが,病気の発症を予測するための重要なビルディングブロックである。
ソリューションを実装し,実証実験によってその効果を実証する。
その結果,ケドゥグウ地域での疾患管理の失敗に関する知見を提供する上で,モデルがいかに有望かが示唆された。
関連論文リスト
- Predictors of disease outbreaks at continentalscale in the African region: Insights and predictions with geospatial artificial intelligence using earth observations and routine disease surveillance data [0.0]
この研究はアフリカ大陸の大部分(約17,885,000 km2)をカバーしている。
マラリア,コレラ,髄膜炎,黄熱病の症例数について,まずグローバルおよび局所的自己相関法を適用した。
次に、機械学習を用いて、第2級行政区におけるこれらの疾患の週次存在を予測した。
論文 参考訳（メタデータ） (2024-11-10T11:43:51Z) - Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。
特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。
本稿では,これらのベクトル場をワッサーシュタイン多様体上で積分するメタフローマッチング(Meta Flow Matching, MFM)を提案する。
論文 参考訳（メタデータ） (2024-08-26T20:05:31Z) - Modeling, Inference, and Prediction in Mobility-Based Compartmental Models for Epidemiology [5.079807662054658]
疾患の伝達と制御の鍵となる要因として,個人の移動が紹介される。
各区画の移動度分布関数を用いて, 疾患の動態を特徴付ける。
感染集団の時系列から移動度分布を推定する。
論文 参考訳（メタデータ） (2024-06-17T18:13:57Z) - 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) - Domain Invariant Model with Graph Convolutional Network for Mammogram
Classification [49.691629817104925]
グラフ畳み込みネットワークを用いたドメイン不変モデル(DIM-GCN)を提案する。
まず,潜伏変数を病原性その他の疾患関連部位に明示的に分解するベイズネットワークを提案する。
マクロな特徴をよりよく捉えるために、我々は、GCN(Graph Convolutional Network)を介して、観察された臨床特性を再構築の目的として活用する。
論文 参考訳（メタデータ） (2022-04-21T08:23:44Z) - 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) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳（メタデータ） (2021-01-13T03:20:20Z) - 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) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z) - 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 [0.0]
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。
論文 参考訳（メタデータ） (2020-04-12T19:34:12Z)
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。