論文の概要: Quantifying the Effects of Contact Tracing, Testing, and Containment
Measures in the Presence of Infection Hotspots
- arxiv url: http://arxiv.org/abs/2004.07641v6
- Date: Thu, 10 Nov 2022 14:12:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 03:32:36.763293
- Title: Quantifying the Effects of Contact Tracing, Testing, and Containment
Measures in the Presence of Infection Hotspots
- Title(参考訳): 感染ホットスポットの存在下での接触追跡・検査・封入措置の効果の定量化
- Authors: Lars Lorch, Heiner Kremer, William Trouleau, Stratis Tsirtsis, Aron
Szanto, Bernhard Sch\"olkopf, and Manuel Gomez-Rodriguez
- Abstract要約: 複数の証拠は、一人が他の多くの人に感染するホットスポットが、新型コロナウイルスの感染動態において重要な役割を担っていることを強く示唆している。
個人が接触し、互いに感染するサイトへの訪問を具体的に表現する、時間的ポイントプロセスモデリングフレームワークを導入する。
我々のモデルでは、自然に感染した個体によって引き起こされる感染の数が過度に分散する。
- 参考スコア(独自算出の注目度): 18.227721607607183
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multiple lines of evidence strongly suggest that infection hotspots, where a
single individual infects many others, play a key role in the transmission
dynamics of COVID-19. However, most of the existing epidemiological models fail
to capture this aspect by neither representing the sites visited by individuals
explicitly nor characterizing disease transmission as a function of individual
mobility patterns. In this work, we introduce a temporal point process modeling
framework that specifically represents visits to the sites where individuals
get in contact and infect each other. Under our model, the number of infections
caused by an infectious individual naturally emerges to be overdispersed. Using
an efficient sampling algorithm, we demonstrate how to estimate the
transmission rate of infectious individuals at the sites they visit and in
their households using Bayesian optimization and longitudinal case data.
Simulations using fine-grained and publicly available demographic data and site
locations from Bern, Switzerland showcase the flexibility of our framework. To
facilitate research and analyses of other cities and regions, we release an
open-source implementation of our framework.
- Abstract(参考訳): 複数の証拠は、一人が他の多くの人に感染するホットスポットが、新型コロナウイルスの感染動態において重要な役割を果たすことを強く示唆している。
しかし、既存の疫学モデルのほとんどは、個人が訪れた場所を明示的に表現したり、個々の移動パターンの関数として病気の伝染を特徴づけたりすることで、この側面を捉えていない。
本研究では,個人が接触して感染するサイトへの訪問を具体的に表現する,時間的ポイントプロセスモデリングフレームワークを提案する。
我々のモデルでは、自然に感染した個体によって引き起こされる感染の数が過分散する。
効率的なサンプリングアルゴリズムを用いて, ベイズ最適化と縦型ケースデータを用いて, 訪問場所および世帯内における感染個体の感染率を推定する方法を示す。
スイスのベルンにある、きめ細かな人口統計データとサイトロケーションを用いたシミュレーションは、我々のフレームワークの柔軟性を示しています。
他の都市や地域の調査や分析を容易にするため,我々はフレームワークのオープンソース実装をリリースする。
関連論文リスト
- Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
大規模なデータセットのトレーニングによるスケーリングは、画像生成の品質と忠実度を高め、拡散モデルによる操作を可能にすることが示されている。
遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。
本研究は,異なる微調整方式と組み合わせた場合,様々なシナリオにおいて顕著な性能向上を示すものである。
論文 参考訳(メタデータ) (2024-12-30T01:59:34Z) - Epidemiology-informed Graph Neural Network for Heterogeneity-aware Epidemic Forecasting [46.63739322178277]
最近の研究では、異種時相の流行パターンを抽出する際の時空間ニューラルネットワーク(STGNN)の強い可能性を示している。
HeatGNNは、疫学的にインフォームドされた場所を、時間とともに自分自身の伝達メカニズムを反映するさまざまな場所に埋め込むことを学ぶ。
HeatGNNは、HeatHeatのさまざまな強力なベースラインを異なるサイズで上回る。
論文 参考訳(メタデータ) (2024-11-26T12:29:45Z) - Towards Graph Neural Network Surrogates Leveraging Mechanistic Expert Knowledge for Pandemic Response [41.94295877935867]
我々は、空間的かつ人口統計学的に解決された伝染病モデルを構築し、パンデミックの初期段階を表すデータセットのためのグラフニューラルネットワークを訓練する。
提案手法は、オンザフライ実行の可能性をもたらし、低バリアWebアプリケーションにおける病気のダイナミクスモデルの統合をもたらす。
論文 参考訳(メタデータ) (2024-11-10T15:54:09Z) - 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) - Adaptive Sequential Surveillance with Network and Temporal Dependence [1.7205106391379026]
戦略的なテストアロケーションは、パンデミックと既存のパンデミックの両方のコントロールにおいて重要な役割を果たしている。
感染症の監視は、ユニークな統計上の課題を提示する。
適応型シーケンシャル監視のためのオンライン・スーパーラーナーを提案する。
論文 参考訳(メタデータ) (2022-12-05T17:04:17Z) - Epicasting: An Ensemble Wavelet Neural Network (EWNet) for Forecasting
Epidemics [2.705025060422369]
感染性疾患は、世界中でヒトの病気や死亡の原因となっている。
感染拡大の予測は、利害関係者が目の前の状況に対処するのに役立つ。
論文 参考訳(メタデータ) (2022-06-21T19:31:25Z) - Epidemic inference through generative neural networks [0.0]
我々は、観測と互換性のある最も可能性の高い感染カスケードをサンプリングできる新しい生成ニューラルネットワークフレームワークを提案する。
このフレームワークは、感染の拡散を管理するパラメータを推測することができる。
論文 参考訳(メタデータ) (2021-11-05T10:40:10Z) - 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) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳(メタデータ) (2020-09-20T12:24:45Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳(メタデータ) (2020-09-02T02:50:30Z)
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。