論文の概要: Two Burning Questions on COVID-19: Did shutting down the economy help? Can we (partially) reopen the economy without risking the second wave?

• arxiv url: http://arxiv.org/abs/2005.00072v2
• Date: Sun, 10 May 2020 15:52:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 05:50:58.013474
• Title: Two Burning Questions on COVID-19: Did shutting down the economy help? Can we (partially) reopen the economy without risking the second wave?
• Title（参考訳）: 新型コロナウイルスに関する2つの燃える質問:経済の閉鎖は助けになったか? 第2波を危険にさらすことなく(一部)経済を再開できますか。
• Authors: Anish Agarwal, Abdullah Alomar, Arnab Sarker, Devavrat Shah, Dennis Shen, Cindy Yang
• Abstract要約: 我々は、厳しい移動制限を強制する国からの毎日の死亡データを用いて、米国に対する移動制限介入の効果を推定する。 厳格な移動制限を解除し、適度な移動制限のみを維持することは、実質的に曲線をフラットにしているように思われる。 これは、人口の安全、医療システムの緊張、経済への影響のトレードオフを評価するためのガイダンスを提供することを期待している。
• 参考スコア（独自算出の注目度）: 19.04489948308079
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As we reach the apex of the COVID-19 pandemic, the most pressing question facing us is: can we even partially reopen the economy without risking a second wave? We first need to understand if shutting down the economy helped. And if it did, is it possible to achieve similar gains in the war against the pandemic while partially opening up the economy? To do so, it is critical to understand the effects of the various interventions that can be put into place and their corresponding health and economic implications. Since many interventions exist, the key challenge facing policy makers is understanding the potential trade-offs between them, and choosing the particular set of interventions that works best for their circumstance. In this memo, we provide an overview of Synthetic Interventions (a natural generalization of Synthetic Control), a data-driven and statistically principled method to perform what-if scenario planning, i.e., for policy makers to understand the trade-offs between different interventions before having to actually enact them. In essence, the method leverages information from different interventions that have already been enacted across the world and fits it to a policy maker's setting of interest, e.g., to estimate the effect of mobility-restricting interventions on the U.S., we use daily death data from countries that enforced severe mobility restrictions to create a "synthetic low mobility U.S." and predict the counterfactual trajectory of the U.S. if it had indeed applied a similar intervention. Using Synthetic Interventions, we find that lifting severe mobility restrictions and only retaining moderate mobility restrictions (at retail and transit locations), seems to effectively flatten the curve. We hope this provides guidance on weighing the trade-offs between the safety of the population, strain on the healthcare system, and impact on the economy.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)パンデミックの頂点に達するにつれ、最も差し迫った疑問は、第2の波を危険にさらすことなく経済を部分的に再開できるのかということだ。 まず、経済のシャットダウンが役に立ったかどうかを理解する必要がある。 もしそうなら、経済を部分的に開放しつつ、パンデミックに対する戦争で同様の利益を達成することは可能だろうか? そのためには,様々な介入の効果とそれに伴う健康・経済的影響を理解することが不可欠である。 多くの介入が存在するため、政策立案者が直面する重要な課題は、それらの間の潜在的なトレードオフを理解し、その状況に最適な特定の介入を選択することである。 本報告では,データ駆動型かつ統計的に原則化されたシナリオプランニング,すなわち政策立案者が実際に実施する前に,異なる介入間のトレードオフを理解するための手法であるSynthetic Interventionsの概要について述べる。 基本的に、この方法は、既に世界中で制定された様々な介入の情報を利用して、政策立案者の関心の設定に適合し、例えば、米国に対する移動制限介入の効果を推定する。我々は、厳しい移動制限を強制する国からの毎日の死亡データを用いて、「合成低移動U」を作成し、もしそれが実際に同様の介入を適用したなら、アメリカの反現実的軌道を予測する。 総合的な介入を用いて, 重度な移動制限を解除し, 適度な移動制限のみを保持することが, 効果的に曲線を平坦化すると考えられる。 これは、人口の安全、医療システムの緊張、経済への影響のトレードオフを評価するためのガイダンスを提供することを期待している。

関連論文リスト

• A New Paradigm for Counterfactual Reasoning in Fairness and Recourse [12.119272303766056]
  この文献における対実的推論の伝統的なパラダイムは、介入的対実的である。 このパラダイムの本質的な制限は、一部の人口統計学的介入が、介入的反事実の形式主義に変換されないことである。 そこで本研究では,バックトラック対策に基づく新たなパラダイムについて検討する。
  論文  参考訳（メタデータ） (2024-01-25T04:28:39Z)
• Mobility Segregation Dynamics and Residual Isolation During Pandemic Interventions [0.0]
  本研究では,パンデミック時の外的ショックによる移動性分離ネットワークの再編成について検討する。 ボゴタ、ジャカルタ、ロンドン、ニューヨークという4つの都市で、匿名化とプライバシー保護のモビリティデータを構築しています。 その結果,第1のロックダウンは各都市における移動性分離の著しい増加を招いたのに対し,移動性制限の緩やかさは社会経済集団間の孤立を必ずしも減少させなかった。
  論文  参考訳（メタデータ） (2023-10-05T14:08:44Z)
• Zero-shot causal learning [64.9368337542558]
  CaMLは因果メタラーニングフレームワークであり、各介入の効果をタスクとしてパーソナライズした予測を定式化する。 トレーニング時に存在しない新規介入のパーソナライズされた効果を予測することができることを示す。
  論文  参考訳（メタデータ） (2023-01-28T20:14:11Z)
• The interaction of transmission intensity, mortality, and the economy: a retrospective analysis of the COVID-19 pandemic [1.1083289076967895]
  我々は、2020年1月から2022年12月までのSARS-CoV-2パンデミックにおける、欧州25カ国における感染、死亡、経済の相互作用について検討した。 疾病感染の増大はグロス国内総生産(GDP)を減少させ、毎日の過剰死を増大させる。 本結果は,多種多様な対人インタラクションから重要な経済活動が発生するという直感的な現象を補強するものである。
  論文  参考訳（メタデータ） (2022-10-31T18:11:17Z)
• SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction [59.064925464991056]
  ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。 SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。 公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
  論文  参考訳（メタデータ） (2021-12-05T01:49:18Z)
• The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning [126.37520136341094]
  機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。 AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。 単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
  論文  参考訳（メタデータ） (2021-08-05T17:42:35Z)
• Impact of Interventional Policies Including Vaccine on Covid-19 Propagation and Socio-Economic Factors [0.7874708385247353]
  本研究の目的は、新型コロナウイルスの伝播と社会経済的影響をモデル化、予測、シミュレーションするための予測分析フレームワークを提供することである。 私たちは最近ローンチしたオープンソースのCOVID-19ビッグデータプラットフォームを活用し、公開研究を使用して潜在的に関連する変数を見つけました。 先進的な機械学習パイプラインは、現代的な機械学習アーキテクチャにデプロイされた自己進化モデルを用いて開発された。
  論文  参考訳（メタデータ） (2021-01-11T15:08:07Z)
• Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
  われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。 一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
  論文  参考訳（メタデータ） (2020-06-23T03:36:19Z)
• COVID-ABS: An Agent-Based Model of COVID-19 Epidemic to Simulate Health and Economic Effects of Social Distancing Interventions [0.0]
  SARS-CoV-2による新型コロナウイルスのパンデミックは、世界中の公衆衛生と経済に直接影響を与えている。 本稿では、パンデミックのダイナミクスをシミュレートする新しいSEIR(Susceptible-Exposed-Infected-Recovered)エージェントモデルであるCOVID-ABSを提案する。
  論文  参考訳（メタデータ） (2020-06-09T03:44:48Z)
• A Deep Q-learning/genetic Algorithms Based Novel Methodology For Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
  我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。 報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。 どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
  論文  参考訳（メタデータ） (2020-05-15T17:17:45Z)
• 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。