論文の概要: Analyzing the Design Space of Re-opening Policies and COVID-19 Outcomes
in the US
- arxiv url: http://arxiv.org/abs/2005.00112v3
- Date: Wed, 29 Jul 2020 02:17:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-21 16:55:44.904319
- Title: Analyzing the Design Space of Re-opening Policies and COVID-19 Outcomes
in the US
- Title（参考訳）: 米国における再オープン政策とCOVID-19アウトカムのデザイン空間の分析
- Authors: Chaoqi Yang, Ruijie Wang, Fangwei Gao, Dachun Sun, Jiawei Tang, Tarek
Abdelzaher
- Abstract要約: 近年の米国での再開政策は、社会格差緩和の期間を経て、毎日の新型コロナウイルス感染が大幅に増加した。
我々は、ソーシャルネットワークの研究にインスパイアされたモデルを導入し、その疑問に答える。
我々のモデルは、(強制的な)テストの利点が部分的閉鎖の利点を隠蔽していると予測し、おそらくもっと多くの努力がそのような緩和戦略に向けられるべきであることを示唆している。
- 参考スコア（独自算出の注目度）: 5.74610768062625
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent re-opening policies in the US, following a period of social distancing
measures, introduced a significant increase in daily COVID-19 infections,
calling for a roll-back or substantial revisiting of these policies in many
states. The situation is suggestive of difficulties modeling the impact of
partial distancing/re-opening policies on future epidemic spread for purposes
of choosing safe alternatives. More specifically, one needs to understand the
impact of manipulating the availability of social interaction venues (e.g.,
schools, workplaces, and retail establishments) on virus spread. We introduce a
model, inspired by social networks research, that answers the above question.
Our model compartmentalizes interaction venues into categories we call mixing
domains, enabling one to predict COVID-19 contagion trends in different
geographic regions under different what if assumptions on partial re-opening of
individual domains. We apply our model to several highly impacted states
showing (i) how accurately it predicts the extent of current resurgence (from
available policy descriptions), and (ii) what alternatives might be more
effective at mitigating the second wave. We further compare policies that rely
on partial venue closure to policies that espouse wide-spread periodic testing
instead (i.e., in lieu of social distancing). Our models predict that the
benefits of (mandatory) testing out-shadow the benefits of partial venue
closure, suggesting that perhaps more efforts should be directed to such a
mitigation strategy.
- Abstract（参考訳）: 近年の米国での再開政策は、社会格差の期間を経て、新型コロナウイルスの毎日の感染が大幅に増加し、多くの州でこうした政策のロールバックや実質的な見直しが求められている。
この状況は、安全な代替案を選択するために、今後の流行に対する部分的分散・再開放政策の影響をモデル化することの難しさを示唆している。
より具体的には、ウイルス拡散に対する社会交流施設(学校、職場、小売店など)の可利用性を操作することの影響を理解する必要がある。
ソーシャルネットワークの研究にインスパイアされたモデルを導入し、上記の疑問に答える。
本モデルでは,対話会場を混合ドメインと呼ぶカテゴリに分割し,個別ドメインの部分的再開を前提として,異なる地域における新型コロナウイルス感染傾向を予測する。
私たちのモデルは、非常に影響の大きいいくつかの州に当てはまります
(i)現在の復活の程度(利用可能な方針記述から)をいかに正確に予測するか、及び
(ii)第2の波の緩和に有効な選択肢は何か。
さらに、部分的な場所閉鎖に依存する政策と、広範に周期的なテストを行う政策(社会的距離の代わりに)を比較する。
我々のモデルは、部分的な閉鎖の利点よりも(強制的な)テストの利点が優先されると予想しており、そのような緩和戦略にもっと努力を向けるべきであることを示唆している。
関連論文リスト
- Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。
合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
論文 参考訳（メタデータ） (2023-10-24T01:00:01Z) - Hallucinated Adversarial Control for Conservative Offline Policy
Evaluation [64.94009515033984]
本研究では,環境相互作用のオフラインデータセットが与えられた場合,政策のパフォーマンスを低く抑えることを目的とした,保守的非政治評価(COPE)の課題について検討する。
本稿では,遷移力学の不確実性を考慮した学習モデルに基づくHAMBOを紹介する。
結果のCOPE推定値が妥当な下界であることを証明し、正則性条件下では、真に期待された戻り値への収束を示す。
論文 参考訳（メタデータ） (2023-03-02T08:57:35Z) - Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top
exploration [53.122045119395594]
マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。
$m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。
ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
論文 参考訳（メタデータ） (2023-01-30T12:22:30Z) - Estimating Geographic Spillover Effects of COVID-19 Policies From
Large-Scale Mobility Networks [54.90772000796717]
郡レベルの政策は地域間の柔軟性を提供するが、地理的な流出がある場合には効果が低下する可能性がある。
我々は、数十億のタイムスタンプを持つ移動ネットワークを用いて、流出量を推定する。
郡レベルの制限は、モビリティを減らすための州全体の制限と同等に有効である。
論文 参考訳（メタデータ） (2022-12-12T20:16:54Z) - Compartmental Models for COVID-19 and Control via Policy Interventions [0.0]
確率型プログラミング言語(PPL)のツールキットを用いてSARS-CoV-2パンデミックの拡散を再現し予測する手法を実証する。
我々のゴールは、様々なモデリング仮定の影響を調査し、感染症の拡散を制限するために制定された政策介入を動機づけることである。
我々は疫学者ではない。この研究の唯一の目的は、新型コロナウイルスの政策決定が現実世界に与える影響を直接推測するのではなく、方法の展示として機能することである。
論文 参考訳（メタデータ） (2022-03-06T02:50:54Z) - A Hybrid Compartmental Model with a Case Study of COVID-19 in Great
Britain and Israel [1.0312968200748118]
私たちは、政府管理の制約の異なるシナリオをモデル化するのに十分な、ネットワークベースのモデルを構築します。
計算負荷を軽減するために,本モデルに対する分解戦略を提案する。
論文 参考訳（メタデータ） (2022-02-02T18:43:05Z) - Assessing the Causal Impact of COVID-19 Related Policies on Outbreak
Dynamics: A Case Study in the US [19.901831180866132]
新型コロナウイルスの感染拡大抑制における非医薬品政策の因果的影響の分析は、今後の政策決定にとって重要である。
ここでの課題は、保存されていない共同設立者の存在(例えば、住民の警戒)である。
本稿では,異なる郡における新型コロナウイルス関連政策の流行動態に対する因果的影響を評価することの問題点について検討する。
論文 参考訳（メタデータ） (2021-05-29T00:40:24Z) - 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) - Off-policy Evaluation in Infinite-Horizon Reinforcement Learning with
Latent Confounders [62.54431888432302]
無限水平エルゴードマルコフ決定過程におけるOPE問題について考察する。
我々は、状態と行動の潜在変数モデルのみを考慮すれば、政策値が政治外のデータから特定できることを示す。
論文 参考訳（メタデータ） (2020-07-27T22:19:01Z) - 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。