論文の概要: Data-Driven Methods to Monitor, Model, Forecast and Control Covid-19
Pandemic: Leveraging Data Science, Epidemiology and Control Theory
- arxiv url: http://arxiv.org/abs/2006.01731v2
- Date: Wed, 10 Jun 2020 15:25:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 07:56:57.555686
- Title: Data-Driven Methods to Monitor, Model, Forecast and Control Covid-19
Pandemic: Leveraging Data Science, Epidemiology and Control Theory
- Title（参考訳）: 新型コロナウイルス(covid-19)パンデミックの監視、モデル化、予測、制御のためのデータ駆動手法--データサイエンス、疫学、制御理論の活用
- Authors: Teodoro Alamo, D. G. Reina, Pablo Mill\'an
- Abstract要約: この文書は、コビッドウイルスのパンデミックにおけるデータ駆動手法の役割を分析する。
3M分析: モニタリング、モデリング、意思決定。
その焦点は、パンデミックによって引き起こされたさまざまな課題に対処する、よく知られたデータ駆動型スキームの可能性にある。
- 参考スコア（独自算出の注目度）: 1.5469452301122177
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This document analyzes the role of data-driven methodologies in Covid-19
pandemic. We provide a SWOT analysis and a roadmap that goes from the access to
data sources to the final decision-making step. We aim to review the available
methodologies while anticipating the difficulties and challenges in the
development of data-driven strategies to combat the Covid-19 pandemic. A
3M-analysis is presented: Monitoring, Modelling and Making decisions. The focus
is on the potential of well-known datadriven schemes to address different
challenges raised by the pandemic: i) monitoring and forecasting the spread of
the epidemic; (ii) assessing the effectiveness of government decisions; (iii)
making timely decisions. Each step of the roadmap is detailed through a review
of consolidated theoretical results and their potential application in the
Covid-19 context. When possible, we provide examples of their applications on
past or present epidemics. We do not provide an exhaustive enumeration of
methodologies, algorithms and applications. We do try to serve as a bridge
between different disciplines required to provide a holistic approach to the
epidemic: data science, epidemiology, controltheory, etc. That is, we highlight
effective data-driven methodologies that have been shown to be successful in
other contexts and that have potential application in the different steps of
the proposed roadmap. To make this document more functional and adapted to the
specifics of each discipline, we encourage researchers and practitioners to
provide feedback. We will update this document regularly.
- Abstract（参考訳）: この文書は、コビッドウイルスパンデミックにおけるデータ駆動手法の役割を分析する。
SWOT分析と、データソースへのアクセスから最終的な意思決定ステップまでのロードマップを提供します。
我々は、コビッドウイルスのパンデミックと戦うためのデータ駆動型戦略の開発における困難と課題を予測しつつ、利用可能な方法論を見直しることを目指している。
3M分析: モニタリング、モデリング、意思決定。
パンデミックによって引き起こされたさまざまな課題に対処する、よく知られたデータ駆動スキームの可能性に焦点が当てられている。
一 疫病の流行をモニタリングし、予知すること。
二 政府の決定の有効性を評価すること。
(iii)タイムリーな決定をする。
ロードマップの各ステップは、統合された理論結果のレビューと、Covid-19コンテキストにおけるそれらの潜在的な応用を通じて詳細に記述されている。
可能であれば、過去の流行や現在の流行にその応用例を提供する。
方法論、アルゴリズム、アプリケーションの完全な列挙は提供していません。
データサイエンス、疫学、制御理論など、流行に総合的なアプローチを提供するために必要なさまざまな分野の橋渡しを試みています。
つまり、他のコンテキストで成功し、提案されたロードマップの異なるステップで潜在的な応用が示されている効率的なデータ駆動方法論に注目します。
この文書をより機能的にし、各分野の仕様に適合させるため、研究者や実践者がフィードバックを提供することを奨励する。
この文書を定期的に更新します。
関連論文リスト
- A Review of Graph Neural Networks in Epidemic Modeling [14.28921518883576]
新型コロナウイルスのパンデミックが始まって以来、疫学モデルの研究への関心が高まっている。
グラフニューラルネットワーク(Graph Neural Networks)は、伝染病の研究において、徐々に人気が高まっているツールだ。
論文 参考訳（メタデータ） (2024-03-28T21:54:48Z) - Domain Generalization for Medical Image Analysis: A Survey [13.34575578242635]
本稿では,MedIAに適した領域一般化研究を包括的にレビューする。
ドメイン一般化手法を,データレベル,特徴レベル,モデルレベル,分析レベルに分類する。
データ取得からモデル予測,解析に至るまで,これらの手法がMedIAワークフローの様々な段階においてどのように利用できるかを示す。
論文 参考訳（メタデータ） (2023-10-05T09:31:58Z) - SoK: Privacy-Preserving Data Synthesis [72.92263073534899]
本稿では,プライバシ保護データ合成(PPDS)に注目し,その分野の総合的な概要,分析,議論を行う。
PPDSでは,統計的手法と深層学習(DL)に基づく手法の2つの顕著な研究を統一するマスターレシピを作成した。
論文 参考訳（メタデータ） (2023-07-05T08:29:31Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Towards a Unified Pandemic Management Architecture: Survey, Challenges
and Future Directions [1.1470070927586016]
SARS-CoV-2は、世界中の健康、経済、社会に前例のない影響を与えている。
疫学、臨床、生理学のデータを収集し、緩和策について決定を下そうとしている。
IoT(Internet of Things)とエッジコンピューティングの進歩は、データ収集とインテリジェントな計算を通じて、パンデミック管理のためのソリューションを提供する。
我々は、IoTとエッジコンピューティングを活用する統一的なパンデミック管理アーキテクチャを構想し、ワクチン配布、動的ロックダウン、移動スケジューリング、パンデミック予測の推奨を自動化する。
論文 参考訳（メタデータ） (2022-02-04T02:01:02Z) - Deep Learning Schema-based Event Extraction: Literature Review and
Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。
本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文 参考訳（メタデータ） (2021-07-05T16:32:45Z) - Digital Epidemiology: A review [0.0]
疫学は近年、計算モデルに基づく大きな進歩を目撃している。
ビッグデータとアプリによって、大規模な実データによるモデルの検証と精錬が可能になる。
エボラは、システム解を必要とするため、複雑性のレンズからアプローチする必要がある。
論文 参考訳（メタデータ） (2021-04-08T08:45:20Z) - STOPPAGE: Spatio-temporal Data Driven Cloud-Fog-Edge Computing Framework
for Pandemic Monitoring and Management [28.205715426050105]
行政政策の改善とパンデミック対策のための準備を強化するための分析枠組みを開発することは絶対的に必要である。
本稿では,STOPと呼ばれる時空間知識マイニングフレームワークを提案し,時間スケールの異なる大規模地域における人間の移動性や文脈情報の影響をモデル化する。
i)fog/edgeベースのアーキテクチャを使用したs-temporal data and computing infrastructure、(ii)s-temporal data analyticsモジュールで、異種データソースから知識を効率的に抽出する。
論文 参考訳（メタデータ） (2021-04-04T12:29:31Z) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳（メタデータ） (2020-10-28T10:58:59Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳（メタデータ） (2020-02-05T21:35:29Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。