論文の概要: Influence of Absolute Humidity, Temperature and Population Density on
COVID-19 Spread and Decay Durations: Multi-prefecture Study in Japan
- arxiv url: http://arxiv.org/abs/2006.02197v2
- Date: Tue, 21 Jul 2020 12:40:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 06:53:34.172890
- Title: Influence of Absolute Humidity, Temperature and Population Density on
COVID-19 Spread and Decay Durations: Multi-prefecture Study in Japan
- Title（参考訳）: 絶対湿度, 温度, 人口密度がcovid-19の拡散と崩壊期間に及ぼす影響--日本における多施設共同研究
- Authors: Essam A. Rashed, Sachiko Kodera, Jose Gomez-Tames, Akimasa Hirata
- Abstract要約: 本研究は、各都道府県における新型コロナウイルスの感染拡大と崩壊期間について分析した。
パンデミックの間、日本国内では手頃な医療が広く利用され、医療制度は崩壊には至らなかった。
- 参考スコア（独自算出の注目度）: 2.4469484645516837
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study analyzed the spread and decay durations of the COVID-19 pandemic
in different prefectures of Japan. During the pandemic, affordable healthcare
was widely available in Japan and the medical system did not suffer a collapse,
making accurate comparisons between prefectures possible. For the 16
prefectures included in this study that had daily maximum confirmed cases
exceeding ten, the number of daily confirmed cases follow bell-shape or
log-normal distribution in most prefectures. A good correlation was observed
between the spread and decay durations. However, some exceptions were observed
in areas where travelers returned from foreign countries, which were defined as
the origins of infection clusters. Excluding these prefectures, the population
density was shown to be a major factor affecting the spread and decay patterns,
with R2=0.39 (p<0.05) and 0.42 (p<0.05), respectively, approximately
corresponding to social distancing. The maximum absolute humidity was found to
affect the decay duration normalized by the population density (R2>0.36, p
<0.05). Our findings indicate that the estimated pandemic spread duration,
based on the multivariate analysis of maximum absolute humidity, ambient
temperature, and population density (adjusted R2=0.53, p-value<0.05), could
prove useful for intervention planning during potential future pandemics,
including a second COVID-19 outbreak.
- Abstract（参考訳）: 本研究は、各都道府県における新型コロナウイルスの感染拡大と崩壊期間を分析した。
パンデミックの際、日本では手頃な医療が広く普及し、医療制度の崩壊は起こらず、都道府県間の正確な比較が可能となった。
本研究に含まれている16都道府県の1日あたりの感染者数は10人を超えている。
拡散期間と崩壊期間との間に有意な相関が認められた。
しかし,海外から帰国した地域では,感染集団の起源と定義された例外も見られた。
これらの都道府県を除くと,R2=0.39 (p<0.05) と0.42 (p<0.05) の人口密度は,社会的な距離にほぼ対応している。
最大絶対湿度は人口密度 (r2>0.36, p <0.05) で正規化した崩壊期間に影響を与えることがわかった。
その結果, 最大絶対湿度, 環境温度, 人口密度(R2=0.53, p-value<0.05)の多変量解析から推定したパンデミック拡散期間は, 第2次COVID-19流行を含む将来のパンデミックの介入計画に有用であることが示唆された。
関連論文リスト
- Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Small Area Estimation of Case Growths for Timely COVID-19 Outbreak
Detection [4.478818286947472]
新型コロナウイルス(COVID-19)のパンデミックは世界経済に大きな影響を与え、人間の生活に大きな被害を与え続けている。
新型コロナウイルス(COVID-19)の感染拡大率は、流行の回復の効果的な検出と封じ込めを見積り、監視するための重要な疫学的パラメータである。
成長速度の推定とそれによるアウトブレイク検出における根本的な課題は、精度と速度のトレードオフのバランスにある。
我々は、この精度と速度のトレードオフをバランスさせる、Transfer Learning Generalized Random Forest (TLGRF)と呼ばれる機械学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2023-12-07T07:53:00Z) - Factors affecting the COVID-19 risk in the US counties: an innovative
approach by combining unsupervised and supervised learning [0.0]
新型コロナウイルスの感染リスクや死亡率に影響を及ぼす要因を郡レベルで分析した。
その結果、温度、貧困以下の人の割合、肥満、空気圧、人口密度、風速、経度、そして被保険者の比率が最も重要な属性であった。
論文 参考訳（メタデータ） (2021-06-24T04:29:00Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳（メタデータ） (2021-05-06T15:24:00Z) - STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological
Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。
stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。
我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文 参考訳（メタデータ） (2020-12-08T21:21:47Z) - COVID-19 Pandemic Outbreak in the Subcontinent: A data-driven analysis [0.8057708414390126]
2019年12月下旬、中国湖北省武漢市で新型コロナウイルス(COVID-19)が流行した。
多くの研究が、この亜大陸は新型コロナウイルスの影響で最悪の地域にとどまる可能性があると主張している。
本稿ではバングラデシュ、インド、パキスタンの公開疫学データを用いて再生数を推定する。
論文 参考訳（メタデータ） (2020-08-22T10:40:17Z) - Correlation between COVID-19 morbidity and mortality rates in Japan and
local population density, temperature and absolute humidity [2.750124853532831]
本研究は、各都道府県における新型コロナウイルス感染症の死亡率と死亡率について分析した。
死亡率と人口密度との間には軽度の相関が認められた。
低い死亡率と死亡率は、高温と絶対湿度で観測される。
論文 参考訳（メタデータ） (2020-07-28T08:41:43Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - 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) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z) - 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。