論文の概要: Continuous Learning and Inference of Individual Probability of
SARS-CoV-2 Infection Based on Interaction Data
- arxiv url: http://arxiv.org/abs/2006.04646v3
- Date: Sun, 31 Jan 2021 07:43:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 02:45:18.359905
- Title: Continuous Learning and Inference of Individual Probability of
SARS-CoV-2 Infection Based on Interaction Data
- Title(参考訳): 相互作用データに基づくsars-cov-2感染確率の連続学習と推測
- Authors: Shangching Liu (1), Koyun Liu (1), Hwaihai Chiang (1), Jianwei Zhang
(2), Tsungyao Chang (1) ((1) Synergies Intelligent Systems, Inc., (2)
University of Hamburg)
- Abstract要約: 本研究は,SARS-CoV-2ウイルスの非感染性キャリアーの確率を,対話型連続学習と,感染性ランキングのための個別確率推定(CLIIP)を用いて決定する新しい手法を提案する。
従来の接触追跡法と比較して,非血縁性ウイルスキャリアーの探索に必要なスクリーニングと検疫を最大94%削減する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study presents a new approach to determine the likelihood of
asymptomatic carriers of the SARS-CoV-2 virus by using interaction-based
continuous learning and inference of individual probability (CLIIP) for
contagious ranking. This approach is developed based on an individual directed
graph (IDG), using multi-layer bidirectional path tracking and inference
searching. The IDG is determined by the appearance timeline and spatial data
that can adapt over time. Additionally, the approach takes into consideration
the incubation period and several features that can represent real-world
circumstances, such as the number of asymptomatic carriers present. After each
update of confirmed cases, the model collects the interaction features and
infers the individual person's probability of getting infected using the status
of the surrounding people. The CLIIP approach is validated using the
individualized bidirectional SEIR model to simulate the contagion process.
Compared to traditional contact tracing methods, our approach significantly
reduces the screening and quarantine required to search for the potential
asymptomatic virus carriers by as much as 94%.
- Abstract(参考訳): 本研究は,SARS-CoV-2ウイルスの非感染性キャリアーの確率を,対話型連続学習とCLIIP(inference of individual probability)を用いて判定する方法を提案する。
このアプローチは、多層双方向経路追跡と推論探索を用いて、個人指向グラフ(IDG)に基づいて開発されている。
IDGは、時間とともに適応できる出現タイムラインと空間データによって決定される。
さらに、このアプローチはインキュベーション期間と、無症状キャリアの数など現実世界の状況を表すいくつかの特徴を考慮に入れている。
確認された症例の更新後、モデルが相互作用の特徴を収集し、周囲の人々の状況を利用して個人が感染する確率を推測する。
CLIIPアプローチは、個別化された双方向SEIRモデルを用いて、感染過程をシミュレートする。
従来の接触追跡法と比較して,無症候性ウイルスキャリアの探索に必要なスクリーニングと隔離を最大94%削減した。
関連論文リスト
- Continually Evolved Multimodal Foundation Models for Cancer Prognosis [50.43145292874533]
がん予後は、患者の予後と生存率を予測する重要なタスクである。
これまでの研究では、臨床ノート、医療画像、ゲノムデータなどの多様なデータモダリティを統合し、補完的な情報を活用している。
既存のアプローチには2つの大きな制限がある。まず、各病院の患者記録など、各種のトレーニングに新しく到着したデータを組み込むことに苦慮する。
第二に、ほとんどのマルチモーダル統合手法は単純化された結合やタスク固有のパイプラインに依存しており、モダリティ間の複雑な相互依存を捉えることができない。
論文 参考訳(メタデータ) (2025-01-30T06:49:57Z) - Estimating Individual Dose-Response Curves under Unobserved Confounders from Observational Data [6.166869525631879]
本稿では,連続治療の因果効果を推定するための新しいフレームワークであるContiVAEについて述べる。
ContiVAEは既存の手法を最大62%上回り、その堅牢性と柔軟性を示す。
論文 参考訳(メタデータ) (2024-10-21T07:24:26Z) - Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳(メタデータ) (2024-07-28T02:42:36Z) - 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) - TsFeX: Contact Tracing Model using Time Series Feature Extraction and
Gradient Boosting [0.0]
本研究は、新型コロナウイルスに感染した他人と接触した可能性がある個人を識別する自動機械学習システムを提案する。
本稿では、感染した人物に近づいたかどうかを効果的に予測する最適解モデルにたどり着く際のアプローチについて述べる。
論文 参考訳(メタデータ) (2021-11-29T11:12:38Z) - COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital
Contact Tracing [68.68882022019272]
COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。
1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
論文 参考訳(メタデータ) (2020-10-30T00:47:01Z) - Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。
プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。
本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
論文 参考訳(メタデータ) (2020-10-23T17:06:07Z) - 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) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳(メタデータ) (2020-07-07T21:04:55Z) - CRISP: A Probabilistic Model for Individual-Level COVID-19 Infection
Risk Estimation Based on Contact Data [6.0785913977668935]
本稿では,SEIRモデルに基づく集団内感染の確率的グラフィカルモデルを提案する。
当社のマイクロレベルモデルでは、各時点の感染状況が記録されており、感染、感染、感染、回復まで様々です。
これは、個々のレベルの接触データに基づいて、新型コロナウイルスの感染拡大を効率的に推測する最初のモデルである。
論文 参考訳(メタデータ) (2020-06-09T04:25:56Z)
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。