Fugu-MT 論文翻訳(概要): Modeling and Simulation of COVID-19 Pandemic for Cincinnati Tri-State Area

論文の概要: Modeling and Simulation of COVID-19 Pandemic for Cincinnati Tri-State Area

arxiv url: http://arxiv.org/abs/2006.06021v2
Date: Mon, 15 Jun 2020 16:33:10 GMT
ステータス: 処理完了
システム内更新日: 2023-05-16 02:40:54.459460
Title: Modeling and Simulation of COVID-19 Pandemic for Cincinnati Tri-State Area
Title（参考訳）: シンシナティ三州地域におけるCOVID-19パンデミックのモデル化とシミュレーション
Authors: Michael Rechtin, Vince Feldman, Sam Klare, Nathan Riddle, Rajnikant Sharma
Abstract要約: シンシナティ三州地域では、SIRモデルを用いて新型コロナウイルスのパンデミックをシミュレートしている。職場に戻ると第2波が出現し、店頭でパニックに遭うと、感染が著しく増加することが判明した。
参考スコア（独自算出の注目度）: 0.5512295869673147
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we use SIR model to simulate the COVID-19 pandemic for Cincinnati Tri-State Area. We have built a representative population of Cincinnati that includes movements for traveling to stores, schools, workplaces, and traveling to friends houses. Using this model, we simulate the effect of quarantine, return to work, and panic buying. We show that that there will be a second wave of infections when people return to work and significant increase in number of infections when there is panic buying at stores with the announcement of the quarantine measures.
Abstract（参考訳）: 本稿では,シンシナティ三州地域でのCOVID-19パンデミックをシミュレートするためにSIRモデルを用いる。我々はシンシナティの代表的人口を築き、店舗、学校、職場、友人の家に旅行する動きを含む。このモデルを用いて、隔離、職場復帰、パニック購入の効果をシミュレーションする。検疫措置の発表により、職場復帰時の感染の第2波と、店舗でのパニック購入時の感染数が大幅に増加することが判明した。

関連論文リスト

Event Detection from Social Media for Epidemic Prediction [76.90779562626541]
ソーシャルメディア投稿から疫病関連事象を抽出・分析する枠組みを構築した。実験では、新型コロナウイルスベースのSPEEDで訓練されたEDモデルが、3つの目に見えない流行の流行を効果的に検出する方法が明らかにされている。モンキーポックスのWHO流行宣言より4～9週間早く,抽出した事象の報告が急激な増加を示すことを示す。
論文参考訳（メタデータ） (2024-04-02T06:31:17Z)
Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文参考訳（メタデータ） (2023-07-28T08:01:05Z)
Epidemic Control Modeling using Parsimonious Models and Markov Decision Processes [2.4149105714758545]
新型コロナウイルス(COVID-19)のパンデミックの第2波は、ヒトの健康に害を与えやすいため、はるかに危険である。本稿では,遅延時間分布や回復時間分布によらず,病原体の不確実な拡散をシミュレートする,同種の流行モデルを提案する。
論文参考訳（メタデータ） (2022-06-23T12:45:13Z)
Understanding the Impact of the COVID-19 Pandemic on Transportation-related Behaviors with Human Mobility Data [36.99572681309649]
中国本土での新型コロナウイルスの感染拡大は、最近このウイルスとの戦いの成功例と見なされている。私たちは、Baidu Mapsから集めた膨大な量の人的移動データを使って、パンデミックの最中の人々の詳細な反応を調べています。
論文参考訳（メタデータ） (2022-02-16T10:32:39Z)
Multi-layer network approach in modeling epidemics in an urban town [0.0]
都市部における実生活を高解像度で表現するための新しい多層ネットワークモデルを提案する。我々のシミュレーションは、"フレンドシップ"層をロックダウンすることは、流行の減速に最も影響していることを示している。
論文参考訳（メタデータ） (2021-09-06T07:44:50Z)
Forecast Analysis of the COVID-19 Incidence in Lebanon: Prediction of Future Epidemiological Trends to Plan More Effective Control Programs [0.0]
レバノンにおけるcovid-19の拡散をエージェントベースのモデルを用いてシミュレーションする。シミュレーション中に、異なる非薬学介入を導入することができる。我々は、予防接種キャンペーンがまだ国で遅い間、学校の開校を遅らせる方が良いと結論付けました。
論文参考訳（メタデータ） (2021-05-11T08:07:03Z)
Policy-Aware Mobility Model Explains the Growth of COVID-19 in Cities [36.94575237918065]
新型コロナウイルスの感染拡大を遅らせるためには、非医薬品の介入を考慮する必要がある。都市内モビリティと政策導入を新しいメタポピュレーションSEIRモデルに組み込むことで、米国の都市における複雑なCOVID-19成長パターンを正確に予測できることを示す。
論文参考訳（メタデータ） (2021-02-21T07:39:17Z)
C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods Ahead of COVID-19 Outbreak [54.39837683016444]
C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。 C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
論文参考訳（メタデータ） (2020-12-22T17:02:54Z)
Steering a Historical Disease Forecasting Model Under a Pandemic: Case of Flu and COVID-19 [75.99038202534628]
我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
論文参考訳（メタデータ） (2020-09-23T22:35:43Z)
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 machine learning methodology for real-time forecasting of the 2019-2020 COVID-19 outbreak using Internet searches, news alerts, and estimates from mechanistic models [53.900779250589814]
提案手法は,2日前の安定かつ正確な予測を行うことができる。我々のモデルでは,中国32州中27州において,ベースラインモデルよりも予測力が優れています。
論文参考訳（メタデータ） (2020-04-08T14:39:32Z)

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。