論文の概要: Estimation of COVID-19 under-reporting in Brazilian States through SARI
- arxiv url: http://arxiv.org/abs/2006.12759v2
- Date: Mon, 5 Apr 2021 15:06:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-13 01:12:46.071721
- Title: Estimation of COVID-19 under-reporting in Brazilian States through SARI
- Title（参考訳）: ブラジルにおけるSARIによる新型コロナウイルスの減量効果の推定
- Authors: Balthazar Paix\~ao, Lais Baroni, Rebecca Salles, Luciana Escobar,
Carlos de Sousa, Marcel Pedroso, Raphael Saldanha, Rafaelli Coutinho, Fabio
Porto, Eduardo Ogasawara
- Abstract要約: 本報告ではブラジルの州で発生した新型コロナウイルスの感染状況と死亡状況について概説する。
その結果,ブラジルの同地域では,低報告率が州によって大きく異なること,また州全体の一般的なパターンが存在しないことが示唆された。
- 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: Due to its impact, COVID-19 has been stressing the academy to search for
curing, mitigating, or controlling it. However, when it comes to controlling,
there are still few studies focused on under-reporting estimates. It is
believed that under-reporting is a relevant factor in determining the actual
mortality rate and, if not considered, can cause significant misinformation.
Therefore, the objective of this work is to estimate the under-reporting of
cases and deaths of COVID-19 in Brazilian states using data from the Infogripe
on notification of Severe Acute Respiratory Infection (SARI). The methodology
is based on the concepts of inertia and the use of event detection techniques
to study the time series of hospitalized SARI cases. The estimate of real cases
of the disease, called novelty, is calculated by comparing the difference in
SARI cases in 2020 (after COVID-19) with the total expected cases in recent
years (2016 to 2019) derived from a seasonal exponential moving average. The
results show that under-reporting rates vary significantly between states and
that there are no general patterns for states in the same region in Brazil.
The published version of this paper is made available at
https://doi.org/10.1007/s00354-021-00125-3.
Please cite as: B. Paix\~ao, L. Baroni, M. Pedroso, R. Salles, L. Escobar, C.
de Sousa, R. de Freitas Saldanha, J. Soares, R. Coutinho, et al., 2021,
Estimation of COVID-19 Under-Reporting in the Brazilian States Through SARI,
New Generation Computing
- Abstract（参考訳）: その影響から、新型コロナウイルス(covid-19)はアカデミーに対して、治療、緩和、制御を求めるよう圧力をかけている。
しかし、制御に関しては、未報告の見積もりに焦点を絞った研究は少ない。
報告不足は実際の死亡率を決定する重要な要因であり、考慮されていない場合、重大な誤報を引き起こす可能性があると考えられている。
本研究の目的は、重症急性呼吸器感染症(SARI)の告知に関するインフォグリペのデータを用いて、ブラジルの州における新型コロナウイルスの感染状況と死亡率の過少報告を推定することである。
この方法論は慣性の概念と事象検出技術を用いて入院サリー症例の時系列を研究することに基づいている。
新規性」と呼ばれる本疾患の実例の推計は、2020年(COVID-19以降)のSARI患者と、季節的な指数移動平均から得られた近年(2016年～2019年)の総感染者の差を比較することで算出される。
その結果,ブラジルの同地域では,低報告率が州によって大きく異なり,州全体の一般的なパターンが存在しないことがわかった。
この論文の公開バージョンはhttps://doi.org/10.1007/s00354-021-00125-3で利用可能である。
B. Paix\~ao, L. Baroni, M. Pedroso, R. Salles, L. Escobar, C. de Sousa, R. de Freitas Saldanha, J. Soares, R. Coutinho, et al., 2021, Estimation of COVID-19 Under-Reporting in the Brazil States through SARI, New Generation Computing
関連論文リスト
- Machine learning approaches for localized lockdown during COVID-19: a
case study analysis [0.0]
Sars-CoV-2は、世界的なパンデミックとなった重要な急性呼吸器疾患として登場した。
ブラジルは、国家と自治体の社会経済的差異が大きいため、ウイルス対策に苦慮している。
本研究では,ブラジルの新型コロナウイルスデータに適用したさまざまな機械学習アルゴリズムとディープラーニングアルゴリズムを用いた新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-01-03T15:32:06Z) - COVID-19 cases prediction using regression and novel SSM model for
non-converged countries [0.0]
2020年1月20日から7月21日まで、新たに新型コロナウイルスに関する情報が収集された。
収束していない国では,SARIMAX,線形回帰モデルを用いて新たな新型コロナウイルス感染者を予想した。
本フレームワークは,インド,米国,ブラジルなどの各国において,このパンデミックの線形回帰と転倒を利用したR-Squared値0.986のピークコロナ症例を予測できる。
論文 参考訳（メタデータ） (2021-06-04T13:02:08Z) - Meteorological and human mobility data on predicting COVID-19 cases by a
novel hybrid decomposition method with anomaly detection analysis: a case
study in the capitals of Brazil [0.7734726150561086]
ブラジルの首都におけるcovid-19感染者数と人の移動率,気象データとの関係を分析した。
本研究では,Ensemble Empirical Mode Decomposition (EEMD)法とAutoregressive Integrated Average Exogenous inputs (ARIMAX)法を組み合わせた予測手法を提案する。
論文 参考訳（メタデータ） (2021-05-10T02:06:51Z) - 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) - 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) - Data-driven Identification of Number of Unreported Cases for COVID-19:
Bounds and Limitations [10.796851110372593]
正確な長期予測を妨げる重要な要因は、報告されていない/症状のないケースの数である。
報告された症例の要因として, 実例のこの比率の下位境界, 上限を同定できることが示唆された。
報告されていないケースの数を一定期間のみ確実に推定できることを実証する。
論文 参考訳（メタデータ） (2020-06-03T09:39:50Z) - 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) - Flattening the curves: on-off lock-down strategies for COVID-19 with an
application to Brazi [0.0]
この研究は、新型コロナウイルス(COVID-19)が最も研究の浅い国、ブラジルにどのように影響するかをよりよく理解しようと試みている。
ブラジルのいくつかの州はロックダウン状態です。
この研究は、そのような終了がウイルスの局所的な進化に与える影響を考察する。
論文 参考訳（メタデータ） (2020-04-15T07:37:08Z) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳（メタデータ） (2020-04-02T21:49:14Z)
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。