Fugu-MT 論文翻訳(概要): Estimating COVID-19 cases and reproduction number in Mexico

論文の概要: Estimating COVID-19 cases and reproduction number in Mexico

arxiv url: http://arxiv.org/abs/2007.09117v1
Date: Fri, 17 Jul 2020 17:12:38 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 14:49:52.749036
Title: Estimating COVID-19 cases and reproduction number in Mexico
Title（参考訳）: メキシコにおけるcovid-19感染者の推計と繁殖数
Authors: Michelle Anzarut, Luis Felipe Gonz\'alez, Sonia Mendiz\'abal and Mar\'ia Teresa Ortiz
Abstract要約: メキシコの新型コロナウイルス(COVID-19)流行を説明するため、半機械的ベイズ階層モデルに適合する。感染数と再生数という2つの疫学的指標を得た。
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: In this report we fit a semi-mechanistic Bayesian hierarchical model to describe the Mexican COVID-19 epidemic. We obtain two epidemiological measures: the number of infections and the reproduction number. Estimations are based on death data. Hence, we expect our estimates to be more accurate than the attack rates estimated from the reported number of cases.
Abstract（参考訳）: 本報告では,メキシコのCOVID-19流行を説明するため,半機械的ベイズ階層モデルに適合する。我々は感染数と繁殖数という2つの疫学的指標を得た。推定は死亡データに基づいている。したがって, 報告された症例数から推定した攻撃率よりも, 推定値の正確さが期待できる。

関連論文リスト

Coronavirus disease situation analysis and prediction using machine learning: a study on Bangladeshi population [1.7188280334580195]
バングラデシュでは近年、死亡率と感染率の差が以前よりも大きくなっている。本研究では、機械学習モデルを識別し、今後数日の感染と死亡率を予測する予測システムを作成する。
論文参考訳（メタデータ） (2022-07-12T09:48:41Z)
Forecasting COVID- 19 cases using Statistical Models and Ontology-based Semantic Modelling: A real time data analytics approach [1.8008011356310047]
本研究では,SARIMA や FBProphet などの統計時系列モデルを用いて,COVID-19 の日常的,回復的,死亡例を正確にモニタリングする予測モデルを開発した。 COVID-19 Ontologyを開発し、設計したOntology上でSPARQLクエリを使用してさまざまなクエリを実行する。個別の症例予測では、約497件のサンプルが検査され、5種類の新型コロナウイルスクラスに分類されている。
論文参考訳（メタデータ） (2022-06-06T11:58:11Z)
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)
Forecasting COVID-19 Counts At A Single Hospital: A Hierarchical Bayesian Approach [59.318136981032]
一つの病院で1日当たりの入院患者数を予測するという課題について検討する。データのカウント特性を直接キャプチャする階層型ベイズモデルをいくつか開発する。マサチューセッツ州の8つの病院とイギリスの10の病院のパブリックデータセットに対する我々のアプローチを実証する。
論文参考訳（メタデータ） (2021-04-14T11:58:54Z)
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)
Classification supporting COVID-19 diagnostics based on patient survey data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文参考訳（メタデータ） (2020-11-24T17:44:01Z)
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)
Estimation of COVID-19 under-reporting in Brazilian States through SARI [0.0]
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。
論文参考訳（メタデータ） (2020-06-23T04:54:22Z)
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)

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。