論文の概要: Providing early indication of regional anomalies in COVID19 case counts in England using search engine queries

• arxiv url: http://arxiv.org/abs/2007.11821v1
• Date: Thu, 23 Jul 2020 06:47:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-08 11:08:31.966020
• Title: Providing early indication of regional anomalies in COVID19 case counts in England using search engine queries
• Title（参考訳）: 検索エンジンクエリーを用いたイングランドにおけるcovid-19感染者の地域的異常の早期表示
• Authors: Elad Yom-Tov, Vasileios Lampos, Ingemar J. Cox, Michael Edelstein
• Abstract要約: COVID19は2020年1月末にイギリスで初めて報告され、6月中旬までに15万件以上が報告された。 イングランドの利用者からBingの検索を解析し、特定の地域で予期せぬ症状検索が発生した事例を特定した。
• 参考スコア（独自算出の注目度）: 4.104373713587862
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: COVID19 was first reported in England at the end of January 2020, and by mid-June over 150,000 cases were reported. We assume that, similarly to influenza-like illnesses, people who suffer from COVID19 may query for their symptoms prior to accessing the medical system (or in lieu of it). Therefore, we analyzed searches to Bing from users in England, identifying cases where unexpected rises in relevant symptom searches occurred at specific areas of the country. Our analysis shows that searches for "fever" and "cough" were the most correlated with future case counts, with searches preceding case counts by 16-17 days. Unexpected rises in search patterns were predictive of future case counts multiplying by 2.5 or more within a week, reaching an Area Under Curve (AUC) of 0.64. Similar rises in mortality were predicted with an AUC of approximately 0.61 at a lead time of 3 weeks. Thus, our metric provided Public Health England with an indication which could be used to plan the response to COVID19 and could possibly be utilized to detect regional anomalies of other pathogens.
• Abstract（参考訳）: COVID19は2020年1月末にイギリスで初めて報告され、6月中旬までに15万件以上が報告された。 インフルエンザのような病気と同様に、covid-19に苦しむ人は、医療システム(またはその代わり)にアクセスする前に症状を問い合わせることができると仮定する。 そこで,イングランドの利用者からBingの検索を解析し,関連する症状検索の予期せぬ増加が国内の特定の地域で起きている事例を特定した。 分析の結果,"fever" と "cough" の検索は,今後のケースカウントと最も相関があり,先行するケースカウントは16～17日であった。 探索パターンの予期せぬ増加は,1週間以内に2.5倍以上に増加し,0.64のエリアアンダーカーブ(AUC)に達した。 同様の死亡率の上昇は、3週間のリードタイムで約0.61のAUCで予測された。 以上の結果から,英国公衆衛生局は,covid-19対策の立案や,他の病原体の地域的異常の検出に活用可能な指標を提示した。

関連論文リスト

• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• 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)
• 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)
• Google Trends Analysis of COVID-19 [3.1277175082738005]
  世界保健機関(WHO)は3月11日、新型コロナウイルスがパンデミック病であると発表した。 本研究の目的は、Google検索のトレンドと新型コロナウイルスの拡散との関係を検討することである。
  論文  参考訳（メタデータ） (2020-11-07T20:55:19Z)
• Anomaly Detection Approach to Identify Early Cases in a Pandemic using Chest X-rays [3.9801611649762263]
  あらゆるパンデミックにおいて重要な段階は、予防的治療と戦略を開発するための早期発見である。 新型コロナウイルスの症例では、胸部X線撮影で特徴的な異常がみられた。 本稿では,畳み込み型および逆向きに訓練されたオートエンコーダを含む,教師なしの深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-10-06T15:21:31Z)
• The Causality Inference of Public Interest in Restaurants and Bars on COVID-19 Daily Cases in the US: A Google Trends Analysis [2.826858247883636]
  新型コロナウイルスの感染拡大は世界のほぼすべての地域で影響を受けている。 米国の毎日の症例数は他のどの国よりも多く、州の大半で増加傾向にある。 Googleトレンドは、さまざまな期間にさまざまなトピックに対する一般の関心を提供する。
  論文  参考訳（メタデータ） (2020-07-27T00:29:06Z)
• 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)
• 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)
• Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
  術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。 提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。 提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
  論文  参考訳（メタデータ） (2020-05-07T12:16:37Z)
• Early Outbreak Detection for Proactive Crisis Management Using Twitter Data: COVID-19 a Case Study in the US [0.0]
  病気の流行の間、タイムリーな非医療的介入は、病気が流行し、究極的にはパンデミックになるのを防ぐのに重要である。 この研究は、新型コロナウイルス(COVID-19)のパンデミック(パンデミック)を取り巻くツイッターの投稿を収集する。
  論文  参考訳（メタデータ） (2020-05-01T16:27:50Z)

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。

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。