論文の概要: AI-based Monitoring and Response System for Hospital Preparedness
towards COVID-19 in Southeast Asia
- arxiv url: http://arxiv.org/abs/2007.15619v2
- Date: Mon, 5 Sep 2022 17:18:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 13:41:25.710186
- Title: AI-based Monitoring and Response System for Hospital Preparedness
towards COVID-19 in Southeast Asia
- Title（参考訳）: 東南アジアにおける病院の新型コロナウイルス対策のためのAIによるモニタリングと対応システム
- Authors: Tushar Goswamy, Naishadh Parmar, Ayush Gupta, Raunak Shah, Vatsalya
Tandon, Varun Goyal, Sanyog Gupta, Karishma Laud, Shivam Gupta, Sudhanshu
Mishra, Ashutosh Modi
- Abstract要約: 本研究は, 病院における患者数の増加と, 東南アジア諸国の人工呼吸器などの重要な機器の不足を明らかにするための, 新型コロナウイルスモニタリングと対応システムを提案する。
これにより、これらの領域の当局は、モデルによって特定された領域にリソースをリダイレクトするリソース計画の手段を得るのに役立つ。
- 参考スコア（独自算出の注目度）: 5.253967071394184
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This research paper proposes a COVID-19 monitoring and response system to
identify the surge in the volume of patients at hospitals and shortage of
critical equipment like ventilators in South-east Asian countries, to
understand the burden on health facilities. This can help authorities in these
regions with resource planning measures to redirect resources to the regions
identified by the model. Due to the lack of publicly available data on the
influx of patients in hospitals, or the shortage of equipment, ICU units or
hospital beds that regions in these countries might be facing, we leverage
Twitter data for gleaning this information. The approach has yielded accurate
results for states in India, and we are working on validating the model for the
remaining countries so that it can serve as a reliable tool for authorities to
monitor the burden on hospitals.
- Abstract（参考訳）: 本研究は、東南アジア諸国の病院における患者数の増加と人工呼吸器などの重要な設備不足を把握し、医療施設の負担を把握するための、新型コロナウイルスモニタリングと対応システムを提案する。
これにより、これらの地域の当局は、モデルによって特定された領域にリソースをリダイレクトするリソース計画の手段を得られる。
病院における患者の流入状況や設備不足、これらの国の地域が直面している可能性があるICUユニットや病院のベッドに関するデータが公開されていないため、Twitterのデータを活用して情報を収集する。
このアプローチは、インドの州で正確な結果をもたらしており、我々は、当局が病院の負担を監視するための信頼できるツールとして役立つように、残りの国のモデルを検証することに取り組んでいます。
関連論文リスト
- Infectious disease surveillance needs for the United States: lessons
from COVID-19 [1.234019315589236]
パンデミック時の意思決定を支援するための効果的な監視システムの必要性について論じる。
我々は、特定のデータ型の価値について学ぶために、米国外の司法機関に目を向ける。
論文 参考訳（メタデータ） (2023-11-22T22:43:35Z) - Digital Surveillance Networks of 2014 Ebola Epidemics and Lessons for
COVID-19 [0.0]
2014年のエボラ出血熱は、COVOID-19の教訓を提供することができる。
ローカルな位置情報の送信の遅延と切断がますます進んでいる。
論文 参考訳（メタデータ） (2022-06-18T16:06:29Z) - Predicting Patient Readmission Risk from Medical Text via Knowledge
Graph Enhanced Multiview Graph Convolution [67.72545656557858]
本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。
外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。
実験により,本手法の有効性が証明され,最先端の性能が得られた。
論文 参考訳（メタデータ） (2021-12-19T01:45:57Z) - Application of Executive Information System for COVID-19 Reporting
System and Management: An Example from DKI Jakarta, Indonesia [0.0]
ジャカルタ保健省は、COVID-19 ReportingのExecutive Information Systemと呼ばれるデータ管理システムを構築した。
EISの主な考え方は、ステークホルダーに有効かつ実際の情報を提供することであり、ダッシュボードの形式で提示できる。
インドネシアでは、システムが毎日50万人近い人のほぼ実際のデータを報告するのは、これが初めてかもしれない。
論文 参考訳（メタデータ） (2021-08-22T14:36:36Z) - Medical-VLBERT: Medical Visual Language BERT for COVID-19 CT Report
Generation With Alternate Learning [70.71564065885542]
本稿では,医療用ビジュアル言語BERT(Medical-VLBERT)モデルを用いて,新型コロナウイルススキャンの異常を同定する。
このモデルは、知識事前学習と伝達の2つの手順で、代替的な学習戦略を採用する。
COVID-19患者に対する医療報告の自動作成のために,中国語で368例,胸部CTで1104例の検診を行った。
論文 参考訳（メタデータ） (2021-08-11T07:12:57Z) - Rapid COVID-19 Risk Screening by Eye-region Manifestations [64.6260390977642]
新型コロナウイルス(COVID-19)の患者には、臨床的な証拠として、より多くの眼症状が報告されている。
そこで本研究では,共通CCDおよびCMOSカメラで撮像された眼領域画像の高速スクリーニング手法を提案する。
我々の新型コロナウイルスの急激な事前スクリーニングモデルは、コストが低く、完全自己パフォーマンスで、非侵襲的で、重要なリアルタイム性を持つため、継続的な健康監視を可能にします。
論文 参考訳（メタデータ） (2021-06-12T01:56:10Z) - 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) - Knowledge discovery from emergency ambulance dispatch during COVID-19: A
case study of Nagoya City, Japan [2.6097841018267616]
パンデミック時に緊急救急車派遣(EAD)の数を推定するために, 繰り返しニューラルネットワークに基づくディープラーニングフレームワークを提案する。
その結果, パンデミックなどの不確実性が高い時期におけるEAD要件の現実世界推定において, トレーニングデータのブレンドを効率的に利用できることが示唆された。
論文 参考訳（メタデータ） (2021-02-17T08:37:05Z) - CPAS: the UK's National Machine Learning-based Hospital Capacity
Planning System for COVID-19 [111.69190108272133]
新型コロナウイルス(COVID-19)の2019年は、集中治療リソースに対する前例のない需要を伴う圧倒的な医療システムの脅威となる。
病院資源計画のための機械学習システムであるCPAS(COVID-19 Capacity Planning and Analysis System)を開発した。
CPASは、新型コロナウイルス(COVID-19)のパンデミックに対処するため、全国規模で病院に配備された最初の機械学習ベースのシステムの一つだ。
論文 参考訳（メタデータ） (2020-07-27T19:39:13Z) - A County-level Dataset for Informing the United States' Response to
COVID-19 [5.682299443164938]
我々は、アメリカ合衆国郡のレベルに関する政府、ジャーナリスト、学術情報源から関連するデータを収集するデータセットを提示する。
私たちのデータセットには300以上の変数が含まれており、人口推計、人口統計、民族、住宅、教育、雇用と所得、気候、交通、スコア、医療システム関連メトリクスを要約しています。
論文 参考訳（メタデータ） (2020-04-01T05:07:27Z) - Reconfiguring health services to reduce the workload of caregivers
during the COVID-19 outbreak using an open-source scalable platform for
remote digital monitoring and coordination of care in hospital Command
Centres [55.41644538483948]
在宅患者を自動的に遠隔監視するデジタル技術について述べる。
患者は単純で自己申告されたアンケートに回答し、そのデータはリアルタイムで最寄りの病院のコマンドセンターに送信される。
論文 参考訳（メタデータ） (2020-03-12T16:08:09Z)
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。