論文の概要: Exo-SIR: An Epidemiological Model to Analyze the Impact of Exogenous
Infection of COVID-19 in India
- arxiv url: http://arxiv.org/abs/2008.06335v2
- Date: Sat, 19 Sep 2020 19:58:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-06 09:07:21.863650
- Title: Exo-SIR: An Epidemiological Model to Analyze the Impact of Exogenous
Infection of COVID-19 in India
- Title（参考訳）: exo-sir:インドにおけるcovid-19の外因性感染の影響分析のための疫学モデル
- Authors: Nirmal Kumar Sivaraman, Manas Gaur, Shivansh Baijal, Ch V Radha Sai
Rupesh, Sakthi Balan Muthiah, Amit Sheth
- Abstract要約: 疫学モデルは疫病のダイナミクスを捉える数学的モデルである。
本稿では,新しいモデルであるExo-SIRモデルを紹介する。
我々は,コビッド19流行における内因性感染症と内因性感染症の関係を明らかにするために分析を行った。
- 参考スコア（独自算出の注目度）: 3.196985524737783
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Epidemiological models are the mathematical models that capture the dynamics
of epidemics. The spread of the virus has two routes - exogenous and
endogenous. The exogenous spread is from outside the population under study,
and endogenous spread is within the population under study. Although some of
the models consider the exogenous source of infection, they have not studied
the interplay between exogenous and endogenous spreads. In this paper, we
introduce a novel model - the Exo-SIR model that captures both the exogenous
and endogenous spread of the virus. We analyze to find out the relationship
between endogenous and exogenous infections during the Covid19 pandemic. First,
we simulate the Exo-SIR model without assuming any contact network for the
population. Second, simulate it by assuming that the contact network is a scale
free network. Third, we implemented the Exo-SIR model on a real dataset
regarding Covid19. We found that endogenous infection is influenced by even a
minimal rate of exogenous infection. Also, we found that in the presence of
exogenous infection, the endogenous infection peak becomes higher, and the peak
occurs earlier. This means that if we consider our response to a pandemic like
Covid19, we should be prepared for an earlier and higher number of cases than
the SIR model suggests if there are the exogenous source(s) of infection.
- Abstract（参考訳）: 疫学モデルは疫病のダイナミクスを捉える数学的モデルである。
ウイルスの拡散には、外因性と内因性という2つの経路がある。
外因性拡散は研究対象の人口の外からであり、内因性拡散は研究対象の人口内にある。
モデルの中には感染源を考慮に入れているものもあるが、外来感染と内因性感染の相互作用は研究されていない。
本稿では,ウイルスの内因性拡散と外因性拡散の両方を捉える新しいモデル,Exo-SIRモデルを紹介する。
我々は,コビッド19流行における内因性感染症と外因性感染症の関係を明らかにするために分析を行った。
まず、人口の接触ネットワークを仮定せずにExo-SIRモデルをシミュレートする。
第二に、接触ネットワークがスケールフリーネットワークであると仮定してシミュレートする。
第3に、Covid19に関する実際のデータセットにExo-SIRモデルを実装した。
内因性感染症は最小限の感染率でも影響を受けることが判明した。
また,外因性感染の存在下,内因性感染のピークは高くなり,早期にピークが出現することが判明した。
つまり、covid-19のようなパンデミックに対する私たちの対応を考えるならば、sirモデルが示す感染源がある場合よりも、より早く、より高い症例に備えるべきである。
関連論文リスト
- Epidemiology-informed Graph Neural Network for Heterogeneity-aware Epidemic Forecasting [46.63739322178277]
最近の研究では、異種時相の流行パターンを抽出する際の時空間ニューラルネットワーク(STGNN)の強い可能性を示している。
HeatGNNは、疫学的にインフォームドされた場所を、時間とともに自分自身の伝達メカニズムを反映するさまざまな場所に埋め込むことを学ぶ。
HeatGNNは、HeatHeatのさまざまな強力なベースラインを異なるサイズで上回る。
論文 参考訳（メタデータ） (2024-11-26T12:29:45Z) - MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data
Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。
トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。
ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文 参考訳（メタデータ） (2023-10-04T01:36:30Z) - 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) - Modeling COVID-19 uncertainties evolving over time and density-dependent
social reinforcement and asymptomatic infections [35.57038204847526]
新型コロナウイルス感染症2019(COVID-19)は、特異で未知の問題の複雑さとモデリングの課題を提示する。
新型コロナウイルスのインキュベーション期間や無症候性感染症でよく見られる非文書化(U)と文書化(D)を特徴付けるための新しいハイブリッドアプローチを導入する。
論文 参考訳（メタデータ） (2021-08-23T09:38:54Z) - Epidemic modelling of multiple virus strains: a case study of SARS-CoV-2
B.1.1.7 in Moscow [1.0013376065994979]
我々は同じ集団内で複数のウイルス株をシミュレートするSEIRモデルを開発した。
ケーススタディとして,SARS-CoV-2株B.1.1.7がモスクワ市に与える影響について検討した。
論文 参考訳（メタデータ） (2021-06-15T11:07:59Z) - Digital twins based on bidirectional LSTM and GAN for modelling COVID-19 [8.406968279478347]
新型コロナウイルスの感染が世界中に広がり、1億人以上が感染し、220万人以上が死亡した。
疫学モデルの研究は、このような病気がどのように広まるかをよりよく理解するために、緊急に必要である。
機械学習技術の最近の進歩は、計算コストの削減で複雑なダイナミクスを学習し、予測する能力を持つニューラルネットワークを生み出している。
論文 参考訳（メタデータ） (2021-02-03T11:54:24Z) - A Recurrent Neural Network and Differential Equation Based
Spatiotemporal Infectious Disease Model with Application to COVID-19 [3.464871689508835]
我々は、ディファレンス微分方程式(SIR)とリカレントニューラルネットワーク(RNN)に基づく統合疾患モデルを開発する。
イタリアのCO-19データをトレーニングし,既存の時間モデル(NN,SIR,ARIMA)を1日,3日,1週間の予測で上回っていることを示す。
論文 参考訳（メタデータ） (2020-07-14T07:04:57Z) - CRISP: A Probabilistic Model for Individual-Level COVID-19 Infection
Risk Estimation Based on Contact Data [6.0785913977668935]
本稿では,SEIRモデルに基づく集団内感染の確率的グラフィカルモデルを提案する。
当社のマイクロレベルモデルでは、各時点の感染状況が記録されており、感染、感染、感染、回復まで様々です。
これは、個々のレベルの接触データに基づいて、新型コロナウイルスの感染拡大を効率的に推測する最初のモデルである。
論文 参考訳（メタデータ） (2020-06-09T04:25:56Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z) - 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) - Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware
Anomaly Detection [86.81773672627406]
短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。
胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。
ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
論文 参考訳（メタデータ） (2020-03-27T11:32:18Z)
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。