論文の概要: Analysis of COVID-19 cases in India through Machine Learning: A Study of
Intervention
- arxiv url: http://arxiv.org/abs/2008.10450v1
- Date: Mon, 17 Aug 2020 05:45:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 04:36:06.271747
- Title: Analysis of COVID-19 cases in India through Machine Learning: A Study of
Intervention
- Title（参考訳）: 機械学習によるインドにおけるcovid-19症例の解析
- Authors: Hanuman Verma, Akshansh Gupta and Utkarsh Niranjan
- Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックと闘うため、世界は予防接種、プラズマ療法、予防接種、疫学的な介入をほとんど選択肢がない。
本研究では,従来のSIRモデルにおける疫学的介入を取り入れた介入を伴うSIRモデルを提案する。
我々は、2020年9月30日までに、インド全土とインドの一部州で、アクティブで回復した新型コロナウイルスの感染者の予測数を提示するとともに、予測されたケースの95%と99%の信頼区間を推定した。
- 参考スコア（独自算出の注目度）: 3.4483987421251516
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To combat the coronavirus disease 2019 (COVID-19) pandemic, the world has
vaccination, plasma therapy, herd immunity, and epidemiological interventions
as few possible options. The COVID-19 vaccine development is underway and it
may take a significant amount of time to develop the vaccine and after
development, it will take time to vaccinate the entire population, and plasma
therapy has some limitations. Herd immunity can be a plausible option to fight
COVID-19 for small countries. But for a country with huge population like
India, herd immunity is not a plausible option, because to acquire herd
immunity approximately 67% of the population has to be recovered from COVID-19
infection, which will put an extra burden on medical system of the country and
will result in a huge loss of human life. Thus epidemiological interventions
(complete lockdown, partial lockdown, quarantine, isolation, social distancing,
etc.) are some suitable strategies in India to slow down the COVID-19 spread
until the vaccine development. In this work, we have suggested the SIR model
with intervention, which incorporates the epidemiological interventions in the
classical SIR model. To model the effect of the interventions, we have
introduced \r{ho} as the intervention parameter. \r{ho} is a cumulative
quantity which covers all type of intervention. We have also discussed the
supervised machine learning approach to estimate the transmission rate
(\b{eta}) for the SIR model with intervention from the prevalence of COVID-19
data in India and some states of India. To validate our model, we present a
comparison between the actual and model-predicted number of COVID-19 cases.
Using our model, we also present predicted numbers of active and recovered
COVID-19 cases till Sept 30, 2020, for entire India and some states of India
and also estimate the 95% and 99% confidence interval for the predicted cases.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックと闘うため、世界は予防接種、プラズマ療法、予防接種、疫学的な介入をほとんど選択肢がない。
新型コロナウイルス(COVID-19)ワクチンの開発が進行中であり、ワクチンの開発にはかなりの時間がかかる可能性がある。
集団免疫は、小規模国でcovid-19と闘うための有効な選択肢になり得る。
しかし、インドのような巨大な人口を抱える国では、集団免疫を取得するには、約67%がCOVID-19感染から回復する必要があるため、強制免疫は有効な選択肢ではない。
このように疫学的介入(完全ロックダウン、部分ロックダウン、隔離、隔離、社会的距離、等)は、ワクチン開発まで新型コロナウイルスの感染拡大を遅らせるためにインドで適切な戦略である。
本研究では,従来のSIRモデルにおける疫学的介入を取り入れた介入を伴うSIRモデルを提案する。
介入の効果をモデル化するため,介入パラメータとして \r{ho} を導入した。
\r{ho} はすべての種類の介入をカバーする累積量である。
また、インドとインドの一部州におけるCOVID-19データの普及を介し、SIRモデルの送信率(\b{eta})を推定する教師付き機械学習手法についても検討した。
本モデルを検証するために,本モデルとモデルで予測したcovid-19患者数の比較を行った。
本モデルを用いて、2020年9月30日までにインド全域とインドの一部州で、活動的および回復した新型コロナウイルスの感染者数を予測し、予測された感染者の95%と99%の信頼区間を推定した。
関連論文リスト
- Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-12-16T13:57:41Z) - Modeling the effect of the vaccination campaign on the Covid-19 pandemic [0.0]
予防接種キャンペーン中にコビッドウイルスの流行を予測できる数学的モデルであるSAIVRを紹介した。
このモデルは、半教師付き機械学習手法を用いて推定されるいくつかのパラメータと初期条件を含む。
これらの結果から, 日中感染率, ワクチン有効性, および, 広範囲の社会的ワクチン依存度, デンタルレベルにおいて, パンデミックの経時的変化について広範な研究を行った。
論文 参考訳（メタデータ） (2021-08-27T19:12:13Z) - Understanding the Spread of COVID-19 Epidemic: A Spatio-Temporal Point
Process View [44.67854875502783]
1月21日以降、米国では100万人以上が新型コロナウイルスの感染者を確認している。
この伝染性呼吸器疾患は、米国の3000以上の郡と50の州に急速に広がった。
本疾患の複雑な時空干渉伝播を理解するためには,正確な予測や知的外的介入が可能であることが不可欠である。
論文 参考訳（メタデータ） (2021-06-24T15:26:46Z) - 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) - Steering a Historical Disease Forecasting Model Under a Pandemic: Case
of Flu and COVID-19 [75.99038202534628]
我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。
我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
論文 参考訳（メタデータ） (2020-09-23T22:35:43Z) - VacSIM: Learning Effective Strategies for COVID-19 Vaccine Distribution
using Reinforcement Learning [6.167847933188907]
VacSIMは、Deep Reinforcement Learningモデルを、新型コロナウイルスワクチンの配布を最適化するためのContextual Banditsアプローチに置き換える、新しいパイプラインである。
インド全5州で新型コロナウイルス感染者の発生率に比例して、ワクチンを配布する素早い割当アプローチに対して、本枠組みを評価した。
論文 参考訳（メタデータ） (2020-09-14T17:37:13Z) - Projections for COVID-19 spread in India and its worst affected five
states using the Modified SEIRD and LSTM models [3.0507203596180488]
本論文は、インドにおける新型コロナウイルス感染を予測するための修正SEIRD(Susceptible-Exposed-Incovered-Recovered-Deceased)モデルを提案する。
修正SEIRDモデルから得られた投射もLSTMによる30日間の投射と比較した。
この論文で示された結果は、インドに広がる新型コロナウイルス(COVID-19)を抑えるための今後の政策決定のためのビーコンとして機能する。
論文 参考訳（メタデータ） (2020-09-07T07:38:10Z) - 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) - 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) - A kinetic model for qualitative understanding and analysis of the effect
of complete lockdown imposed by India for controlling the COVID-19 disease
spread by the SARS-CoV-2 virus [0.0]
現在進行中のSARS-CoV-2ウイルスによる世界的なパンデミックは、世界中に波及している。
インド連邦政府は翌日から全土が完全に封鎖されたという前例のない発表を行った。
本研究は、インド領の96%以上をカバーする運動モデルを用いて、この決定の意味を科学的に分析することを目的とする。
論文 参考訳（メタデータ） (2020-04-12T19:34:12Z)
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。