論文の概要: MFL_COVID19: Quantifying Country-based Factors affecting Case Fatality Rate in Early Phase of COVID-19 Epidemic via Regularised Multi-task Feature Learning

• arxiv url: http://arxiv.org/abs/2009.02827v1
• Date: Sun, 6 Sep 2020 22:34:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 08:04:01.795224
• Title: MFL_COVID19: Quantifying Country-based Factors affecting Case Fatality Rate in Early Phase of COVID-19 Epidemic via Regularised Multi-task Feature Learning
• Title（参考訳）: MFL_COVID19: 正常化マルチタスク特徴学習によるCOVID-19流行初期におけるケースの死亡率に影響を与える国別因子の定量化
• Authors: Po Yang, Jun Qi, Xulong Wang, Yun Yang
• Abstract要約: 新型コロナウイルスの感染拡大により、世界中で急速に拡大している。 多くの国は、感染を最小限に抑えるため、時間的に集中的な抑制を実施してきたが、医療資源の厳しい需要により、高いケース致命率(CFR)がもたらされた。 社会文化的問題や高齢化など他の国に根ざした要因も、早期の道徳改善のために介入を行うことの実践的効果に影響を与えている。 新型コロナウイルス感染症の第2波に備える上では、さまざまな国におけるこれらの要因とCFRとの関係をよりよく理解することが重要である。
• 参考スコア（独自算出の注目度）: 10.889148248027364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent outbreak of COVID-19 has led a rapid global spread around the world. Many countries have implemented timely intensive suppression to minimize the infections, but resulted in high case fatality rate (CFR) due to critical demand of health resources. Other country-based factors such as sociocultural issues, ageing population etc., has also influenced practical effectiveness of taking interventions to improve morality in early phase. To better understand the relationship of these factors across different countries with COVID-19 CFR is of primary importance to prepare for potentially second wave of COVID-19 infections. In the paper, we propose a novel regularized multi-task learning based factor analysis approach for quantifying country-based factors affecting CFR in early phase of COVID-19 epidemic. We formulate the prediction of CFR progression as a ML regression problem with observed CFR and other countries-based factors. In this formulation, all CFR related factors were categorized into 6 sectors with 27 indicators. We proposed a hybrid feature selection method combining filter, wrapper and tree-based models to calibrate initial factors for a preliminary feature interaction. Then we adopted two typical single task model (Ridge and Lasso regression) and one state-of-the-art MTFL method (fused sparse group lasso) in our formulation. The fused sparse group Lasso (FSGL) method allows the simultaneous selection of a common set of country-based factors for multiple time points of COVID-19 epidemic and also enables incorporating temporal smoothness of each factor over the whole early phase period. Finally, we proposed one novel temporal voting feature selection scheme to balance the weight instability of multiple factors in our MTFL model.
• Abstract（参考訳）: 最近の新型コロナウイルス(covid-19)の流行は世界中で急速に広がった。 多くの国は、感染を最小限に抑えるため、時間的に集中的な抑制を実施してきたが、医療資源の厳しい需要により、高いケース致命率(CFR)がもたらされた。 社会文化的問題や高齢化など他の国を基盤とした要因も、早期の道徳改善のために介入を行う実践的効果に影響している。 新型コロナウイルス感染症の第2波に備える上で、これらの要因と各国のCFRとの関係をよりよく理解することが重要である。 本稿では,CFRの感染初期における国別要因を定量化するための,新しい多タスク学習に基づく因子分析手法を提案する。 我々は,ML回帰問題としてCFR進行の予測を,観測されたCFRやその他の国々による要因を用いて定式化する。 この定式化では、すべてのCFR関連因子を27の指標を持つ6つのセクターに分類した。 予備的特徴相互作用の初期因子をキャリブレーションするために,フィルタ,ラッパー,ツリーベースモデルを組み合わせたハイブリッド特徴選択法を提案した。 次に,2つの典型的な単一タスクモデル (Ridge と Lasso 回帰) と1つの最先端MTFL法 (fuuse sparse group lasso) を定式化した。 fsgl(fused sparse group lasso)法は、covid-19流行の複数の時点に共通する国別要因の同時選択を可能にし、また、早期の期間を通じて各因子の時間的平滑さを取り入れることができる。 最後に,mtflモデルにおいて,複数の因子の重み不安定さのバランスをとるための,新たな時間的投票特徴選択方式を提案する。

関連論文リスト

• Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
  疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。 本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。 深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
  論文  参考訳（メタデータ） (2021-05-31T19:28:17Z)
• 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)
• COUnty aggRegation mixup AuGmEntation (COURAGE) COVID-19 Prediction [29.919578191688274]
  本稿では,米国各郡における2週間の新型コロナウイルス関連死亡の短期予測を行うCOURAGEという手法を提案する。 本モデルでは, 新型コロナウイルス関連症例, 死亡状況, 地域移動傾向, 人口統計情報の公開情報を完全に活用し, 対応する郡レベルの予測の集約として, 州レベルの予測を作成できる。
  論文  参考訳（メタデータ） (2021-05-03T04:00:59Z)
• Comparative Analysis of Machine Learning Approaches to Analyze and Predict the Covid-19 Outbreak [10.307715136465056]
  疫学領域における新型コロナウイルスの流行を予測するための機械学習(ML)アプローチの比較分析を行った。 これらの結果から,短期的政策の意思決定を支援するMLアルゴリズムの利点が明らかになった。
  論文  参考訳（メタデータ） (2021-02-11T11:57:33Z)
• 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)
• Examining Deep Learning Models with Multiple Data Sources for COVID-19 Forecasting [10.052302234274256]
  COVID-19予測のためのディープラーニングモデルの設計と分析を行う。 新型コロナウイルス(COVID-19)や死亡例数などの複数のソースが、より良い予測のためにデータとテストデータを数えている。 時間的予測のためのクラスタリングに基づくトレーニングを提案する。
  論文  参考訳（メタデータ） (2020-10-27T17:52:02Z)
• Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
  半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。 我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
  論文  参考訳（メタデータ） (2020-10-10T19:33:53Z)
• Predicting COVID-19 cases using Bidirectional LSTM on multivariate time series [1.8352113484137624]
  本稿では,新型コロナウイルス感染者の累積数を予測するための深層学習手法を提案する。 ロックダウンに加え、複数の国のデータにより、毎日の累積感染者の予測の精度が向上している。
  論文  参考訳（メタデータ） (2020-09-10T12:53:05Z)
• 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)
• When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
  新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。 さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。 本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
  論文  参考訳（メタデータ） (2020-05-13T18:21:50Z)

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。