論文の概要: Using Machine Learning to Develop a Novel COVID-19 Vulnerability Index (C19VI)

• arxiv url: http://arxiv.org/abs/2009.10808v1
• Date: Tue, 22 Sep 2020 20:48:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-10-15 23:28:43.452956
• Title: Using Machine Learning to Develop a Novel COVID-19 Vulnerability Index (C19VI)
• Title（参考訳）: 機械学習を用いた新しいcovid-19 vulnerability index(c19vi)の開発
• Authors: Anuj Tiwari, Arya V. Dadhania, Vijay Avin Balaji Ragunathrao, Edson R. A. Oliveira
• Abstract要約: 新型コロナウイルス(COVID-19)は、現在米国で最も多い死因の1つである。 体系的な健康、社会的、経済的格差により、マイノリティや経済的に貧しい地域社会は他の地域よりも高いリスクを負っている。 本研究は、米国内の脆弱な郡の識別とマッピングのためのCOVID19脆弱性指数(C19VI)を報告した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: COVID19 is now one of the most leading causes of death in the United States. Systemic health, social and economic disparities have put the minorities and economically poor communities at a higher risk than others. There is an immediate requirement to develop a reliable measure of county-level vulnerabilities that can capture the heterogeneity of both vulnerable communities and the COVID19 pandemic. This study reports a COVID19 Vulnerability Index (C19VI) for identification and mapping of vulnerable counties in the United States. We proposed a Random Forest machine learning based COVID19 vulnerability model using CDC sociodemographic and COVID19-specific themes. An innovative COVID19 Impact Assessment algorithm was also developed using homogeneity and trend assessment technique for evaluating severity of the pandemic in all counties and train RF model. Developed C19VI was statistically validated and compared with the CDC COVID19 Community Vulnerability Index (CCVI). Finally, using C19VI along with census data, we explored racial inequalities and economic disparities in COVID19 health outcomes amongst different regions in the United States. Our C19VI index indicates that 18.30% of the counties falls into very high vulnerability class, 24.34% in high, 23.32% in moderate, 22.34% in low, and 11.68% in very low. Furthermore, C19VI reveals that 75.57% of racial minorities and 82.84% of economically poor communities are very high or high COVID19 vulnerable regions. The proposed approach of vulnerability modeling takes advantage of both the well-established field of statistical analysis and the fast-evolving domain of machine learning. C19VI provides an accurate and more reliable way to measure county level vulnerability in the United States. This index aims at helping emergency planners to develop more effective mitigation strategies especially for the disproportionately impacted communities.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)は、現在米国で最も多い死因の1つである。 体系的な健康、社会的、経済的格差により、マイノリティや経済的に貧しい地域社会は他よりも高いリスクを負っている。 脆弱なコミュニティと新型コロナウイルスのパンデミックの両方の不均一性を捉えることのできる郡レベルの脆弱性の信頼性の高い尺度を開発する必要がある。 本研究は、米国内の脆弱な郡の識別とマッピングのためのCOVID19脆弱性指数(C19VI)を報告した。 我々はCDC社会デマトグラフィーとCOVID19固有のテーマを用いたランダムフォレスト機械学習に基づく脆弱性モデルを提案した。 また,全郡におけるパンデミックの重症度を評価するために,均質性およびトレンドアセスメント手法を用いて,革新的なCOVID19影響評価アルゴリズムを開発した。 C19VIの開発は統計学的に検証され、CDC COVID19 Community Vulnerability Index (CCVI)と比較された。 最後に,C19VIと国勢調査データを用いて,米国各地域での人種的不平等と経済的格差を調査した。 我々のC19VI指数は、郡の18.30%が非常に高い脆弱性クラス、24.34%が高い、23.32%が中等度、22.34%が低い、11.68%が低い。 さらに、c19viは75.57%の少数民族と82.84%の経済的に貧しい地域は非常に高いか高いcovid-19の脆弱な地域であることを明らかにした。 脆弱性モデリングのアプローチは、統計的解析の確立された分野と機械学習の急速な発展領域の両方を活用する。 C19VIは、アメリカ合衆国における郡レベルの脆弱性を測定する正確で信頼性の高い方法を提供している。 この指標は、特に不当に影響した地域社会のために、緊急プランナーがより効果的な緩和戦略を開発するのを支援することを目的としている。

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)
• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• Factors affecting the COVID-19 risk in the US counties: an innovative approach by combining unsupervised and supervised learning [0.0]
  新型コロナウイルスの感染リスクや死亡率に影響を及ぼす要因を郡レベルで分析した。 その結果、温度、貧困以下の人の割合、肥満、空気圧、人口密度、風速、経度、そして被保険者の比率が最も重要な属性であった。
  論文  参考訳（メタデータ） (2021-06-24T04:29:00Z)
• 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)
• The Interplay of Demographic Variables and Social Distancing Scores in Deep Prediction of U.S. COVID-19 Cases [6.08110388949389]
  本稿では, スペクトルクラスタリングと相関行列の新たな組み合わせにより, アメリカ合衆国の郡の成長軌跡を特徴づける。 コミュニティを区別する上で最も統計的に重要な人口統計的特徴を選択します。 3つのソーシャルディスタンシングスコアを用いて,LSTMを用いた郡の将来的な成長を効果的に予測する。
  論文  参考訳（メタデータ） (2021-01-06T16:12:29Z)
• 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)
• Machine learning spatio-temporal epidemiological model to evaluate Germany-county-level COVID-19 risk [26.228330223358952]
  我々は,感染データから流行動態を抽出するための機械支援フレームワークを開発した。 この新しいツールボックスは、ドイツで412のランドクライス(国)にまたがる多水準のCO-19流行の予測に最初に利用された。 実用上、最悪の死者が35万人であるクリスマスの状況を予測し、効果的な政策は2万人未満に抑える可能性がある。
  論文  参考訳（メタデータ） (2020-11-30T20:17:19Z)
• 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)
• Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community Acquired Pneumonia [46.521323145636906]
  胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。 特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。 我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
  論文  参考訳（メタデータ） (2020-05-06T09:56:51Z)
• COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
  我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。 著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。 また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
  論文  参考訳（メタデータ） (2020-03-22T12:26:36Z)

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。