論文の概要: Analysing the impact of global demographic characteristics over the
COVID-19 spread using class rule mining and pattern matching
- arxiv url: http://arxiv.org/abs/2009.12923v3
- Date: Sun, 31 Jan 2021 11:07:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-14 03:51:48.267297
- Title: Analysing the impact of global demographic characteristics over the
COVID-19 spread using class rule mining and pattern matching
- Title（参考訳）: クラスルールマイニングとパターンマッチングを用いた新型コロナウイルス感染拡大に対するグローバル人口動態の影響分析
- Authors: Wasiq Khan, Abir Hussain, Sohail Ahmed Khan, Mohammed Al-Jumailey,
Raheel Nawaz, Panos Liatsis
- Abstract要約: 本研究は、人口統計学的属性と世界的変動の多次元的関連を調査するためのインテリジェントなアプローチを提案する。
信頼性のあるソースから複数の人口統計属性とCOVID-19感染データを収集し、インテリジェントアルゴリズムで処理し、データ内の重要な関連やパターンを識別する。
- 参考スコア（独自算出の注目度）: 8.025086113117291
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since the coronavirus disease (COVID-19) outbreak in December 2019, studies
have been addressing diverse aspects in relation to COVID-19 and Variant of
Concern 202012/01 (VOC 202012/01) such as potential symptoms and predictive
tools. However, limited work has been performed towards the modelling of
complex associations between the combined demographic attributes and varying
nature of the COVID-19 infections across the globe. This study presents an
intelligent approach to investigate the multi-dimensional associations between
demographic attributes and COVID-19 global variations. We gather multiple
demographic attributes and COVID-19 infection data (by 8 January 2021) from
reliable sources, which are then processed by intelligent algorithms to
identify the significant associations and patterns within the data. Statistical
results and experts' reports indicate strong associations between COVID-19
severity levels across the globe and certain demographic attributes, e.g.
female smokers, when combined together with other attributes. The outcomes will
aid the understanding of the dynamics of disease spread and its progression,
which in turn may support policy makers, medical specialists and society, in
better understanding and effective management of the disease.
- Abstract（参考訳）: 2019年12月の新型コロナウイルス感染症(COVID-19)の流行以来、潜在的な症状や予測ツールなど、COVID-19や202012/01(VOC 202012/01)に関するさまざまな側面に対処してきた。
しかし、人口統計学的属性と世界中の新型コロナウイルス感染症の様々な性質の複雑な関連をモデル化するための限定的な作業が実施されている。
本研究は、人口統計学的属性と世界的な変動の多次元的関連を調査するためのインテリジェントなアプローチを提案する。
信頼できる情報源から複数の属性と(2021年1月8日までに)covid-19感染データを収集し、インテリジェントなアルゴリズムによって処理し、データ内の重要な関連やパターンを特定します。
統計結果と専門家の報告は、世界中の新型コロナウイルスの重症度レベルと、女性喫煙者などの特定の属性と、他の属性と組み合わせた場合に強い相関があることを示している。
この結果は、病気の拡散とその進行のダイナミクスを理解する助けとなり、その結果、政策立案者、医療専門家、社会を支援し、病気の理解を深め、効果的な管理を行うことができる。
関連論文リスト
- Bayesian Networks and Machine Learning for COVID-19 Severity Explanation and Demographic Symptom Classification [12.40025057417184]
新型コロナウイルスの隠れた情報を蒸留する3段階のデータ駆動方式を提案する。
第1段階では、バイエルンネットワーク構造学習法を用いて、新型コロナウイルスの症状の因果関係を同定する。
第2段階として、アウトプットは教師なし機械学習(ML)アルゴリズムをトレーニングするための有用なガイドとして機能する。
最終段階は、クラスタリングから得られたラベルを活用して、人口統計学的症状識別モデルをトレーニングする。
論文 参考訳（メタデータ） (2024-06-16T05:43:24Z) - A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。
ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文 参考訳（メタデータ） (2024-05-13T17:49:20Z) - Correlations Between COVID-19 and Dengue [0.8164433158925593]
本稿では、ニューラルネットワークアプローチが、デングとCOVID-19のデータ、および外部要因をどのように組み込むことができるかを示す。
我々は、新型コロナウイルスとデング熱の患者数に非常に似た傾向を示す相関モデルを定義した。
次に、両疾患を組み込んだLong Short-term memory model (LSTM) に拡張することで、モデルの有効性を説明する。
論文 参考訳（メタデータ） (2022-07-27T14:55:28Z) - Investigating the Relationship Between World Development Indicators and
the Occurrence of Disease Outbreaks in the 21st Century: A Case Study [0.0]
病気の発生に弱い社会経済セクターのタイムリーな識別は、市民当局にとって重要な課題である。
我々は、データ駆動モデルを利用して、世界開発指標の傾向と病気の発生との関係を判断する。
論文 参考訳（メタデータ） (2021-09-20T06:31:03Z) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳（メタデータ） (2021-03-18T03:31:33Z) - Deep learning-based COVID-19 pneumonia classification using chest CT
images: model generalizability [54.86482395312936]
深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。
我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。
複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
論文 参考訳（メタデータ） (2021-02-18T21:14:52Z) - COVID-19 Outbreak Prediction and Analysis using Self Reported Symptoms [12.864257751458712]
新型コロナウイルスの流行状況を把握するために、自己報告型症状調査データを用いています。
本研究は、自己申告された症状に基づいて、新型コロナウイルス陽性の集団の確率%を予測しようと試みた。
人口の%がcovid-19ライクな疾患(cli)を患っており、それぞれ0.15%と1.14%が絶対エラーであった。
論文 参考訳（メタデータ） (2020-12-21T00:37:24Z) - Classification supporting COVID-19 diagnostics based on patient survey
data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。
得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。
このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文 参考訳（メタデータ） (2020-11-24T17:44:01Z) - 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) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。