論文の概要: Estimating COVID-19 cases and outbreaks on-stream through phone-calls
- arxiv url: http://arxiv.org/abs/2010.06468v1
- Date: Sat, 10 Oct 2020 15:44:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 23:04:08.117929
- Title: Estimating COVID-19 cases and outbreaks on-stream through phone-calls
- Title（参考訳）: 電話によるcovid-19感染者の推計とストリームでのアウトブレイク
- Authors: Ezequiel Alvarez, Daniela Obando, Sebastian Crespo, Enio Garcia,
Nicolas Kreplak and Franco Marsico
- Abstract要約: そこで本稿では,電話から電話回線へのデータを用いて,オンデマンドで新型コロナウイルス感染者数を推定するアルゴリズムを提案する。
我々は、このアルゴリズムを使って疫病をオンデマンドで追跡する方法を示し、実験結果に先立ってアウトブレイク警報(Early Outbreak Alarm)を提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One of the main problems in controlling COVID-19 epidemic spread is the delay
in confirming cases. Having information on changes in the epidemic evolution or
outbreaks rise before lab-confirmation is crucial in decision making for Public
Health policies. We present an algorithm to estimate on-stream the number of
COVID-19 cases using the data from telephone calls to a COVID-line. By modeling
the calls as background (proportional to population) plus signal (proportional
to infected), we fit the calls in Province of Buenos Aires (Argentina) with
coefficient of determination $R^2 > 0.85$. This result allows us to estimate
the number of cases given the number of calls from a specific district, days
before the lab results are available. We validate the algorithm with real data.
We show how to use the algorithm to track on-stream the epidemic, and present
the Early Outbreak Alarm to detect outbreaks in advance to lab results. One key
point in the developed algorithm is a detailed track of the uncertainties in
the estimations, since the alarm uses the significance of the observables as a
main indicator to detect an anomaly. We present the details of the explicit
example in Villa Azul (Quilmes) where this tool resulted crucial to control an
outbreak on time. The presented tools have been designed in urgency with the
available data at the time of the development, and therefore have their
limitations which we describe and discuss. We consider possible improvements on
the tools, many of which are currently under development.
- Abstract（参考訳）: 新型コロナウイルスの感染拡大を抑える上での大きな問題は、確認の遅れだ。
公衆衛生政策の意思決定において、病原体の進化や流行の変化に関する情報が実験室で確認される前に増加することが重要である。
そこで本研究では,電話からcovid-19ラインへのデータを用いて,ストリーム上でのcovid-19感染者数を推定するアルゴリズムを提案する。
背景(人口に比例する)と信号(感染に比例する)の呼び出しをモデル化することにより、ブエノスアイレス州(アルゼンチン)の通話にR^2 > 0.85$の判定係数を合わせる。
この結果から, 特定地区からの通話回数から, 検査結果が利用可能になる数日前の症例数を推定できる。
そのアルゴリズムを実データで検証する。
我々は、このアルゴリズムを使って疫病をオンデマンドで追跡する方法を示し、実験結果に先立ってアウトブレイク警報(Early Outbreak Alarm)を提示する。
開発したアルゴリズムのキーポイントの1つは、アラームが可観測物の重要度を利用して異常を検出するため、推定の不確かさの詳細な追跡である。
villa azul (quilmes) では、このツールが時間とともにアウトブレイクを制御する上で決定的な結果となった、明示的な例の詳細を紹介する。
提示されたツールは、開発時に利用可能なデータと緊急に設計されており、それ故に私たちが記述し議論する制限がある。
ツールの改善の可能性を検討しており、その多くが現在開発中です。
関連論文リスト
- SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
セプシスは米国での院内死亡の主な原因である。
既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。
限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-24T04:47:36Z) - Small Area Estimation of Case Growths for Timely COVID-19 Outbreak
Detection [4.478818286947472]
新型コロナウイルス(COVID-19)のパンデミックは世界経済に大きな影響を与え、人間の生活に大きな被害を与え続けている。
新型コロナウイルス(COVID-19)の感染拡大率は、流行の回復の効果的な検出と封じ込めを見積り、監視するための重要な疫学的パラメータである。
成長速度の推定とそれによるアウトブレイク検出における根本的な課題は、精度と速度のトレードオフのバランスにある。
我々は、この精度と速度のトレードオフをバランスさせる、Transfer Learning Generalized Random Forest (TLGRF)と呼ばれる機械学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2023-12-07T07:53:00Z) - CenTime: Event-Conditional Modelling of Censoring in Survival Analysis [49.44664144472712]
CenTimeは、イベントへの時間を直接見積もる、サバイバル分析の新しいアプローチである。
本手法は,非検閲データが少ない場合でも,堅牢なイベント条件検閲機構を特徴とする。
以上の結果から,CenTimeは同等の性能を維持しつつ,死までの時間を予測する上で,最先端のパフォーマンスを提供することがわかった。
論文 参考訳（メタデータ） (2023-09-07T17:07:33Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - 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) - Gaussian Process Nowcasting: Application to COVID-19 Mortality Reporting [2.8712862578745018]
計測過程の遅延による信号の観測の更新は、信号処理において一般的な問題である。
本稿では,報告時間遅延面に存在する自己相関構造の変化を記述可能な潜在ガウス過程を用いた柔軟なアプローチを提案する。
このアプローチは、現在予測されている死者数に対する不確実性の堅牢な推定も生み出す。
論文 参考訳（メタデータ） (2021-02-22T18:32:44Z) - 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) - 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) - Data-driven Identification of Number of Unreported Cases for COVID-19:
Bounds and Limitations [10.796851110372593]
正確な長期予測を妨げる重要な要因は、報告されていない/症状のないケースの数である。
報告された症例の要因として, 実例のこの比率の下位境界, 上限を同定できることが示唆された。
報告されていないケースの数を一定期間のみ確実に推定できることを実証する。
論文 参考訳（メタデータ） (2020-06-03T09:39:50Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z)
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。