Fugu-MT 論文翻訳(概要): Comparison of ARIMA, ETS, NNAR and hybrid models to forecast the second wave of COVID-19 hospitalizations in Italy

論文の概要: Comparison of ARIMA, ETS, NNAR and hybrid models to forecast the second wave of COVID-19 hospitalizations in Italy

arxiv url: http://arxiv.org/abs/2010.11617v1
Date: Thu, 22 Oct 2020 11:29:24 GMT
ステータス: 処理完了
システム内更新日: 2022-10-04 07:34:10.784307
Title: Comparison of ARIMA, ETS, NNAR and hybrid models to forecast the second wave of COVID-19 hospitalizations in Italy
Title（参考訳）: ARIMA, ETS, NNARおよびハイブリッドモデルによるイタリアにおけるCOVID-19入院第2波の予測
Authors: Gaetano Perone
Abstract要約: コロナウイルス(Coronavirus disease, COVID-19)は、2019年12月に中国の武漢で発生した新型コロナウイルス感染症である。本稿では,イタリアにおけるCOVID-19第2波の拡散を予測するための時系列予測手法について分析した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Coronavirus disease (COVID-19) is a severe ongoing novel pandemic that has emerged in Wuhan, China, in December 2019. As of October 13, the outbreak has spread rapidly across the world, affecting over 38 million people, and causing over 1 million deaths. In this article, I analysed several time series forecasting methods to predict the spread of COVID-19 second wave in Italy, over the period after October 13, 2020. I used an autoregressive model (ARIMA), an exponential smoothing state space model (ETS), a neural network autoregression model (NNAR), and the following hybrid combinations of them: ARIMA-ETS, ARIMA-NNAR, ETS-NNAR, and ARIMA-ETS-NNAR. About the data, I forecasted the number of patients hospitalized with mild symptoms, and in intensive care units (ICU). The data refer to the period February 21, 2020-October 13, 2020 and are extracted from the website of the Italian Ministry of Health (www.salute.gov.it). The results show that i) the hybrid models, except for ARIMA-ETS, are better at capturing the linear and non-linear epidemic patterns, by outperforming the respective single models; and ii) the number of COVID-19-related hospitalized with mild symptoms and in ICU will rapidly increase in the next weeks, by reaching the peak in about 50-60 days, i.e. in mid-December 2020, at least. To tackle the upcoming COVID-19 second wave, on one hand, it is necessary to hire healthcare workers and implement sufficient hospital facilities, protective equipment, and ordinary and intensive care beds; and on the other hand, it may be useful to enhance social distancing by improving public transport and adopting the double-shifts schooling system, for example.
Abstract（参考訳）: コロナウイルス(Coronavirus disease, COVID-19)は、2019年12月に中国の武漢で発生した新型コロナウイルス感染症である。 10月13日現在、この流行は世界中で急速に広がり、3800万人以上に影響を与え、100万人以上の死者を出した。本稿は,2020年10月13日以降のイタリアにおける第2波の流行を予測するために,いくつかの時系列予測手法を分析した。自己回帰モデル(arima)、指数的平滑化状態空間モデル(ets)、ニューラルネットワーク自己回帰モデル(nnar)、それらのハイブリッド組み合わせ(arima-ets、arima-nnar、ets-nnar、arima-ets-nnar)を使いました。データについて,軽度症状の入院患者数と集中治療室(icu)の患者数を予測した。データは2020年2月21日から10月13日までの期間で、イタリアの保健省(www.salute.gov.it)のウェブサイトから抽出されている。その結果は一ハイブリッドモデルは、ARIMA-ETSを除き、それぞれの単一モデルに勝ることにより、線状及び非線状流行パターンを捉えるのがより優れている。二軽症候及びicuに入院する新型コロナウイルス関連病院の数が、少なくとも2020年12月半ばに約50日から60日でピークに達することにより、今後数週間で急速に増加すること。新型コロナウイルス(COVID-19)第2次波に対処するためには、医療従事者を雇用し、十分な病院施設、防護設備、通常の医療ベッドを整備する必要がある。

関連論文リスト

Strict baselines for Covid-19 forecasting and ML perspective for USA and Russia [105.54048699217668]
Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
論文参考訳（メタデータ） (2022-07-15T18:21:36Z)
A spatiotemporal machine learning approach to forecasting COVID-19 incidence at the county level in the United States [2.9822184411723645]
本稿では,米国内の郡レベルでの新型コロナウイルスの流行を予測するための,長期記憶アーキテクチャに基づくデータ駆動型モデルであるCOVID-LSTMを提案する。われわれは、時間的入力として毎週の新規症例数と、Facebookのハンドエンジニアリングによる空間的特徴を用いて、疾患の時間的および空間的拡散を捉えている。 4週間の予測で、私たちのモデルは平均50のケースで、COVIDhubアンサンブルよりも正確です。
論文参考訳（メタデータ） (2021-09-24T17:40:08Z)
Severity and Mortality Prediction Models to Triage Indian COVID-19 Patients [0.0]
インド第2波が緩和する中、新型コロナウイルス(COVID-19)は全国で約2900万人の患者に感染し、350万人以上の死者を出した。そこで本研究では,インドにおける入院当日最大のコホートのうちの1つから,非侵襲的非侵襲的非侵襲的血液パラメータモニタリングに基づいて,臨床結果,重症度,死亡率を予測する2つの解釈可能な機械学習モデルを提案する。
論文参考訳（メタデータ） (2021-09-02T23:15:04Z)
COVID-19 cases prediction using regression and novel SSM model for non-converged countries [0.0]
2020年1月20日から7月21日まで、新たに新型コロナウイルスに関する情報が収集された。収束していない国では,SARIMAX,線形回帰モデルを用いて新たな新型コロナウイルス感染者を予想した。本フレームワークは,インド,米国,ブラジルなどの各国において,このパンデミックの線形回帰と転倒を利用したR-Squared値0.986のピークコロナ症例を予測できる。
論文参考訳（メタデータ） (2021-06-04T13:02:08Z)
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)
Forecasting COVID-19 Counts At A Single Hospital: A Hierarchical Bayesian Approach [59.318136981032]
一つの病院で1日当たりの入院患者数を予測するという課題について検討する。データのカウント特性を直接キャプチャする階層型ベイズモデルをいくつか開発する。マサチューセッツ州の8つの病院とイギリスの10の病院のパブリックデータセットに対する我々のアプローチを実証する。
論文参考訳（メタデータ） (2021-04-14T11:58:54Z)
Forecasting Brazilian and American COVID-19 cases based on artificial intelligence coupled with climatic exogenous variables [3.0711362702464675]
世界保健機関(WHO)によると、新型コロナウイルス(COVID-19)は2020年6月10日までの公衆衛生上の問題である。現在のシナリオでは、ブラジルと米国は毎日、新しいケースや死亡の頻度が高い。新型コロナウイルス(COVID-19)対策の戦略的計画を立てる上では、今後1週間の時間枠で新規感染者数を予測することが重要である。
論文参考訳（メタデータ） (2020-07-21T17:58:11Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
A Recurrent Neural Network and Differential Equation Based Spatiotemporal Infectious Disease Model with Application to COVID-19 [3.464871689508835]
我々は、ディファレンス微分方程式(SIR)とリカレントニューラルネットワーク(RNN)に基づく統合疾患モデルを開発する。イタリアのCO-19データをトレーニングし,既存の時間モデル(NN,SIR,ARIMA)を1日,3日,1週間の予測で上回っていることを示す。
論文参考訳（メタデータ） (2020-07-14T07:04:57Z)
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 machine learning methodology for real-time forecasting of the 2019-2020 COVID-19 outbreak using Internet searches, news alerts, and estimates from mechanistic models [53.900779250589814]
提案手法は,2日前の安定かつ正確な予測を行うことができる。我々のモデルでは,中国32州中27州において,ベースラインモデルよりも予測力が優れています。
論文参考訳（メタデータ） (2020-04-08T14:39:32Z)

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。