Fugu-MT 論文翻訳(概要): Machine learning spatio-temporal epidemiological model to evaluate Germany-county-level COVID-19 risk

論文の概要: Machine learning spatio-temporal epidemiological model to evaluate Germany-county-level COVID-19 risk

arxiv url: http://arxiv.org/abs/2012.00082v1
Date: Mon, 30 Nov 2020 20:17:19 GMT
ステータス: 処理完了
システム内更新日: 2021-06-06 19:09:25.337353
Title: Machine learning spatio-temporal epidemiological model to evaluate Germany-county-level COVID-19 risk
Title（参考訳）: 機械学習時空間疫学モデルによるドイツにおける新型コロナウイルスリスクの評価
Authors: Lingxiao Wang, Tian Xu, Till Hannes Stoecker, Horst Stoecker, Yin Jiang and Kai Zhou
Abstract要約: 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。
参考スコア（独自算出の注目度）: 26.228330223358952
License: http://creativecommons.org/licenses/by/4.0/
Abstract: As the COVID-19 pandemic continues to ravage the world, it is of critical significance to provide a timely risk prediction of the COVID-19 in multi-level. To implement it and evaluate the public health policies, we develop a framework with machine learning assisted to extract epidemic dynamics from the infection data, in which contains a county-level spatiotemporal epidemiological model that combines a spatial Cellular Automaton (CA) with a temporal Susceptible-Undiagnosed-Infected-Removed (SUIR) model. Compared with the existing time risk prediction models, the proposed CA-SUIR model shows the multi-level risk of the county to the government and coronavirus transmission patterns under different policies. This new toolbox is first utilized to the projection of the multi-level COVID-19 prevalence over 412 Landkreis (counties) in Germany, including t-day-ahead risk forecast and the risk assessment to the travel restriction policy. As a practical illustration, we predict the situation at Christmas where the worst fatalities are 34.5 thousand, effective policies could contain it to below 21 thousand. Such intervenable evaluation system could help decide on economic restarting and public health policies making in pandemic.
Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックが世界を破壊し続ける中、covid-19を多レベルにタイムリーなリスク予測を提供することは重要な意味を持つ。そこで本研究では,空間的セルラ・オートマトン(ca)と時間的感受性未認識感染除去モデル(suir)を組み合わせた,郡レベルの時空間疫学モデルを含む感染症データから流行動態を抽出するための機械学習を用いた枠組みを開発した。既存の時刻リスク予測モデルと比較すると,提案するca-suirモデルは,政府に対する郡と,異なる政策下での新型コロナウイルスの感染パターンに対する多レベルリスクを示している。この新しいツールボックスは、t-day-aheadリスク予測や旅行制限政策のリスクアセスメントなど、ドイツの412の地方(国)で発生した多レベルcovid-19の予測に初めて利用される。実例として、最悪の死者が35万件、効果的な政策が2万件未満に抑えられるクリスマスの状況を予測します。このような介入可能な評価システムは、パンデミックにおける経済再開と公衆衛生政策の決定に役立てることができる。

関連論文リスト

Digital Epidemiology after COVID-19: impact and prospects [0.5953513005270838]
2020年の初めにDigital Epidemiology(DE)がどうだったのか、そして新型コロナウイルスのパンデミックによってどのように変わったのかをレビューする。我々は、DEがその可能性を認識し、そのリスクを最小限に抑える限り、徐々に有用なツールになると論じる。
論文参考訳（メタデータ） (2023-12-08T05:18:30Z)
Modelling the Spread of COVID-19 in Indoor Spaces using Automated Probabilistic Planning [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、約3年間続いている。病気の拡散を制御するためのいくつかの戦略は、医療専門家によって議論されている。疾患の潜在的な影響を予測し、異なる緩和戦略の有効性をシミュレートするためには、堅牢な疾患拡散モデルが必要である。
論文参考訳（メタデータ） (2023-08-16T07:41:53Z)
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)
Machine learning approach to dynamic risk modeling of mortality in COVID-19: a UK Biobank study [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、高リスク患者の階層化を支援する堅牢でスケーラブルなモニタリングツールを緊急に必要としてきた。本研究は、英国バイオバンクを用いた予測モデルを開発し、検証し、新型コロナウイルスの死亡リスクを推定することを目的とする。
論文参考訳（メタデータ） (2021-04-19T11:51:20Z)
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)
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)
Data-driven Simulation and Optimization for Covid-19 Exit Strategies [16.31545249131776]
コロナウイルスSARS-2の急速な普及は、世界中のほぼ全ての政府が悲劇に対応するために徹底的な対策を講じる大きな課題である。我々は,疫学パラメータの深層学習推定を組み合わせたパンデミックシミュレーションと予測ツールキットを構築した。
論文参考訳（メタデータ） (2020-06-12T11:18:25Z)
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 Deep Q-learning/genetic Algorithms Based Novel Methodology For Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
論文参考訳（メタデータ） (2020-05-15T17:17:45Z)
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。