論文の概要: Towards Accurate Spatiotemporal COVID-19 Risk Scores using High
Resolution Real-World Mobility Data
- arxiv url: http://arxiv.org/abs/2012.07283v1
- Date: Mon, 14 Dec 2020 06:31:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-09 07:23:18.456707
- Title: Towards Accurate Spatiotemporal COVID-19 Risk Scores using High
Resolution Real-World Mobility Data
- Title（参考訳）: 高分解能実世界のモビリティデータを用いたcovid-19の時空間的リスクスコアの高精度化
- Authors: Sirisha Rambhatla, Sepanta Zeighami, Kameron Shahabi, Cyrus Shahabi,
Yan Liu
- Abstract要約: 比較的細かい空間的および時間的リスクスコアを割り当てるHawkesプロセスベースの技術を開発する。
位置密度と移動行動に基づくリスクスコアの開発に重点を置いている。
以上の結果から,高分解能モビリティデータに基づく細粒度リスクスコアは,有用な洞察を提供し,安全に再オープンできることが示された。
- 参考スコア（独自算出の注目度）: 15.302926747159557
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As countries look towards re-opening of economic activities amidst the
ongoing COVID-19 pandemic, ensuring public health has been challenging. While
contact tracing only aims to track past activities of infected users, one path
to safe reopening is to develop reliable spatiotemporal risk scores to indicate
the propensity of the disease. Existing works which aim to develop risk scores
either rely on compartmental model-based reproduction numbers (which assume
uniform population mixing) or develop coarse-grain spatial scores based on
reproduction number (R0) and macro-level density-based mobility statistics.
Instead, in this paper, we develop a Hawkes process-based technique to assign
relatively fine-grain spatial and temporal risk scores by leveraging
high-resolution mobility data based on cell-phone originated location signals.
While COVID-19 risk scores also depend on a number of factors specific to an
individual, including demography and existing medical conditions, the primary
mode of disease transmission is via physical proximity and contact. Therefore,
we focus on developing risk scores based on location density and mobility
behaviour. We demonstrate the efficacy of the developed risk scores via
simulation based on real-world mobility data. Our results show that fine-grain
spatiotemporal risk scores based on high-resolution mobility data can provide
useful insights and facilitate safe re-opening.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックが続く中、各国が経済活動の再開を目指す中、公衆衛生の確保が困難になっている。
接触追跡は感染したユーザーの過去の活動を追跡することだけを目的としているが、安全な再開への道の1つは、病気の妥当性を示すために信頼できる時空間リスクスコアを開発することである。
リスクスコアの開発を目的とした既存の研究は, 構成モデルに基づく再現数(一様人口混合を前提とする)に依存するか, 再現数(R0)とマクロレベル密度に基づく移動統計に基づく粗粒空間スコアを開発する。
そこで本稿では,携帯電話発着位置信号に基づく高分解能モビリティデータを活用することで,比較的微粒な空間的・時間的リスクスコアを割り当てる,ホークスプロセスに基づく手法を提案する。
新型コロナウイルス(COVID-19)のリスクスコアは、デモグラフィーや既存の医療状況など、個人固有の要因にも依存するが、病原体の伝達は物理的な近接と接触によって行われる。
そこで我々は,位置密度と移動行動に基づくリスクスコアの開発に注力する。
実世界のモビリティデータに基づくシミュレーションにより,開発したリスクスコアの有効性を示す。
以上の結果から,高分解能モビリティデータに基づく細粒度時空間リスクスコアは,有用な洞察を与え,安全に再オープンできることが示された。
関連論文リスト
- Developing Federated Time-to-Event Scores Using Heterogeneous Real-World
Survival Data [8.3734832069509]
既存のサバイバルスコアの構築方法は、データが単一のソースに由来することを前提としている。
本稿では,多地点生存のための統合スコアリングシステムを構築するための新しいフレームワークを提案する。
参加者各サイトからのデータセットのテストにおいて,提案するフェデレーションスコアリングシステムは,すべての局所モデルより一貫して優れていた。
論文 参考訳（メタデータ） (2024-03-08T11:32:00Z) - MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data
Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。
トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。
ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文 参考訳（メタデータ） (2023-10-04T01:36:30Z) - Improving Opioid Use Disorder Risk Modelling through Behavioral and Genetic Feature Integration [3.524972282521988]
オピオイドは急性および慢性の痛みに対して効果的な鎮痛薬であるが、中毒のリスクを負い、毎年数百万のオピオイド使用障害(OUD)と数万の早死にを経験する。
我々は,OUDに関連する遺伝的変異をGPSとWi-Fiの時間座標から抽出した行動特徴と組み合わせ,OUDリスクを評価するための実験的設計と計算手法を開発した。
論文 参考訳（メタデータ） (2023-09-19T17:01:28Z) - SurvLatent ODE : A Neural ODE based time-to-event model with competing
risks for longitudinal data improves cancer-associated Deep Vein Thrombosis
(DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。
そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。
SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文 参考訳（メタデータ） (2022-04-20T17:28:08Z) - 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) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳（メタデータ） (2020-10-22T02:28:11Z) - Infection Risk Score: Identifying the risk of infection propagation
based on human contact [4.080171822768553]
我々は,ヒトの接触による感染リスクを推定する感染リスクスコアを導入する。
実世界の人間接触データを用いて,提案したリスクスコアが,人口のリスクレベルを現実的に推定できることを示す。
論文 参考訳（メタデータ） (2020-09-26T13:25:06Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z) - $\alpha$-Satellite: An AI-driven System and Benchmark Datasets for
Hierarchical Community-level Risk Assessment to Help Combat COVID-19 [24.774285634657787]
新型コロナウイルス(COVID-19)の感染者は53万1000人を超え、少なくとも171カ国で2万4000人以上が死亡している。
新型コロナウイルスの感染拡大を受け、地域住民の感染が拡大するとの見方が強まっている。
我々は、階層的なコミュニティレベルのリスク評価を提供するAI駆動システム(初期提供として$alpha$-Satelliteと名づけられた)を提案し、開発する。
論文 参考訳（メタデータ） (2020-03-27T04:44:53Z)
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。