論文の概要: Modeling National Trends on Health in the Philippines Using ARIMA
- arxiv url: http://arxiv.org/abs/2101.01392v1
- Date: Tue, 5 Jan 2021 07:41:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-17 20:08:29.447556
- Title: Modeling National Trends on Health in the Philippines Using ARIMA
- Title（参考訳）: ARIMAを用いたフィリピンの健康動向のモデル化
- Authors: Florence Jean B. Talirongan, Hidear Talirongan, Markdy Y. Orong
- Abstract要約: 本稿では、ARIMAモデルを用いた時系列データをトレンド分析およびデータ予測に利用し、健康データの動向を可視化した。
死因は心臓疾患,血管系疾患,事故,慢性下気道疾患,慢性結核であった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Health is a very important prerequisite in peoples well-being and happiness.
Several studies were more focused on presenting the occurrence on specific
disease like forecasting the number of dengue and malaria cases. This paper
utilized the time series data for trend analysis and data forecasting using
ARIMA model to visualize the trends of health data on the ten leading causes of
deaths, leading cause of morbidity and leading cause of infants deaths
particularly in the Philippines presented in a tabular data. Figures for each
disease trend are presented individually with the use of the GRETL software.
Forecasting results of the leading causes of death showed that Diseases of the
heart, vascular system, accidents, Chronic lower respiratory diseases and
Chronic Tuberculosis (all forms) showed a slight changed of the forecasted
data, Malignant neoplasms showed unstable behavior of the forecasted data, and
Pneumonia, diabetes mellitus, Nephritis, nephrotic syndrome and nephrosis and
certain conditions originating in perinatal showed a decreasing patterns based
on the forecasted data.
- Abstract（参考訳）: 健康は幸福と幸福にとって非常に重要な前提条件である。
いくつかの研究は、デングやマラリアの患者数を予測するなど、特定の疾患の発生を予測することに焦点を当てた。
本稿では, アリマモデルを用いたトレンド分析とデータ予測のための時系列データを用いて, 特にフィリピンにおける死亡原因, 死亡原因, 死亡原因, 死亡原因について, 健康データの動向を可視化した。
各病気の傾向の数字は、grtlソフトウェアを使用して個別に示されます。
死因予測の結果から, 心臓疾患, 血管系疾患, 事故, 慢性呼吸器疾患, 慢性結核(全形態)は予測データのわずかな変化を示し, 悪性腫瘍は予測データの不安定な行動を示し, 肺炎, 糖尿病, 腎炎, 腎症, 腎症, 周産期由来の病態は予測データに基づいて減少傾向を示した。
関連論文リスト
- Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Data-Driven Disease Progression Modelling [0.0]
データ駆動型疾患進行モデルがコンピュータ科学コミュニティから登場した。
本章では、疾患の進行の理解と予測のためのユーティリティに焦点を当て、現場から選択したハイライトについて述べる。
論文 参考訳（メタデータ） (2022-11-01T10:55:31Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Epicasting: An Ensemble Wavelet Neural Network (EWNet) for Forecasting
Epidemics [2.705025060422369]
感染性疾患は、世界中でヒトの病気や死亡の原因となっている。
感染拡大の予測は、利害関係者が目の前の状況に対処するのに役立つ。
論文 参考訳（メタデータ） (2022-06-21T19:31:25Z) - 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) - Correlation-based Discovery of Disease Patterns for Syndromic
Surveillance [0.0]
シナドロミック監視は 早期の症状の 検出を目的としてる
早期症状は通常多くの疾患で共有され、特定の疾患は感染の初期段階にいくつかの臨床像を持つことがある。
歴史的データからそのようなパターンを発見するための,新しい,データ駆動型アプローチを提案する。
論文 参考訳（メタデータ） (2021-10-18T11:50:26Z) - Alleviating Vulnerabilities of the Possible Outbreaks of Measles: A Data
Trend Analysis and Prediction of Possible Cases [0.0]
この論文はフィリピンの麻疹の傾向と5年間の予測データを決定づけた。
その結果、2016年から2019年にかけて、この病気のパターンが増加していた。
しかし,5年間の予測では,今後5年間でその発生パターンが低下する傾向にあった。
論文 参考訳（メタデータ） (2021-01-05T07:31:34Z) - Steering a Historical Disease Forecasting Model Under a Pandemic: Case
of Flu and COVID-19 [75.99038202534628]
我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。
我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
論文 参考訳（メタデータ） (2020-09-23T22:35:43Z) - General DeepLCP model for disease prediction : Case of Lung Cancer [0.0]
生活を脅かす致命的な病気を予測するための新しいアプローチ「DeepLCP」を提案する。
ディープLCP」は自然言語処理(NLP)と深層学習パラダイムを組み合わせた結果である。
肺がん予測における提案モデルの実験結果から,高い精度と低損失データ率が確認された。
論文 参考訳（メタデータ） (2020-09-15T21:43:48Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。