論文の概要: Where you live matters: a spatial analysis of COVID-19 mortality
- arxiv url: http://arxiv.org/abs/2101.04199v1
- Date: Mon, 11 Jan 2021 21:25:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-04 15:22:29.579516
- Title: Where you live matters: a spatial analysis of COVID-19 mortality
- Title（参考訳）: 新型コロナウイルスの死亡率の空間的分析
- Authors: Behzad Javaheri
- Abstract要約: 新型コロナウイルスのパンデミックはメキシコで200万人の死者を出した。
メキシコとのケース/死亡比の異常は、空間分析によって調査され、死亡率は局所的な要因によって異なる。
これに対処するため、ヘキサゴナル地図(hexbin)は、新型コロナウイルスの死亡率を空間的にマッピングし、人口統計や既存の健康状態に関する患者レベルのデータと関連づけるために使用される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The COVID-19 pandemic has caused ~ 2 million fatalities. Significant progress
has been made in advancing our understanding of the disease process, one of the
unanswered questions, however, is the anomaly in the case/mortality ratio with
Mexico as a clear example. Herein, this anomaly is explored by spatial analysis
and whether mortality varies locally according to local factors. To address
this, hexagonal cartogram maps (hexbin) used to spatially map COVID-19
mortality and visualise association with patient-level data on demographics and
pre-existing health conditions. This was further interrogated at local Mexico
City level by choropleth mapping. Our data show that the use of hexagonal
cartograms is a better approach for spatial mapping of COVID-19 data in Mexico
as it addresses bias in area size and population. We report sex/age-related
spatial relationship with mortality amongst the Mexican states and a trend
between health conditions and mortality at the state level. Within Mexico City,
there is a clear south, north divide with higher mortality in the northern
municipalities. Deceased patients in these northern municipalities have the
highest pre-existing health conditions. Taken together, this study provides an
improved presentation of COVID-19 mapping in Mexico and demonstrates spatial
divergence of the mortality in Mexico.
- Abstract（参考訳）: 新型コロナウイルスのパンデミックで約200万人の死者が出た。
しかし、未解決の質問の1つとして、メキシコとのケース/モルティリティ比の異常が明確な例として挙げられている。
ここでは、この異常を空間解析により調べ、局所要因に応じて死亡率が局所的に変化するかどうかを考察する。
これに対処するため、ヘキサゴナル地図(hexbin)は、新型コロナウイルスの死亡率を空間的にマッピングし、人口統計や既存の健康状態に関する患者レベルのデータと関連づけるために使用される。
これはメキシコシティレベルでコロンプルスマッピングによってさらに尋問された。
ヘキサゴナルカルトグラムの使用は、地域規模と人口の偏りに対処するため、メキシコにおけるCOVID-19データの空間マッピングにより良いアプローチであることを示す。
メキシコ州における性・年齢関連空間的関係と死亡率,健康状態と死亡率の関係について報告する。
メキシコシティには明確な南部と北部の区分があり、北部の自治体では死亡率が高い。
これらの北部自治体の患者は、最も高い既往の健康状態にある。
そこで本研究では,メキシコにおけるcovid-19マッピングの改良と,メキシコにおける死亡率の空間的多様性の実証を行った。
関連論文リスト
- Mortality Rates of US Counties: Are they Reliable and Predictable? [0.0]
米国2,812郡の死亡率は、非常に少ない。
予測モデリングでは、いくつかの利点を持つ死亡率の1つの「比較」尺度を使用する。
論文 参考訳（メタデータ） (2023-03-06T18:26:10Z) - Urban form and COVID-19 cases and deaths in Greater London: an urban
morphometric approach [63.29165619502806]
新型コロナウイルスのパンデミックは、都市密度に関してかなりの議論を巻き起こした。
これは19世紀中頃のイングランドで、公衆衛生と都市計画の分野が出現して始まった古い議論である。
都市形態を個々の建物レベルで記述し、その後、公的な近隣住民の情報を集約する。
論文 参考訳（メタデータ） (2022-10-16T10:01:10Z) - Medical-VLBERT: Medical Visual Language BERT for COVID-19 CT Report
Generation With Alternate Learning [70.71564065885542]
本稿では,医療用ビジュアル言語BERT(Medical-VLBERT)モデルを用いて,新型コロナウイルススキャンの異常を同定する。
このモデルは、知識事前学習と伝達の2つの手順で、代替的な学習戦略を採用する。
COVID-19患者に対する医療報告の自動作成のために,中国語で368例,胸部CTで1104例の検診を行った。
論文 参考訳（メタデータ） (2021-08-11T07:12:57Z) - Factors affecting the COVID-19 risk in the US counties: an innovative
approach by combining unsupervised and supervised learning [0.0]
新型コロナウイルスの感染リスクや死亡率に影響を及ぼす要因を郡レベルで分析した。
その結果、温度、貧困以下の人の割合、肥満、空気圧、人口密度、風速、経度、そして被保険者の比率が最も重要な属性であった。
論文 参考訳（メタデータ） (2021-06-24T04:29:00Z) - 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) - The COVID-19 pandemic: socioeconomic and health disparities [0.0]
社会経済的および健康関連変数は、最も影響を受ける上位5か国で死亡率を予測するために使用された。
我々のデータによると、人口統計や社会的不利益に関連する予測者は、新型コロナウイルスの死亡率100万と相関している。
論文 参考訳（メタデータ） (2020-12-21T15:01:17Z) - 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) - Estimating COVID-19 cases and reproduction number in Mexico [0.0]
メキシコの新型コロナウイルス(COVID-19)流行を説明するため、半機械的ベイズ階層モデルに適合する。
感染数と再生数という2つの疫学的指標を得た。
論文 参考訳（メタデータ） (2020-07-17T17:12:38Z) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳（メタデータ） (2020-06-23T03:36:19Z) - 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) - Longevity Associated Geometry Identified in Satellite Images: Sidewalks,
Driveways and Hiking Trails [0.7130302992490973]
衛星画像を用いたアメリカ合衆国における郡レベルの死亡率の予測について検討した。
畳み込みニューラルネットワークは、2015年に各郡の粗末死亡率を用いて、死亡率を予測するために訓練された。
教育,収入,地理的地域,人種,年齢に関連する10のクラスタを特定した。
論文 参考訳（メタデータ） (2020-03-05T20:23:11Z)
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。