論文の概要: COVID-19 Outbreak Prediction and Analysis using Self Reported Symptoms
- arxiv url: http://arxiv.org/abs/2101.10266v1
- Date: Mon, 21 Dec 2020 00:37:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-29 12:34:59.802090
- Title: COVID-19 Outbreak Prediction and Analysis using Self Reported Symptoms
- Title（参考訳）: 自覚症状を用いたアウトブレイク予測と分析
- Authors: Rohan Sukumaran, Parth Patwa, T V Sethuraman, Sheshank Shankar,
Rishank Kanaparti, Joseph Bae, Yash Mathur, Abhishek Singh, Ayush Chopra,
Myungsun Kang, Priya Ramaswamy and Ramesh Raskar
- Abstract要約: 新型コロナウイルスの流行状況を把握するために、自己報告型症状調査データを用いています。
本研究は、自己申告された症状に基づいて、新型コロナウイルス陽性の集団の確率%を予測しようと試みた。
人口の%がcovid-19ライクな疾患(cli)を患っており、それぞれ0.15%と1.14%が絶対エラーであった。
- 参考スコア（独自算出の注目度）: 12.864257751458712
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The COVID-19 pandemic has challenged scientists and policy-makers
internationally to develop novel approaches to public health policy.
Furthermore, it has also been observed that the prevalence and spread of
COVID-19 vary across different spatial, temporal, and demographics. Despite
ramping up testing, we still are not at the required level in most parts of the
globe. Therefore, we utilize self-reported symptoms survey data to understand
trends in the spread of COVID-19. The aim of this study is to segment
populations that are highly susceptible. In order to understand such
populations, we perform exploratory data analysis, outbreak prediction, and
time-series forecasting using public health and policy datasets. From our
studies, we try to predict the likely % of the population that tested positive
for COVID-19 based on self-reported symptoms. Our findings reaffirm the
predictive value of symptoms, such as anosmia and ageusia. And we forecast that
% of the population having COVID-19-like illness (CLI) and those tested
positive as 0.15% and 1.14% absolute error respectively. These findings could
help aid faster development of the public health policy, particularly in areas
with low levels of testing and having a greater reliance on self-reported
symptoms. Our analysis sheds light on identifying clinical attributes of
interest across different demographics. We also provide insights into the
effects of various policy enactments on COVID-19 prevalence.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、科学者や政策立案者に対して、公衆衛生政策に新たなアプローチを開発するよう国際的に呼びかけている。
さらに、covid-19の流行と拡散は、空間的、時間的、人口層によって異なることが観察されている。
テストの増加にもかかわらず、世界中のほとんどの地域ではまだ必要なレベルではありません。
そこで本研究では、自己申告症状調査データを用いて、新型コロナウイルスの流行の動向を理解する。
本研究の目的は,感受性の高い個体群を区分することである。
このような人口を理解するために, 公衆衛生・政策データセットを用いた探索データ解析, アウトブレイク予測, 時系列予測を行う。
本研究は、自己申告された症状に基づいて、新型コロナウイルス陽性の集団の確率%を予測しようと試みた。
以上より,無痛症や老年症などの症状の予測値を再確認した。
また、COVID-19様疾患(CLI)の人口の%と、それぞれ0.15%と1.14%の絶対誤差で陽性であった人口を予測した。
これらの発見は、特に低レベルの検査と自己報告症状への依存度が高い地域で、公衆衛生政策の迅速な発展に役立つ可能性がある。
我々の分析は、異なる人口層にまたがる臨床属性の同定に光を当てている。
また、さまざまな政策の制定が新型コロナウイルスの感染拡大に及ぼす影響についても考察する。
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) - Population Age Group Sensitivity for COVID-19 Infections with Deep
Learning [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、世界中の政府や医療システムにとって前例のない課題を生み出している。
この研究は、米国の郡レベルでの新型コロナウイルス感染率において最も影響力のある年齢層を特定することを目的としている。
論文 参考訳（メタデータ） (2023-07-03T04:56:55Z) - Twitter Subjective Well-Being Indicator During COVID-19 Pandemic: A
Cross-Country Comparative Study [0.0]
本研究は、日本とイタリアのTwitterデータ指標を用いて、新型コロナウイルスのパンデミックが主観的幸福感に与える影響を分析した。
全体として、主観的な幸福感はイタリアでは11.7%、日本では8.3%減少し、2020年の最初の9ヶ月は2019年の最後の2ヶ月と比較して減少した。
論文 参考訳（メタデータ） (2021-01-19T15:51:53Z) - Continual Deterioration Prediction for Hospitalized COVID-19 Patients [3.3581926090154113]
病院滞在終了時の患者結果の日次予測を行うための時間的階層化手法を開発した。
予備実験では、連続劣化予測における0.98 AUROC、0.91 F1スコアおよび0.97AUPRを示す。
論文 参考訳（メタデータ） (2021-01-19T12:03:56Z) - Classification supporting COVID-19 diagnostics based on patient survey
data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。
得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。
このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文 参考訳（メタデータ） (2020-11-24T17:44:01Z) - 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) - Analysing the impact of global demographic characteristics over the
COVID-19 spread using class rule mining and pattern matching [8.025086113117291]
本研究は、人口統計学的属性と世界的変動の多次元的関連を調査するためのインテリジェントなアプローチを提案する。
信頼性のあるソースから複数の人口統計属性とCOVID-19感染データを収集し、インテリジェントアルゴリズムで処理し、データ内の重要な関連やパターンを識別する。
論文 参考訳（メタデータ） (2020-09-27T18:43:18Z) - 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) - 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) - From predictions to prescriptions: A data-driven response to COVID-19 [42.57407485467993]
新型コロナウイルスの臨床的特徴を理解するための包括的データ駆動型アプローチを提案する。
私たちは、感染や死亡のリスクを予測するために、パーソナライズされた電卓を構築します。
人工呼吸器の再配置と不足軽減のための最適化モデルを提案する。
論文 参考訳（メタデータ） (2020-06-30T03:34:00Z) - 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)
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。