論文の概要: COVIDHunter: An Accurate, Flexible, and Environment-Aware Open-Source
COVID-19 Outbreak Simulation Model
- arxiv url: http://arxiv.org/abs/2102.03667v1
- Date: Sat, 6 Feb 2021 21:01:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-10 02:44:08.582235
- Title: COVIDHunter: An Accurate, Flexible, and Environment-Aware Open-Source
COVID-19 Outbreak Simulation Model
- Title（参考訳）: COVIDHunter: 正確で柔軟で環境にやさしいオープンソースのCOVID-19アウトブレイクシミュレーションモデル
- Authors: Mohammed Alser, Jeremie S. Kim, Nour Almadhoun Alserr, Stefan W. Tell,
Onur Mutlu
- Abstract要約: 新型コロナウイルス感染者の早期発見と隔離は、緩和戦略の実施に不可欠である。
我々は、柔軟で正確な新型コロナウイルス感染シミュレーションモデルであるCOVIDHunterを紹介した。
新型コロナウイルス(COVIDHunter)は、スイスをケーススタディとして、政策立案者は現在の緩和措置を少なくとも30日間維持する必要があると見積もっている。
- 参考スコア（独自算出の注目度）: 9.360259141835721
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Motivation: Early detection and isolation of COVID-19 patients are essential
for successful implementation of mitigation strategies and eventually curbing
the disease spread. With a limited number of daily COVID19 tests performed in
every country, simulating the COVID-19 spread along with the potential effect
of each mitigation strategy currently remains one of the most effective ways in
managing the healthcare system and guiding policy-makers. We introduce
COVIDHunter, a flexible and accurate COVID-19 outbreak simulation model that
evaluates the current mitigation measures that are applied to a region and
provides suggestions on what strength the upcoming mitigation measure should
be. The key idea of COVIDHunter is to quantify the spread of COVID-19 in a
geographical region by simulating the average number of new infections caused
by an infected person considering the effect of external factors, such as
environmental conditions (e.g., climate, temperature, humidity) and mitigation
measures.
Results: Using Switzerland as a case study, COVIDHunter estimates that the
policy-makers need to keep the current mitigation measures for at least 30 days
to prevent demand from quickly exceeding existing hospital capacity. Relaxing
the mitigation measures by 50% for 30 days increases both the daily capacity
need for hospital beds and daily number of deaths exponentially by an average
of 23.8x, who may occupy ICU beds and ventilators for a period of time. Unlike
existing models, the COVIDHunter model accurately monitors and predicts the
daily number of cases, hospitalizations, and deaths due to COVID-19. Our model
is flexible to configure and simple to modify for modeling different scenarios
under different environmental conditions and mitigation measures.
Availability: https://github.com/CMU-SAFARI/COVIDHunter
- Abstract（参考訳）: モチベーション:covid-19患者の早期発見と隔離は、緩和戦略の実行に成功し、最終的には感染拡大を抑制するために不可欠である。
新型コロナウイルスの感染拡大と緩和戦略の潜在的な効果をシミュレートし、各国で毎日実施される新型コロナウイルス19検査は、現在、ヘルスケアシステムの管理と政策立案者の指導において最も効果的な方法の1つです。
新型コロナの感染シミュレーションモデルであるCOVIDHunterを紹介します。これは、地域に適用される現在の緩和策を評価し、今後の緩和措置の強さについて提案します。
COVIDHunterの重要なアイデアは、環境条件(例えば、気候、温度、湿度)や緩和措置などの外部要因の影響を考慮して、感染者による新しい感染の平均数をシミュレートすることによって、地域におけるCOVID-19の拡散を定量化することです。
結果: スイスをケーススタディとして、COVIDHunterは、需要が既存の病院の容量を超えるのを防ぐために、政策立案者は現在の緩和措置を少なくとも30日間維持する必要があると見積もっている。
30日間の緩和措置を50%緩和すると、病院のベッドに必要な日量と、ICUのベッドと人工呼吸器を一定期間占有できる平均23.8倍の日数の両方が指数関数的に増加する。
既存のモデルとは異なり、COVIDHunterモデルは、COVID-19による症例、入院、死亡の日数を正確に監視および予測します。
本モデルは,環境条件や緩和対策の異なるシナリオをモデル化するための構成や変更が容易である。
可用性: https://github.com/CMU-SAFARI/COVIDHunter
関連論文リスト
- COVIDHunter: COVID-19 pandemic wave prediction and mitigation via
seasonality-aware modeling [11.423326973456437]
我々は、柔軟で正確な新型コロナウイルス感染シミュレーションモデルであるCOVIDHunterを紹介した。
新型コロナウイルスによる毎日の感染者数、入院数、死亡数を予測する。
ケーススタディでは、2022年1月26日にピークとなる、致命的な新しい波を経験していると見積もられています。
論文 参考訳（メタデータ） (2022-06-14T08:48:13Z) - Forecasting COVID- 19 cases using Statistical Models and Ontology-based
Semantic Modelling: A real time data analytics approach [1.8008011356310047]
本研究では,SARIMA や FBProphet などの統計時系列モデルを用いて,COVID-19 の日常的,回復的,死亡例を正確にモニタリングする予測モデルを開発した。
COVID-19 Ontologyを開発し、設計したOntology上でSPARQLクエリを使用してさまざまなクエリを実行する。
個別の症例予測では、約497件のサンプルが検査され、5種類の新型コロナウイルスクラスに分類されている。
論文 参考訳（メタデータ） (2022-06-06T11:58:11Z) - COVID-19 Hospitalizations Forecasts Using Internet Search Data [4.748730334762718]
先程提案したインフルエンザ追跡モデルであるARGOを拡張し,今後2週間の全国および州レベルの新規入院を予測した。
本手法は,新型コロナウイルスの予測ハブから収集した最良の代替モデルに対して,平均15%のエラー削減を実現する。
論文 参考訳（メタデータ） (2022-02-03T21:56:20Z) - 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) - 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) - Forecasting Brazilian and American COVID-19 cases based on artificial
intelligence coupled with climatic exogenous variables [3.0711362702464675]
世界保健機関(WHO)によると、新型コロナウイルス(COVID-19)は2020年6月10日までの公衆衛生上の問題である。
現在のシナリオでは、ブラジルと米国は毎日、新しいケースや死亡の頻度が高い。
新型コロナウイルス(COVID-19)対策の戦略的計画を立てる上では、今後1週間の時間枠で新規感染者数を予測することが重要である。
論文 参考訳（メタデータ） (2020-07-21T17:58:11Z) - 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) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z) - 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) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z) - A machine learning methodology for real-time forecasting of the
2019-2020 COVID-19 outbreak using Internet searches, news alerts, and
estimates from mechanistic models [53.900779250589814]
提案手法は,2日前の安定かつ正確な予測を行うことができる。
我々のモデルでは,中国32州中27州において,ベースラインモデルよりも予測力が優れています。
論文 参考訳（メタデータ） (2020-04-08T14:39:32Z)
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。