論文の概要: Validating Optimal COVID-19 Vaccine Distribution Models
- arxiv url: http://arxiv.org/abs/2102.04251v1
- Date: Wed, 3 Feb 2021 21:54:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-12 22:05:07.643254
- Title: Validating Optimal COVID-19 Vaccine Distribution Models
- Title(参考訳): 新型コロナウイルスワクチンの最適分布モデルの検証
- Authors: Mahzabeen Emu, Dhivya Chandrasekaran, Vijay Mago and Salimur Choudhury
- Abstract要約: 本稿では,最適な配布センターを選択するクラスタリングベースのソリューションと,ワクチンを最適に配布するための制約満足度問題フレームワークを提案する。
インド・チェンナイ地区から得られた実世界のデータを用いて,提案モデルの有効性を実証した。
- 参考スコア(独自算出の注目度): 7.227440688079006
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the approval of vaccines for the coronavirus disease by many countries
worldwide, most developed nations have begun, and developing nations are
gearing up for the vaccination process. This has created an urgent need to
provide a solution to optimally distribute the available vaccines once they are
received by the authorities. In this paper, we propose a clustering-based
solution to select optimal distribution centers and a Constraint Satisfaction
Problem framework to optimally distribute the vaccines taking into
consideration two factors namely priority and distance. We demonstrate the
efficiency of the proposed models using real-world data obtained from the
district of Chennai, India. The model provides the decision making authorities
with optimal distribution centers across the district and the optimal
allocation of individuals across these distribution centers with the
flexibility to accommodate a wide range of demographics.
- Abstract(参考訳): 世界の多くの国が新型コロナウイルスワクチンの承認を得て、ほとんどの先進国が開発を始め、発展途上国はワクチン接種プロセスに向けて準備を進めている。
これにより、当局に受け入れられたワクチンを最適に配布するためのソリューションを提供する緊急の必要性が生じた。
本稿では,最適な配当センターを選択するクラスタリング型ソリューションと,優先度と距離という2つの要因を考慮したワクチンを最適に配布する制約満足度問題フレームワークを提案する。
インド・チェンナイ地区から得られた実世界データを用いて,提案モデルの有効性を示す。
このモデルは、地域全体に最適な流通センターを持つ意思決定当局と、これらの流通センターにまたがる個人の最適な配置を提供し、幅広い人口層に対応する柔軟性を提供する。
関連論文リスト
- Empowering Tuberculosis Screening with Explainable Self-Supervised Deep Neural Networks [66.59360534642579]
結核は、特に資源に制限された人口や遠隔地において、世界的な健康危機として存続している。
本研究では,結核症例検診に適した自己指導型自己学習ネットワークを提案する。
ネットワーク全体の精度は98.14%で、それぞれ95.72%と99.44%という高いリコール率と精度を示している。
論文 参考訳(メタデータ) (2024-06-19T18:10:06Z) - Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top
exploration [53.122045119395594]
マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。
$m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。
ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
論文 参考訳(メタデータ) (2023-01-30T12:22:30Z) - Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳(メタデータ) (2022-12-16T13:57:41Z) - VacciNet: Towards a Smart Framework for Learning the Distribution Chain
Optimization of Vaccines for a Pandemic [0.0]
我々は、VacciNetと呼ぶ、教師付き学習と強化学習(RL)を活用する新しいフレームワークを提唱した。
RLは、国の州におけるワクチン接種需要を予測し、また、調達と供給の最小コストのために、州における最適なワクチン割り当てを提案することができる。
論文 参考訳(メタデータ) (2022-08-01T19:37:33Z) - Conditional Generation Net for Medication Recommendation [73.09366442098339]
医薬推奨は、患者の診断に従って適切な薬セットを提供することを目標としており、これは診療所において重要な課題である。
医薬品群を生成するための新しいコピー・アンド・予測機構を導入した条件生成ネット(COGNet)を提案する。
提案手法を公開MIMICデータセット上で検証し,実験結果から,提案手法が最先端の手法より優れていることを示す。
論文 参考訳(メタデータ) (2022-02-14T10:16:41Z) - Deploying Vaccine Distribution Sites for Improved Accessibility and
Equity to Support Pandemic Response [21.13458519284399]
多くの国はSARS-CoV-2の拡散を遅らせるため、社会的距離を義務付け、大規模なグループ集会を禁止している。
これらの社会的介入とワクチンは、SARS CoV-2の拡散を抑えるための最善策である。
ワクチンのアクセシビリティを高めるために、バージニア州のような州は、ワクチンを全国に配布するために移動式ワクチン接種センターを設置してきた。
論文 参考訳(メタデータ) (2022-02-09T19:57:55Z) - Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in
Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。
本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文 参考訳(メタデータ) (2021-11-18T00:43:41Z) - Vaccine allocation policy optimization and budget sharing mechanism
using Thompson sampling [0.0]
被受容集団の規模を最小化することを目的とした意思決定エージェントの視点を考察する。
我々はトンプソンサンプリングに基づく最適化政策を提案し、平均ワクチン効率を経時的に学習する。
固定的な世界的ワクチン割当予算の下では、ほとんどの国が感染や死亡の数を削減できることが示される。
論文 参考訳(メタデータ) (2021-09-21T07:22:03Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - Mobile Apps Prioritizing Privacy, Efficiency and Equity: A Decentralized
Approach to COVID-19 Vaccination Coordination [8.43232152762657]
我々は、新型コロナウイルスワクチンの配布に対する、分散化されたアプリベースのアプローチについて説明する。
エクイティを確保するため、当社のソリューションは、限られたインターネットアクセスでも動作するように開発されています。
論文 参考訳(メタデータ) (2021-02-09T05:37:36Z) - VacSIM: Learning Effective Strategies for COVID-19 Vaccine Distribution
using Reinforcement Learning [6.167847933188907]
VacSIMは、Deep Reinforcement Learningモデルを、新型コロナウイルスワクチンの配布を最適化するためのContextual Banditsアプローチに置き換える、新しいパイプラインである。
インド全5州で新型コロナウイルス感染者の発生率に比例して、ワクチンを配布する素早い割当アプローチに対して、本枠組みを評価した。
論文 参考訳(メタデータ) (2020-09-14T17:37:13Z)
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。