論文の概要: Analysis of the Effectiveness of Face-Coverings on the Death Rate of
COVID-19 Using Machine Learning
- arxiv url: http://arxiv.org/abs/2102.04419v1
- Date: Mon, 8 Feb 2021 18:26:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-10 10:05:37.718267
- Title: Analysis of the Effectiveness of Face-Coverings on the Death Rate of
COVID-19 Using Machine Learning
- Title（参考訳）: 機械学習を用いた新型コロナウイルス死亡率に及ぼす顔保護の効果の分析
- Authors: Ali Lafzi, Miad Boodaghi, Siavash Zamani, and Niyousha Mohammadshafie
- Abstract要約: マスク委任状(MM)は、新型コロナウイルスの感染拡大を防ぐために、州知事が発令した。
本研究では,ニューヨーク・タイムズが提供した調査データを用いて,MM順序に対する人々の依存度を定量化する。
異なる機械学習分類アルゴリズムを用いて、米国西海岸の各郡における死亡率の減少または増加が、入力パラメータとどのように相関するかを検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The recent outbreak of the COVID-19 shocked humanity leading to the death of
millions of people worldwide. To stave off the spread of the virus, the
authorities in the US, employed different strategies including the mask mandate
(MM) order issued by the states' governors. Although most of the previous
studies pointed in the direction that MM can be effective in hindering the
spread of viral infections, the effectiveness of MM in reducing the degree of
exposure to the virus and, consequently, death rates remains indeterminate.
Indeed, the extent to which the degree of exposure to COVID-19 takes part in
the lethality of the virus remains unclear. In the current work, we defined a
parameter called the average death ratio as the monthly average of the ratio of
the number of daily deaths to the total number of daily cases. We utilized
survey data provided by New York Times to quantify people's abidance to the MM
order. Additionally, we implicitly addressed the extent to which people abide
by the MM order that may depend on some parameters like population, income, and
political inclination. Using different machine learning classification
algorithms we investigated how the decrease or increase in death ratio for the
counties in the US West Coast correlates with the input parameters. Our results
showed a promising score as high as 0.94 with algorithms like XGBoost, Random
Forest, and Naive Bayes. To verify the model, the best performing algorithms
were then utilized to analyze other states (Arizona, New Jersey, New York and
Texas) as test cases. The findings show an acceptable trend, further confirming
usability of the chosen features for prediction of similar cases.
- Abstract（参考訳）: 新型コロナウイルスの感染拡大で人類は衝撃を受け、世界中で数百万人が死亡した。
ウイルスの拡散を阻止するために、米国の当局は、州知事によって発行されたマスクマンデート(MM)命令を含むさまざまな戦略を採用しました。
これまでの研究の多くは、MMがウイルス感染の拡散を阻害する効果があることを指摘していたが、MMの有効性はウイルスへの曝露の程度を減らし、その結果、死亡率は未決定のままである。
実際、covid-19への感染がウイルスの致死性に与える影響は、まだはっきりしていない。
本研究では, 平均死亡率というパラメータを, 日常死亡数と日常死亡数との比の月間平均として定義した。
New York Timesが提供する調査データを利用して、MM注文に対する人々の遵守度を定量化しました。
さらに、人口、収入、政治的傾向といったパラメータに依存するmm命令に人々が従属する範囲についても暗黙的に取り組んだ。
異なる機械学習分類アルゴリズムを使用して、米国西海岸の郡の死亡率の減少または増加が入力パラメータとどのように相関するかを調べました。
結果は、XGBoost、Random Forest、Naive Bayesなどのアルゴリズムで0.94の有望なスコアを示した。
モデルの検証には、他の州(アリゾナ、ニュージャージー、ニューヨーク、テキサス)をテストケースとして分析するために最適なアルゴリズムが使われた。
以上の結果から, 同様の症例の予測のために選択した特徴のユーザビリティがさらに確認された。
関連論文リスト
- Coronavirus disease situation analysis and prediction using machine
learning: a study on Bangladeshi population [1.7188280334580195]
バングラデシュでは近年、死亡率と感染率の差が以前よりも大きくなっている。
本研究では、機械学習モデルを識別し、今後数日の感染と死亡率を予測する予測システムを作成する。
論文 参考訳（メタデータ） (2022-07-12T09:48:41Z) - Computing the Death Rate of COVID-19 [0.34376560669160383]
新型コロナウイルスの感染率(IFR)は、感染数は不明であるため、推定が難しい。
当科では, 当院における当院における当院における当院における当院における当院における当院における当院における当院におけるIFRの実態について検討した。
論文 参考訳（メタデータ） (2021-09-09T19:38:50Z) - 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) - Comparative Analysis of Machine Learning Approaches to Analyze and
Predict the Covid-19 Outbreak [10.307715136465056]
疫学領域における新型コロナウイルスの流行を予測するための機械学習(ML)アプローチの比較分析を行った。
これらの結果から,短期的政策の意思決定を支援するMLアルゴリズムの利点が明らかになった。
論文 参考訳（メタデータ） (2021-02-11T11:57:33Z) - Timely Tracking of Infection Status of Individuals in a Population [70.21702849459986]
住民の感染状況のリアルタイム追跡について検討した。
この研究では、医療提供者が感染症から回復した人だけでなく、感染した人々も検出したいと考えています。
論文 参考訳（メタデータ） (2020-12-24T18:49:22Z) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳（メタデータ） (2020-09-22T11:53:06Z) - Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。
標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。
原理的に部分観測可能なベイズ的枠組みを提案する。
論文 参考訳（メタデータ） (2020-09-12T20:37:33Z) - A self-supervised neural-analytic method to predict the evolution of
COVID-19 in Romania [10.760851506126105]
我々は、感染症の古典的な確立されたモデルであるSEIRの改良版を使用している。
本稿では,修正SEIRモデルパラメータの正しいセットを推定するために,深層畳み込みネットワークを訓練するための自己教師型アプローチを提案する。
ルーマニアの死亡率が約0.3%である場合、楽観的な結果が得られ、我々のモデルが今後最大3週間の日々の死亡数を正確に予測できることを示した。
論文 参考訳（メタデータ） (2020-06-23T12:00:04Z) - 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) - 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)
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。