論文の概要: Monitoring behavioural responses during pandemic via reconstructed
contact matrices from online and representative surveys
- arxiv url: http://arxiv.org/abs/2102.09021v2
- Date: Mon, 22 Feb 2021 20:06:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 22:01:39.883544
- Title: Monitoring behavioural responses during pandemic via reconstructed
contact matrices from online and representative surveys
- Title(参考訳): オンラインおよび代表的調査による再建接触行列によるパンデミック時の行動反応のモニタリング
- Authors: J\'ulia Koltai, Orsolya V\'as\'arhelyi, Gergely R\"ost and M\'arton
Karsai
- Abstract要約: ハンガリー人人口の2.3%以上を巻き込んだデータ収集活動について報告する。
本研究は,オンラインオフラインデータ収集と組み合わせた行動応答の理解の可能性を示すものである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The unprecedented behavioural responses of societies have been evidently
shaping the COVID-19 pandemic, yet it is a significant challenge to accurately
monitor the continuously changing social mixing patterns in real-time. Contact
matrices, usually stratified by age, summarise interaction motifs efficiently,
but their collection relies on conventional representative survey techniques,
which are expensive and slow to obtain. Here we report a data collection effort
involving over $2.3\%$ of the Hungarian population to simultaneously record
contact matrices through a longitudinal online and sequence of representative
phone surveys. To correct non-representative biases characterising the online
data, by using census data and the representative samples we develop a
reconstruction method to provide a scalable, cheap, and flexible way to
dynamically obtain closer-to-representative contact matrices. Our results
demonstrate the potential of combined online-offline data collections to
understand the changing behavioural responses determining the future evolution
of the outbreak, and inform epidemic models with crucial data.
- Abstract(参考訳): 社会の行動反応は明らかに新型コロナウイルスのパンデミックを形作っているが、リアルタイムで変化する社会混合パターンを正確に監視することは大きな課題である。
接触行列は通常年齢によって階層化され、相互作用のモチーフを効率的に要約するが、それらの収集は高価で入手が遅い従来の代表的調査技術に依存している。
ここでは、ハンガリーの人口の2.3対%以上を含むデータ収集の取り組みを、縦断的なオンラインおよび代表的電話調査を通じて同時に記録する。
国勢調査データと代表サンプルを用いて、オンラインデータの特徴である非表現バイアスを補正するために、よりスケーラブルで安価で柔軟な接触行列を動的に得るための再構成手法を開発した。
以上の結果から,オンラインオフラインデータ集合が,流行の将来的な進展を決定する行動応答の変化を理解し,重要なデータで流行モデルに通知する可能性を示した。
関連論文リスト
- On the Resurgence of Recurrent Models for Long Sequences -- Survey and
Research Opportunities in the Transformer Era [59.279784235147254]
この調査は、Recurrenceの統一の傘の下に構築されたこれらのトレンドの概要を提供することを目的としている。
長いシーケンスを処理するという考え方を捨てる際に顕著になる新しい研究機会を強調している。
論文 参考訳(メタデータ) (2024-02-12T23:55:55Z) - A Mixed-Method Approach to Determining Contact Matrices in the Cox's
Bazar Refugee Settlement [0.0]
住民の接触行列を導出するための新しい混合手法を提案する。
我々は、バングラデシュにおけるコックスのバザール難民開拓地の最初の接触行列を導いた。
提案手法は従来のエージェントベースアプローチとそれ以前のエージェントベースアプローチの両方の課題に対処できることを示す。
論文 参考訳(メタデータ) (2022-11-22T21:53:33Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳(メタデータ) (2022-07-20T07:32:02Z) - Deeply-Learned Generalized Linear Models with Missing Data [6.302686933168439]
我々は、深く学習された一般化線形モデルの文脈において、欠測データの形式的処理を行う。
我々は、無視できないパターンと無視できないパターンの両方を柔軟に説明できる新しいアーキテクチャ、textitdlglmを提案する。
UCI Machine Learning Repositoryのバンクマーケティングデータセットのケーススタディで締めくくった。
論文 参考訳(メタデータ) (2022-07-18T20:00:13Z) - Privacy-Preserving Epidemiological Modeling on Mobile Graphs [17.085245461105863]
プライバシー保護型疫学モデリングフレームワークRIPPLEについて述べる。
PIR-SUMも提案する。
論文 参考訳(メタデータ) (2022-06-01T14:51:17Z) - Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。
動的パーソナライズされた価格設定などの問題の因果構造を形式化する。
本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
論文 参考訳(メタデータ) (2021-10-19T16:15:56Z) - On the Efficacy of Adversarial Data Collection for Question Answering:
Results from a Large-Scale Randomized Study [65.17429512679695]
逆データ収集(ADC)では、人間の労働力がモデルとリアルタイムで対話し、誤った予測を誘発する例を作成しようとする。
ADCの直感的な魅力にも拘わらず、敵対的データセットのトレーニングがより堅牢なモデルを生成するかどうかは不明だ。
論文 参考訳(メタデータ) (2021-06-02T00:48:33Z) - DeepRite: Deep Recurrent Inverse TreatmEnt Weighting for Adjusting
Time-varying Confounding in Modern Longitudinal Observational Data [68.29870617697532]
時系列データにおける時間変化の相違に対するDeep Recurrent Inverse TreatmEnt重み付け(DeepRite)を提案する。
DeepRiteは、合成データから基底的真理を復元し、実際のデータから偏りのない処理効果を推定する。
論文 参考訳(メタデータ) (2020-10-28T15:05:08Z) - Statistical Analytics and Regional Representation Learning for COVID-19
Pandemic Understanding [4.731074162093199]
新型コロナウイルスの感染拡大が世界のほぼすべての国に深刻な影響を与えている。
本稿では、統一された情報ソースを提供するために、公開データセットの広範なコレクションを統合し、処理する。
本研究では,予測イベントモデリングのために,DoubleWindowLSTM-CPと呼ばれる特定のRNNベースの推論パイプラインを提案する。
論文 参考訳(メタデータ) (2020-08-08T03:35:16Z) - Hide-and-Seek Privacy Challenge [88.49671206936259]
NeurIPS 2020 Hide-and-Seek Privacy Challengeは、両方の問題を解決するための新しい2トラックの競争だ。
我々の頭から頭までのフォーマットでは、新しい高品質な集中ケア時系列データセットを用いて、合成データ生成トラック(「ヒッシャー」)と患者再識別トラック(「シーカー」)の参加者が直接対決する。
論文 参考訳(メタデータ) (2020-07-23T15:50:59Z)
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。