論文の概要: Policy-Aware Mobility Model Explains the Growth of COVID-19 in Cities
- arxiv url: http://arxiv.org/abs/2102.10538v1
- Date: Sun, 21 Feb 2021 07:39:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 07:43:45.535865
- Title: Policy-Aware Mobility Model Explains the Growth of COVID-19 in Cities
- Title（参考訳）: 政策対応型モビリティモデルが都市での新型コロナウイルス(covid-19)感染拡大を説明
- Authors: Zhenyu Han, Fengli Xu, Yong Li, Tao Jiang, Depeng Jin, Jianhua Lu,
James A. Evans
- Abstract要約: 新型コロナウイルスの感染拡大を遅らせるためには、非医薬品の介入を考慮する必要がある。
都市内モビリティと政策導入を新しいメタポピュレーションSEIRモデルに組み込むことで、米国の都市における複雑なCOVID-19成長パターンを正確に予測できることを示す。
- 参考スコア（独自算出の注目度）: 36.94575237918065
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the continued spread of coronavirus, the task of forecasting distinctive
COVID-19 growth curves in different cities, which remain inadequately explained
by standard epidemiological models, is critical for medical supply and
treatment. Predictions must take into account non-pharmaceutical interventions
to slow the spread of coronavirus, including stay-at-home orders, social
distancing, quarantine and compulsory mask-wearing, leading to reductions in
intra-city mobility and viral transmission. Moreover, recent work associating
coronavirus with human mobility and detailed movement data suggest the need to
consider urban mobility in disease forecasts. Here we show that by
incorporating intra-city mobility and policy adoption into a novel
metapopulation SEIR model, we can accurately predict complex COVID-19 growth
patterns in U.S. cities ($R^2$ = 0.990). Estimated mobility change due to
policy interventions is consistent with empirical observation from Apple
Mobility Trends Reports (Pearson's R = 0.872), suggesting the utility of
model-based predictions where data are limited. Our model also reproduces urban
"superspreading", where a few neighborhoods account for most secondary
infections across urban space, arising from uneven neighborhood populations and
heightened intra-city churn in popular neighborhoods. Therefore, our model can
facilitate location-aware mobility reduction policy that more effectively
mitigates disease transmission at similar social cost. Finally, we demonstrate
our model can serve as a fine-grained analytic and simulation framework that
informs the design of rational non-pharmaceutical interventions policies.
- Abstract（参考訳）: 新型コロナウイルスの感染拡大が続く中、標準的な疫学モデルでは説明がつかず、各都市で特有の成長曲線を予想する作業は医療供給や治療に欠かせない。
外出禁止令、ソーシャルディスタンシング、隔離、強制マスク着用など、新型コロナウイルスの感染拡大を遅らせる非薬剤的介入を考慮する必要がある。
また、新型コロナウイルスと人の移動や詳細な移動データを関連付けた最近の研究は、疾病予測における都市移動を考える必要性を示唆している。
ここでは,都市内モビリティと政策導入を新しいメタポピュレーション・サーモデルに組み込むことにより,米国の都市におけるcovid-19の複雑な成長パターンを正確に予測できることを示す(r^2$ = 0.990)。
政策介入によるモビリティの変化の推定は、Apple Mobility Trends Reports(Pearson R = 0.872)の実証的な観察と一致しており、データ制限のあるモデルベースの予測の有用性を示唆している。
また, 都市部における二次感染は, 人口不均等化や都市内人口増加などにより, 都市部における二次感染の多さを反映している。
そこで本モデルでは, 同様の社会的コストで, より効果的に病原体の伝達を軽減できる位置認識型モビリティ低減策を提案する。
最後に,このモデルが,合理的な非薬理介入政策の設計を知らせる,きめ細かな解析・シミュレーションの枠組みとなることを実証する。
関連論文リスト
- Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance
of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。
我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。
スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文 参考訳（メタデータ） (2023-07-28T08:01:05Z) - A fairness assessment of mobility-based COVID-19 case prediction models [0.0]
予測モデルのトレーニングに使用されるモビリティデータのバイアスが、特定の人口集団に対して不当に精度の低い予測に繋がる可能性があるという仮説を検証した。
特に、モデルは大きく、高度に教育され、富裕な若者、都市、非黒人が支配する郡を好む傾向にある。
論文 参考訳（メタデータ） (2022-10-08T03:43:51Z) - The impact of spatio-temporal travel distance on epidemics using an
interpretable attention-based sequence-to-sequence model [2.203043417301343]
距離の異なる旅行者の数量と、新型コロナウイルス(COVID-19)の軌跡との間には、強い関係がある。
異なる移動距離における人口移動の地理的変動が流行のダイナミクスに与える影響を明らかにする。
論文 参考訳（メタデータ） (2022-05-26T08:24:35Z) - Predicting COVID-19 Spread from Large-Scale Mobility Data [22.55034017418318]
将来のケースナンバーのほぼリアルタイム予測には、人間の移動性がある。
本稿では,モビリティマークホークスモデルと呼ばれる,モビリティデータに基づく流行予測の新しいモデルを提案する。
私たちの研究は、通信データから新型コロナウイルスの感染拡大を予測する最初のものです。
論文 参考訳（メタデータ） (2021-06-01T10:05:02Z) - Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。
本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。
深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
論文 参考訳（メタデータ） (2021-05-31T19:28:17Z) - C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods
Ahead of COVID-19 Outbreak [54.39837683016444]
C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。
C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。
新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
論文 参考訳（メタデータ） (2020-12-22T17:02:54Z) - 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) - 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) - Reinforced Epidemic Control: Saving Both Lives and Economy [14.008719195238774]
個人データを必要としない生活・経済ジレンマに対する解決策を提案する。
地域間移動を動的に制御することで、疫病の伝染を抑制することで、民間データ要求を回避します。
我々は,移動制御ポリシーを探索するためのDURLECA (Dual-Objective Reinforcement-Learning Epidemic Control Agent) を開発した。
論文 参考訳（メタデータ） (2020-08-04T00:44:54Z) - Learning to Forecast and Forecasting to Learn from the COVID-19 Pandemic [10.796851110372593]
疫病モデルのためのヒトの移動性を考慮した異種感染率モデルを提案する。
モデルを線形化し、重み付けされた最小二乗を用いることで、我々のモデルは変化傾向に迅速に適応できる。
疫病の初期には、旅行データを用いて予測が増加することが示されている。
論文 参考訳（メタデータ） (2020-04-23T07:25:46Z)
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。