論文の概要: MOAI: A methodology for evaluating the impact of indoor airflow in the transmission of COVID-19

• arxiv url: http://arxiv.org/abs/2103.17096v1
• Date: Wed, 31 Mar 2021 14:06:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-01 14:24:25.162036
• Title: MOAI: A methodology for evaluating the impact of indoor airflow in the transmission of COVID-19
• Title（参考訳）: moai:covid-19感染における室内気流の影響評価手法
• Authors: Axel Oehmichen, Florian Guitton, Cedric Wahl, Bertrand Foing, Damian Tziamtzis, Yike Guo
• Abstract要約: 疫学モデルは新型コロナウイルスのパンデミックの理解と対応に重要な役割を果たしている。 本稿では,所定の設定におけるユーザのリスクを評価するモデルを提案する。 次に,あるユーザに対する時間的リスク露光を評価するために,モデルに時間的追加を提案する。
• 参考スコア（独自算出の注目度）: 37.38767180122748
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Epidemiology models play a key role in understanding and responding to the COVID-19 pandemic. In order to build those models, scientists need to understand contributing factors and their relative importance. A large strand of literature has identified the importance of airflow to mitigate droplets and far-field aerosol transmission risks. However, the specific factors contributing to higher or lower contamination in various settings have not been clearly defined and quantified. As part of the MOAI project (https://moaiapp.com), we are developing a privacy-preserving test and trace app to enable infection cluster investigators to get in touch with patients without having to know their identity. This approach allows involving users in the fight against the pandemic by contributing additional information in the form of anonymous research questionnaires. We first describe how the questionnaire was designed, and the synthetic data was generated based on a review we carried out on the latest available literature. We then present a model to evaluate the risk exposition of a user for a given setting. We finally propose a temporal addition to the model to evaluate the risk exposure over time for a given user.
• Abstract（参考訳）: 疫学モデルは新型コロナウイルスのパンデミックの理解と対応に重要な役割を果たしている。 これらのモデルを構築するためには、貢献要因とその相対的重要性を理解する必要がある。 大量の文献が、液滴や遠方界エアロゾルの伝播リスクを軽減するために空気の流れが重要であると指摘している。 しかし, 様々な環境における汚染の増大や低下に寄与する特定の要因は明確に定義されておらず, 定量化されていない。 moaiプロジェクト(https://moaiapp.com)の一部として、私たちは、感染クラスター調査員が自分のアイデンティティを知らずに患者と接触できるように、プライバシーを保ったテストとトレースアプリを開発しています。 このアプローチにより、匿名調査の形式で追加情報を提供することで、パンデミックとの戦いにユーザを巻き込むことができる。 まず, アンケートがどのように設計され, 最新の文献で実施したレビューに基づいて, 合成データを生成した。 次に、所定の設定に対するユーザのリスク表現を評価するモデルを提案する。 最終的に、あるユーザに対する時間的リスク露光を評価するために、モデルに時間的追加を提案する。

関連論文リスト

• Automatic Extraction of Disease Risk Factors from Medical Publications [1.321009936753118]
  医学文献から疾患の危険因子の同定を自動化するための新しいアプローチを提案する。 まず、リスクファクターの議論の有無に基づいて関連記事を特定し、最後に、特定のリスクファクター情報を抽出する。 私たちのコントリビューションには、リスクファクタの自動抽出と、いくつかのデータセットのコンパイルのための包括的なパイプラインの開発が含まれています。
  論文  参考訳（メタデータ） (2024-07-10T05:17:55Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• 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)
• Exploring Model Dynamics for Accumulative Poisoning Discovery [62.08553134316483]
  そこで我々は,モデルレベルの情報を通して,防衛を探索するための新しい情報尺度,すなわち,記憶の離散性(Memorization Discrepancy)を提案する。 暗黙的にデータ操作の変更をモデル出力に転送することで、メモリ識別は許容できない毒のサンプルを発見することができる。 我々は、その性質を徹底的に探求し、累積中毒に対する防御のために、離散型サンプル補正(DSC)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T14:45:24Z)
• The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
  深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。 オープンソースデータのトレーニングやテストでは,結果は異例です。 データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
  論文  参考訳（メタデータ） (2021-09-14T10:59:11Z)
• Risk score learning for COVID-19 contact tracing apps [18.64835871177855]
  COVID-19用のデジタルコンタクトトレースアプリは、特定の露出中にユーザーが感染したリスクを推定する必要があります。 機械学習手法を用いて,リスクスコアモデルのパラメータを自動的に最適化できることを示した。
  論文  参考訳（メタデータ） (2021-04-17T00:55:36Z)
• The Effects of Air Quality on the Spread of the COVID-19. An Artificial Intelligence Approach [3.997680012976965]
  本研究の目的は,イタリア地方における大気汚染とcovid-19の感染状況の関連について検討することである。 日頃のCOVID-19の事例と、気温、相対湿度、大気汚染物質などの環境要因との相関関係の分析を報告します。 これは、将来の感染数を予測するために環境パラメータでトレーニングされた機械学習モデルが正確であることを示唆している。
  論文  参考訳（メタデータ） (2021-04-09T19:08:59Z)
• Simulation of Covid-19 epidemic evolution: are compartmental models really predictive? [0.0]
  本稿では,無症候性および死亡個体群に富んだSIR疫学モデルが,流行の進展を確実に予測できるかどうかを論じる。 粒子群最適化(PSO)に基づく機械学習手法を提案する。 予測における散乱の分析は、モデル予測がトレーニングに使用されるデータセットのサイズに非常に敏感であり、さらにデータが必要であることを示している。
  論文  参考訳（メタデータ） (2020-04-14T08:42:11Z)

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。