論文の概要: Digital Epidemiology: A review
- arxiv url: http://arxiv.org/abs/2104.03611v2
- Date: Thu, 4 Aug 2022 16:30:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 12:14:05.476066
- Title: Digital Epidemiology: A review
- Title（参考訳）: デジタル疫学 : 概観
- Authors: David Pastor-Escuredo
- Abstract要約: 疫学は近年、計算モデルに基づく大きな進歩を目撃している。
ビッグデータとアプリによって、大規模な実データによるモデルの検証と精錬が可能になる。
エボラは、システム解を必要とするため、複雑性のレンズからアプローチする必要がある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The epidemiology has recently witnessed great advances based on computational
models. Its scope and impact are getting wider thanks to the new data sources
feeding analytical frameworks and models. Besides traditional variables
considered in epidemiology, large-scale social patterns can be now integrated
in real time with multi-source data bridging the gap between different scales.
In a hyper-connected world, models and analysis of interactions and social
behaviors are key to understand and stop outbreaks. Big Data along with apps
are enabling for validating and refining models with real world data at scale,
as well as new applications and frameworks to map and track diseases in real
time or optimize the necessary resources and interventions such as testing and
vaccination strategies. Digital epidemiology is positioning as a discipline
necessary to control epidemics and implement actionable protocols and policies.
In this review we address the research areas configuring current digital
epidemiology: transmission and propagation models and descriptions based on
human networks and contact tracing, mobility analysis and spatio-temporal
propagation of infectious diseases and infodemics that comprises the study of
information and knowledge propagation. Digital epidemiology has the potential
to create new operational mechanisms for prevention and mitigation, monitoring
of the evolution of epidemics, assessing their impact and evaluating the
pharmaceutical and non-pharmaceutical measures to fight the outbreaks.
Epidemics have to be approached from the lens of complexity as they require
systemic solutions. Opportunities and challenges to tackle epidemics more
effectively and with a human-centered vision are here discussed.
- Abstract（参考訳）: 疫学は近年、計算モデルに基づく大きな進歩を目撃している。
分析フレームワークとモデルを提供する新しいデータソースのおかげで、そのスコープと影響は拡大しています。
疫学で考慮された従来の変数に加えて、大規模社会パターンは、異なるスケール間のギャップを埋めるマルチソースデータとリアルタイムで統合できる。
ハイパーコネクテッドな世界では、相互作用と社会的行動のモデルと分析がアウトブレイクを理解し、阻止する鍵となる。
アプリケーションとともにビッグデータは、実世界のデータによるモデルの検証と精錬を可能にするとともに、病気をリアルタイムでマップし追跡したり、テストや予防接種戦略などの必要なリソースや介入を最適化するための新しいアプリケーションやフレームワークも提供する。
デジタル疫学は、流行の制御と実行可能なプロトコルとポリシーの実装に必要な規律として位置づけられている。
本稿では,現在のデジタル疫学を構成する研究分野について述べる。人間ネットワークと接触追跡に基づく伝達・伝播モデルと記述,移動解析,伝染病の時空間伝播,情報と知識の伝播を研究するインデミクスなどである。
デジタル疫学は、流行の予防と緩和、流行の進化のモニタリング、その影響の評価、流行と闘うための薬学的および非薬理学的措置の評価のための新しい操作メカニズムを創る可能性を秘めている。
エピデミックは、体系的な解を必要とするため、複雑性のレンズからアプローチする必要がある。
疫病にもっと効果的に対処する機会と課題を、人間中心のビジョンで論じる。
関連論文リスト
- Epidemiology-Aware Neural ODE with Continuous Disease Transmission Graph [14.28921518883576]
持続疾患透過グラフ(EARTH)を用いた疫学対応ニューラル・オードという,革新的なエンドツーエンドフレームワークを提案する。
本稿ではまず,感染メカニズムとニューラルODEアプローチをシームレスに統合するEANOを提案する。
また,グローバルな感染動向をモデル化するためにGLTGを導入し,これらの信号を利用して局所的な感染を動的に誘導する。
論文 参考訳（メタデータ） (2024-09-28T04:07:16Z) - A Short Survey of Human Mobility Prediction in Epidemic Modeling from Transformers to LLMs [0.0]
疫病の流行をモデル化するためには、人々がどう動くかを理解することが不可欠である。
人口移動の予測は、公衆衛生上の緊急時のモデルや効果的な対応計画の策定に不可欠である。
BERTやLLM(Large Language Models)のような事前訓練された言語モデルを用いて,モビリティ予測タスクに特化して,さまざまなアプローチをレビューする。
論文 参考訳（メタデータ） (2024-04-25T17:52:19Z) - Event Detection from Social Media for Epidemic Prediction [76.90779562626541]
ソーシャルメディア投稿から疫病関連事象を抽出・分析する枠組みを構築した。
実験では、新型コロナウイルスベースのSPEEDで訓練されたEDモデルが、3つの目に見えない流行の流行を効果的に検出する方法が明らかにされている。
モンキーポックスのWHO流行宣言より4～9週間早く,抽出した事象の報告が急激な増加を示すことを示す。
論文 参考訳（メタデータ） (2024-04-02T06:31:17Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - An Extended Epidemic Model on Interconnected Networks for COVID-19 to
Explore the Epidemic Dynamics [2.89591830279936]
パンデミックコントロールは、感染した個人の傾向や影響を捉える疫病モデルを必要とする。
多くのエキサイティングなモデルはこれを実装できるが、実践的な解釈性に欠ける。
本研究は疫学とネットワーク理論を融合し,因果解釈能力を持つ枠組みを提案する。
論文 参考訳（メタデータ） (2021-04-10T06:46:01Z) - STOPPAGE: Spatio-temporal Data Driven Cloud-Fog-Edge Computing Framework
for Pandemic Monitoring and Management [28.205715426050105]
行政政策の改善とパンデミック対策のための準備を強化するための分析枠組みを開発することは絶対的に必要である。
本稿では,STOPと呼ばれる時空間知識マイニングフレームワークを提案し,時間スケールの異なる大規模地域における人間の移動性や文脈情報の影響をモデル化する。
i)fog/edgeベースのアーキテクチャを使用したs-temporal data and computing infrastructure、(ii)s-temporal data analyticsモジュールで、異種データソースから知識を効率的に抽出する。
論文 参考訳（メタデータ） (2021-04-04T12:29:31Z) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳（メタデータ） (2020-10-28T10:58:59Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。