論文の概要: The Effects of Air Quality on the Spread of the COVID-19. An Artificial Intelligence Approach

• arxiv url: http://arxiv.org/abs/2104.12546v1
• Date: Fri, 9 Apr 2021 19:08:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-04 08:50:45.581514
• Title: The Effects of Air Quality on the Spread of the COVID-19. An Artificial Intelligence Approach
• Title（参考訳）: 空気の質が新型コロナウイルスの感染拡大に及ぼす影響。 人工知能のアプローチ
• Authors: Andrea Loreggia, Anna Passarelli
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.997680012976965
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The COVID-19 pandemic considerably affects public health systems around the world. The lack of knowledge about the virus, the extension of this phenomenon, and the speed of the evolution of the infection are all factors that highlight the necessity of employing new approaches to study these events. Artificial intelligence techniques may be useful in analyzing data related to areas affected by the virus. The aim of this work is to investigate any possible relationships between air quality and confirmed cases of COVID-19 in Italian districts. Specifically, we report an analysis of the correlation between daily COVID-19 cases and environmental factors, such as temperature, relative humidity, and atmospheric pollutants. Our analysis confirms a significant association of some environmental parameters with the spread of the virus. This suggests that machine learning models trained on the environmental parameters to predict the number of future infected cases may be accurate. Predictive models may be useful for helping institutions in making decisions for protecting the population and contrasting the pandemic.
• Abstract（参考訳）: 新型コロナウイルスのパンデミックは世界中の公衆衛生システムに大きな影響を及ぼす。 ウイルスに関する知識の欠如、この現象の延長、および感染の進化の速度は、これらの現象を研究するために新しいアプローチを採用する必要があることを強調するすべての要因である。 人工知能技術は、ウイルスの影響を受けた領域に関するデータを分析するのに有用である。 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。 具体的には, 日中感染者と気温, 相対湿度, 大気汚染物質などの環境要因との関連性について検討した。 本解析により,環境パラメータとウイルスの拡散との関連性が確認できた。 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。 予測モデルは、人口を保護し、パンデミックと対比する決定を下すのに役立つかもしれない。

関連論文リスト

• Predictors of disease outbreaks at continentalscale in the African region: Insights and predictions with geospatial artificial intelligence using earth observations and routine disease surveillance data [0.0]
  この研究はアフリカ大陸の大部分(約17,885,000 km2)をカバーしている。 マラリア,コレラ,髄膜炎,黄熱病の症例数について,まずグローバルおよび局所的自己相関法を適用した。 次に、機械学習を用いて、第2級行政区におけるこれらの疾患の週次存在を予測した。
  論文  参考訳（メタデータ） (2024-11-10T11:43:51Z)
• 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)
• COVID-19 Spreading Prediction and Impact Analysis by Using Artificial Intelligence for Sustainable Global Health Assessment [0.0]
  現在、新型コロナウイルスの流行は2,164,111人以上に影響し、世界中で200カ国以上で146,198人以上が死亡している。 この状況におけるAIの根本的な困難は、情報の可用性の制限と病気の確実性である。 本稿では、AIを統合して感染症の発生を予測するとともに、ディープラーニングを用いたAIが新型コロナウイルス感染した胸部X線を認識できるかどうかを検証した。
  論文  参考訳（メタデータ） (2023-04-23T19:48:29Z)
• COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data [66.43957431843324]
  我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。 この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
  論文  参考訳（メタデータ） (2022-04-24T07:38:37Z)
• COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data for AI-driven COVID-19 analytics [116.6248556979572]
  COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。 肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
  論文  参考訳（メタデータ） (2021-03-18T03:31:33Z)
• Machine Learning on the COVID-19 Pandemic, Human Mobility and Air Quality: A Review [0.0]
  本研究は、新型コロナウイルスのパンデミック、ロックダウン対策、人体移動性、空気質の相互作用を理解するために、過去の研究の結果を分析することを目的としている。 MLは、世界的なパンデミックのような複雑で邪悪な問題を扱うための、強力で効果的で堅牢な分析パラダイムである。
  論文  参考訳（メタデータ） (2021-03-13T10:08:24Z)
• Impact of Interventional Policies Including Vaccine on Covid-19 Propagation and Socio-Economic Factors [0.7874708385247353]
  本研究の目的は、新型コロナウイルスの伝播と社会経済的影響をモデル化、予測、シミュレーションするための予測分析フレームワークを提供することである。 私たちは最近ローンチしたオープンソースのCOVID-19ビッグデータプラットフォームを活用し、公開研究を使用して潜在的に関連する変数を見つけました。 先進的な機械学習パイプラインは、現代的な機械学習アーキテクチャにデプロイされた自己進化モデルを用いて開発された。
  論文  参考訳（メタデータ） (2021-01-11T15:08:07Z)
• 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)
• A Data-driven Understanding of COVID-19 Dynamics Using Sequential Genetic Algorithm Based Probabilistic Cellular Automata [4.36572039512405]
  本研究は、この感染拡散の正確なデータ駆動モデリングのために、セルオートマトンが優れたプラットフォームを提供することを示唆する。 異なる大陸の40カ国で、新型コロナウイルスの統計分析が実施されている。 このモデルの実質的な予測力は、パンデミックのダイナミクスにおける主要なプレイヤーの結論とともに確立されている。
  論文  参考訳（メタデータ） (2020-08-27T09:53:21Z)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• 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)

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。