論文の概要: Assessing the Causal Impact of COVID-19 Related Policies on Outbreak
Dynamics: A Case Study in the US
- arxiv url: http://arxiv.org/abs/2106.01315v1
- Date: Sat, 29 May 2021 00:40:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-03 14:16:35.782275
- Title: Assessing the Causal Impact of COVID-19 Related Policies on Outbreak
Dynamics: A Case Study in the US
- Title（参考訳）: 新型コロナウイルス関連政策のアウトブレイクダイナミクスへの影響評価 : 米国における事例研究
- Authors: Jing Ma, Yushun Dong, Zheng Huang, Daniel Mietchen, Jundong Li
- Abstract要約: 新型コロナウイルスの感染拡大抑制における非医薬品政策の因果的影響の分析は、今後の政策決定にとって重要である。
ここでの課題は、保存されていない共同設立者の存在(例えば、住民の警戒)である。
本稿では,異なる郡における新型コロナウイルス関連政策の流行動態に対する因果的影響を評価することの問題点について検討する。
- 参考スコア（独自算出の注目度）: 19.901831180866132
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To mitigate the spread of COVID-19 pandemic, decision-makers and public
authorities have announced various non-pharmaceutical policies. Analyzing the
causal impact of these policies in reducing the spread of COVID-19 is important
for future policy-making. The main challenge here is the existence of
unobserved confounders (e.g., vigilance of residents). Besides, as the
confounders may be time-varying during COVID-19 (e.g., vigilance of residents
changes in the course of the pandemic), it is even more difficult to capture
them. In this paper, we study the problem of assessing the causal effects of
different COVID-19 related policies on the outbreak dynamics in different
counties at any given time period. To this end, we integrate data about
different COVID-19 related policies (treatment) and outbreak dynamics (outcome)
for different United States counties over time and analyze them with respect to
variables that can infer the confounders, including the covariates of different
counties, their relational information and historical information. Based on
these data, we develop a neural network based causal effect estimation
framework which leverages above information in observational data and learns
the representations of time-varying (unobserved) confounders. In this way, it
enables us to quantify the causal impact of policies at different
granularities, ranging from a category of policies with a certain goal to a
specific policy type in this category. Besides, experimental results also
indicate the effectiveness of our proposed framework in capturing the
confounders for quantifying the causal impact of different policies. More
specifically, compared with several baseline methods, our framework captures
the outbreak dynamics more accurately, and our assessment of policies is more
consistent with existing epidemiological studies of COVID-19.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)の感染拡大を抑えるため、意思決定者や当局はさまざまな非医薬品政策を発表した。
新型コロナウイルスの感染拡大を抑制する政策の因果的影響を分析することは、今後の政策決定にとって重要である。
ここでの最大の課題は、観察されていない共同設立者(例えば住民の警戒)の存在である。
さらに、共同創設者は新型コロナウイルス(COVID-19)の期間(例えば、パンデミックの過程で住民の警戒が変わる)も変化しているため、彼らを捕まえることはさらに困難である。
そこで本研究では, 異なる新型コロナウイルス関連政策が, 一定期間の異なる郡におけるアウトブレイク動態に与える影響を, 評価する問題について検討する。
この目的のために、米国各郡における異なるcovid-19関連政策(治療)とアウトカムダイナミクス(アウトカム)のデータを統合し、異なる郡の共変量、それらの関係情報、歴史情報を含む共同創設者を推測できる変数について分析する。
これらのデータに基づいて,観測データにおける上記の情報を活用するニューラルネットワークに基づく因果効果推定フレームワークを開発し,時間変動(非観測)共同創設者の表現を学習する。
このようにして、特定の目標を持つポリシーのカテゴリから、このカテゴリの特定のポリシータイプまで、さまざまな粒度におけるポリシーの因果的影響を定量化することができます。
また,異なる政策の因果的影響を定量化する上で,提案手法の有効性を示す実験結果も得られた。
より具体的には、いくつかの基準法と比較して、我々のフレームワークはより正確に発生動態を捉え、我々の政策評価は、既存の新型コロナウイルスの疫学研究とより一致している。
関連論文リスト
- Cross-Domain Policy Adaptation via Value-Guided Data Filtering [57.62692881606099]
動的ミスマッチで異なるドメインにまたがるポリシーを一般化することは、強化学習において重要な課題となる。
本稿では、ペア化された値ターゲットの近接に基づいて、ソースドメインからの遷移を選択的に共有するバリューガイドデータフィルタリング(VGDF)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-05-28T04:08:40Z) - Adversarial Learning-based Stance Classifier for COVID-19-related Health
Policies [14.558584240713154]
本研究では、新型コロナウイルス関連健康政策に対する公衆の態度を自動的に識別する対人学習に基づくスタンス分類器を提案する。
モデルをより深く理解するために、モデルに外部知識としてポリシー記述を組み込む。
新型コロナウイルス関連健康政策のスタンス検出タスクにおいて,幅広い基準線の性能を評価する。
論文 参考訳（メタデータ） (2022-09-10T10:27:21Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - 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) - Utilizing Concept Drift for Measuring the Effectiveness of Policy
Interventions: The Case of the COVID-19 Pandemic [0.0]
我々は、機械学習を用いて、政策介入の有効性を測定するために、新しい方法で漂流検出手法を適用した。
欧米9か国と米国28か国で毎日の新型コロナウイルス感染者数にNPIが及ぼす影響を分析した。
論文 参考訳（メタデータ） (2020-12-04T09:28:39Z) - 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) - 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) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳（メタデータ） (2020-06-23T03:36:19Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z) - Analyzing the Design Space of Re-opening Policies and COVID-19 Outcomes
in the US [5.74610768062625]
近年の米国での再開政策は、社会格差緩和の期間を経て、毎日の新型コロナウイルス感染が大幅に増加した。
我々は、ソーシャルネットワークの研究にインスパイアされたモデルを導入し、その疑問に答える。
我々のモデルは、(強制的な)テストの利点が部分的閉鎖の利点を隠蔽していると予測し、おそらくもっと多くの努力がそのような緩和戦略に向けられるべきであることを示唆している。
論文 参考訳（メタデータ） (2020-04-30T21:28:19Z)
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。