論文の概要: From SIR to SEAIRD: a novel data-driven modeling approach based on the
Grey-box System Theory to predict the dynamics of COVID-19
- arxiv url: http://arxiv.org/abs/2106.11918v1
- Date: Sat, 29 May 2021 21:25:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-27 09:01:37.842412
- Title: From SIR to SEAIRD: a novel data-driven modeling approach based on the
Grey-box System Theory to predict the dynamics of COVID-19
- Title（参考訳）: sir to seaird氏:covid-19のダイナミクスを予測するためのgrey-boxシステム理論に基づく新しいデータ駆動モデリングアプローチ
- Authors: Komi Midzodzi P\'ekp\'e, Djamel Zitouni, Gilles Gasso, Wajdi Dhifli,
Benjamin C. Guinhouya
- Abstract要約: 新型コロナウイルスの一般的なコンパートメンタルモデリングは、事前知識と多くの仮定に基づいている。
本研究の目的は、グレーボックスシステム理論やグレーボックス識別の強みを活用して、データ駆動型アプローチのためのフレームワークを提供することである。
感染者数はブラジルとフランスで10万人当たり3人だった。
- 参考スコア（独自算出の注目度）: 6.131772929312605
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Common compartmental modeling for COVID-19 is based on a priori knowledge and
numerous assumptions. Additionally, they do not systematically incorporate
asymptomatic cases. Our study aimed at providing a framework for data-driven
approaches, by leveraging the strengths of the grey-box system theory or
grey-box identification, known for its robustness in problem solving under
partial, incomplete, or uncertain data. Empirical data on confirmed cases and
deaths, extracted from an open source repository were used to develop the
SEAIRD compartment model. Adjustments were made to fit current knowledge on the
COVID-19 behavior. The model was implemented and solved using an Ordinary
Differential Equation solver and an optimization tool. A cross-validation
technique was applied, and the coefficient of determination $R^2$ was computed
in order to evaluate the goodness-of-fit of the model. %to the data. Key
epidemiological parameters were finally estimated and we provided the rationale
for the construction of SEAIRD model. When applied to Brazil's cases, SEAIRD
produced an excellent agreement to the data, with an %coefficient of
determination $R^2$ $\geq 90\%$. The probability of COVID-19 transmission was
generally high ($\geq 95\%$). On the basis of a 20-day modeling data, the
incidence rate of COVID-19 was as low as 3 infected cases per 100,000 exposed
persons in Brazil and France. Within the same time frame, the fatality rate of
COVID-19 was the highest in France (16.4\%) followed by Brazil (6.9\%), and the
lowest in Russia ($\leq 1\%$). SEAIRD represents an asset for modeling
infectious diseases in their dynamical stable phase, especially for new viruses
when pathophysiology knowledge is very limited.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)の共通区画モデリングは、事前知識と多くの仮定に基づいている。
また、無症状症例を体系的に含まない。
本研究の目的は,部分的,不完全,不確実なデータに基づく問題解決において,グレーボックスシステム理論やグレーボックス識別の強みを活用することによって,データ駆動型アプローチの枠組みを提供することである。
オープンソースリポジトリから抽出した確認事例と死亡事例の実証データを用いて,SEAIRDコンパートメントモデルを開発した。
新型コロナウイルス(covid-19)の行動に現在の知識を合わせるために調整が行われた。
このモデルは通常の微分方程式解法と最適化ツールを用いて実装・解いた。
クロスバリデーション手法を適用し, モデルの適合性を評価するため, 決定係数を$R^2$とした。
%であった。
主要な疫学的パラメータを最終的に推定し,SEAIRDモデル構築の理論的根拠を提供した。
ブラジルのケースに適用すると、SEAIRDはデータに対する優れた合意を生み出し、決定係数は$R^2$$\geq 90\%$である。
新型コロナウイルス感染の確率は概して高い(95% %$)。
20日間のモデルデータに基づいて、ブラジルとフランスで感染した10万人当たりの感染者数は3人以下だった。
同じ期間内で、covid-19の死亡率はフランスで16.4対%、ブラジルで6.9対%、ロシアで最低だった(1対1対%)。
SEAIRDは、病気の動的安定相、特に病態生理学の知識が極めて限られている新しいウイルスをモデル化するための資産である。
関連論文リスト
- Evolving Tsukamoto Neuro Fuzzy Model for Multiclass Covid 19
Classification with Chest X Ray Images [2.609784101826762]
本稿では,Covid 19の検出のための機械学習ベースのフレームワークを提案する。
提案モデルでは,コビッド19病の同定と識別に塚本神経ファジィ推論ネットワークを用いている。
提案したモデルは精度98.51%、感度98.35%、特異度98.08%、F1スコア98.17%を達成する。
論文 参考訳（メタデータ） (2023-05-17T17:55:45Z) - On the explainability of hospitalization prediction on a large COVID-19
patient dataset [45.82374977939355]
我々は、新型コロナウイルス陽性の米国の患者の大規模な(110ドル以上)コホートでの入院を予測するために、さまざまなAIモデルを開発した。
高いデータアンバランスにもかかわらず、モデルは平均精度0.96-0.98 (0.75-0.85)、リコール0.96-0.98 (0.74-0.85)、F_score097-0.98 (0.79-0.83)に達する。
論文 参考訳（メタデータ） (2021-10-28T10:23:38Z) - 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) - 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) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳（メタデータ） (2021-05-06T15:24:00Z) - Challenges in the application of a mortality prediction model for
COVID-19 patients on an Indian cohort [0.0]
ヤンなど。
機械学習(ML)メソッドを使って新型コロナウイルス患者の結果を予測する研究が公開されている。
ここでは、covid-19患者の最大のデータセットの1つにデプロイすることで、このモデルの制限を示します。
論文 参考訳（メタデータ） (2021-01-15T07:06:49Z) - Efficient and Visualizable Convolutional Neural Networks for COVID-19
Classification Using Chest CT [0.0]
新型コロナウイルスは2020年12月4日現在、世界中で6500万人以上が感染している。
ディープラーニングは有望な診断技術として登場した。
本稿では,40種類の畳み込みニューラルネットワークアーキテクチャを新型コロナウイルスの診断のために評価・比較する。
論文 参考訳（メタデータ） (2020-12-22T07:09:48Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳（メタデータ） (2020-10-22T02:28:11Z) - Forecasting the Spread of Covid-19 Under Control Scenarios Using LSTM
and Dynamic Behavioral Models [2.11622808613962]
本研究では,Long Short-term memory (LSTM)人工リカレントニューラルネットワークと動的行動モデルを組み合わせた新しいハイブリッドモデルを提案する。
提案モデルでは, 最上位10か国, オーストラリアにおいて, 死亡率の予測精度を高めるために, 複数因子の効果を考察した。
論文 参考訳（メタデータ） (2020-05-24T10:43:55Z) - 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) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z)
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。