論文の概要: An Agent-Based Model of COVID-19 Diffusion to Plan and Evaluate Intervention Policies

• arxiv url: http://arxiv.org/abs/2108.08885v1
• Date: Thu, 19 Aug 2021 19:23:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-18 00:58:26.821077
• Title: An Agent-Based Model of COVID-19 Diffusion to Plan and Evaluate Intervention Policies
• Title（参考訳）: エージェントによるcovid-19拡散モデルによる介入政策の計画と評価
• Authors: Gianpiero Pescarmona, Pietro Terna, Alberto Acquadro, Paolo Pescarmona, Giuseppe Russo, Emilio Sulis and Stefano Terna
• Abstract要約: このモデルはイタリアのピエモンテの構造データを含んでいる。 このモデルは、エージェントの行動と相互作用の結果から生じる複雑な伝染病のダイナミクスの生成である。
• 参考スコア（独自算出の注目度）: 0.09236074230806579
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A model of interacting agents, following plausible behavioral rules into a world where the Covid-19 epidemic is affecting the actions of everyone. The model works with (i) infected agents categorized as symptomatic or asymptomatic and (ii) the places of contagion specified in a detailed way. The infection transmission is related to three factors: the characteristics of both the infected person and the susceptible one, plus those of the space in which contact occurs. The model includes the structural data of Piedmont, an Italian region, but we can easily calibrate it for other areas. The micro-based structure of the model allows factual, counterfactual, and conditional simulations to investigate both the spontaneous or controlled development of the epidemic. The model is generative of complex epidemic dynamics emerging from the consequences of agents' actions and interactions, with high variability in outcomes and stunning realistic reproduction of the successive contagion waves in the reference region. There is also an inverse generative side of the model, coming from the idea of using genetic algorithms to construct a meta-agent to optimize the vaccine distribution. This agent takes into account groups' characteristics -- by age, fragility, work conditions -- to minimize the number of symptomatic people.
• Abstract（参考訳）: コビッドウイルスの流行がすべての人の行動に影響を与えている世界への、もっともらしい行動規則に従って、相互作用するエージェントのモデル。 モデルは機能します 一 症状又は無症状に分類された感染剤 二 詳細な方法により特定された伝染場所 感染伝達は、感染した人と感受性のある人の両方の特徴と接触する空間の特徴の3つの要因に関連している。 このモデルにはイタリアのピードモント州の構造データが含まれていますが、他の地域でも簡単に校正できます。 このモデルのマイクロベース構造は、事実的、反事実的、条件的シミュレーションによって、自然発生または制御された流行の進展を調査することができる。 このモデルは、エージェントの行動と相互作用の結果から生じる複雑な流行のダイナミクスの生成であり、結果の変動性が高く、参照領域における連続する伝染波の現実的な再現性も高い。 また、このモデルの逆生成側には、遺伝子アルゴリズムを使ってワクチンの分布を最適化するメタエージェントを構築するというアイデアがある。 このエージェントは、年齢、脆弱性、労働条件などグループの特徴を考慮に入れ、症状のある人々の数を最小化する。

関連論文リスト

• Causal Graph ODE: Continuous Treatment Effect Modeling in Multi-agent Dynamical Systems [70.84976977950075]
  実世界のマルチエージェントシステムは、しばしば動的で連続的であり、エージェントは時間とともにその軌道や相互作用を共進化させ、変化させる。 本稿では,グラフニューラルネットワーク(GNN)をODE関数として,エージェント間の連続的な相互作用をキャプチャする新しいモデルを提案する。 我々のモデルの主な革新は、治療の時間依存表現を学習し、ODE関数にそれらを組み込むことで、潜在的な結果の正確な予測を可能にすることである。
  論文  参考訳（メタデータ） (2024-02-29T23:07:07Z)
• 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)
• Epidemic Modeling with Generative Agents [1.1342625695057285]
  本研究は、ヒトの行動を疫病モデルに組み込むという大きな課題に対処するために、個人レベルのモデリングの新しいパラダイムを提供する。 エージェントベースの疫病モデルで生成的人工知能を使用することで、各エージェントは独自の推論と決定を行う権限を持つ。
  論文  参考訳（メタデータ） (2023-07-11T02:52:32Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Multi-scale simulation of COVID-19 epidemics [0.0]
  新型コロナウイルスの感染拡大が始まってから1年以上が経過している。 今後数週間にわたって広がる未来と、潜在的な政治的介入の影響を正確に予測することは難しい」と述べた。 現在の流行モデルは主に2つのアプローチに該当する: 分割モデル、人口を疫学クラスに分け、微分方程式の数学的解決に依存する。
  論文  参考訳（メタデータ） (2021-12-02T12:34:11Z)
• Discrepancies in Epidemiological Modeling of Aggregated Heterogeneous Data [1.433758865948252]
  本研究では, 複雑なシステムに直面すると, 伝染率などの疫学パラメータを推定するための最先端モデルが不適切であることを示す。 複数の流行から発生した入射曲線を組み合わせることで、複雑な発生シナリオを3つ生成する。 このベイズ推定フレームワークにおける2つのデータ生成モデルを評価する。
  論文  参考訳（メタデータ） (2021-06-20T03:41:19Z)
• A Twin Neural Model for Uplift [59.38563723706796]
  Upliftは条件付き治療効果モデリングの特定のケースです。 相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。 本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
  論文  参考訳（メタデータ） (2021-05-11T16:02:39Z)
• 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)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
  ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。 また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
  論文  参考訳（メタデータ） (2020-06-08T19:24:54Z)

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。