論文の概要: A Multi-Task Learning Framework for COVID-19 Monitoring and Prediction
of PPE Demand in Community Health Centres
- arxiv url: http://arxiv.org/abs/2108.09402v1
- Date: Fri, 20 Aug 2021 23:32:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-25 10:22:25.437544
- Title: A Multi-Task Learning Framework for COVID-19 Monitoring and Prediction
of PPE Demand in Community Health Centres
- Title（参考訳）: 地域保健センターにおけるcovid-19モニタリングとppe需要予測のためのマルチタスク学習フレームワーク
- Authors: Bonaventure Chidube Molokwu, Shaon Bhatta Shuvo, Ziad Kobti, Anne
Snowdon
- Abstract要約: 本稿では,SARS-CoV-2とPersonal-Protective-Equipment消費の効果を共同で予測する特有なマルチタスク学習フレームワークを提案する。
以上の結果から,SARS-CoV-2の拡散に影響を及ぼす最も重要な要因は,政府の行動や人的要因であることが明らかとなった。
- 参考スコア（独自算出の注目度）: 6.817045487961957
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Currently, the world seeks to find appropriate mitigation techniques to
control and prevent the spread of the new SARS-CoV-2. In our paper herein, we
present a peculiar Multi-Task Learning framework that jointly predicts the
effect of SARS-CoV-2 as well as Personal-Protective-Equipment consumption in
Community Health Centres for a given populace. Predicting the effect of the
virus (SARS-CoV-2), via studies and analyses, enables us to understand the
nature of SARS-CoV- 2 with reference to factors that promote its growth and
spread. Therefore, these foster widespread awareness; and the populace can
become more proactive and cautious so as to mitigate the spread of Corona Virus
Disease 2019 (COVID- 19). Furthermore, understanding and predicting the demand
for Personal Protective Equipment promotes the efficiency and safety of
healthcare workers in Community Health Centres. Owing to the novel nature and
strains of SARS-CoV-2, relatively few literature and research exist in this
regard. These existing literature have attempted to solve the problem
statement(s) using either Agent-based Models, Machine Learning Models, or
Mathematical Models. In view of this, our work herein adds to existing
literature via modeling our problem statements as Multi- Task Learning
problems. Results from our research indicate that government actions and human
factors are the most significant determinants that influence the spread of
SARS-CoV-2.
- Abstract（参考訳）: 現在、世界は新たなSARS-CoV-2の拡散を制御・防止するための適切な緩和技術を模索している。
本稿では,SARS-CoV-2の効果と,地域保健センターにおける個人・保護・機器消費を協調的に予測する特有なマルチタスク学習フレームワークを提案する。
ウイルス(sars-cov-2)の効果を研究や解析によって予測することで、sars-cov-2の増殖と拡散を促進する要因について理解することができる。
そのため、この集団は広く認知され、2019年のコロナウイルスの流行を緩和するため、より積極的に慎重になる可能性がある(共同-19)。
さらに、個人保護装置の需要の理解と予測は、地域保健センターにおける医療従事者の効率と安全性を促進する。
SARS-CoV-2の新規な性質と変異により、この点に関しての文献や研究は比較的少ない。
これらの既存の文献はエージェントベースモデル、機械学習モデル、数学的モデルのいずれかを用いて問題文の解決を試みた。
これを踏まえて,本研究は,課題文をマルチタスク学習問題としてモデル化することで,既存の文献に追加する。
以上の結果から,SARS-CoV-2の拡散に影響を及ぼす最も重要な要因は,政府の行動や人的要因であることが明らかとなった。
関連論文リスト
- A Study of Data-driven Methods for Adaptive Forecasting of COVID-19
Cases [6.11718619764613]
この研究は、非定常条件に適応するモデルを漸進的に訓練するためのデータ駆動(学習、統計)手法を研究する。
本研究では, ウイルス波毎の性能解析, 特徴抽出, ウィンドウサイズ, メモリサイズ, 次, 7日, 14日の予測タスクなど, 様々な特性について検討した。
論文 参考訳（メタデータ） (2023-09-18T12:03:01Z) - 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) - SARS-CoV-2 Dissemination using a Network of the United States Counties [0.0]
重症急性呼吸器症候群ウイルス2(SARS-CoV-2)感染は、世界各国で警戒率で増加している。
アメリカ合衆国のカウンティネットワーク構造を分析することで、潜在的に高い感染領域をモデル化し、予測することができる。
われわれは、新型コロナウイルス感染症2019(COVID-19)、疾病管理予防センターによる死亡、およびアメリカ合衆国国勢調査局によるネットワーク隣接構造を収集する。
論文 参考訳（メタデータ） (2021-11-26T19:09:15Z) - COVID-Net CXR-S: Deep Convolutional Neural Network for Severity
Assessment of COVID-19 Cases from Chest X-ray Images [74.77272804752306]
胸部CXR画像に基づくSARS-CoV-2陽性患者の空間重症度を予測する畳み込みニューラルネットワークであるCOVID-Net CXR-Sについて紹介する。
患者15,000人以上の多国籍コホートから得られた16,000以上のCXR画像から得られた表現的知識を,重症度評価のためのカスタムネットワークアーキテクチャへ伝達する。
提案したCXR-Sは、新型コロナウイルス陽性患者のCXR画像のコンピュータ支援による重症度評価のための強力なツールとなる可能性がある。
論文 参考訳（メタデータ） (2021-05-01T14:15:12Z) - 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) - Remote health monitoring and diagnosis in the time of COVID-19 [51.01158603315544]
コロナウイルス(COVID-19)は重症急性呼吸器症候群ウイルス(SARS-CoV-2)によって引き起こされる
パンデミックは、遠隔医療サービスを提供するための新しいルートを革新し、拡張し、創り出すインセンティブを駆り立ててきた。
論文 参考訳（メタデータ） (2020-05-18T08:54:38Z) - Risk Estimation of SARS-CoV-2 Transmission from Bluetooth Low Energy
Measurements [15.691772511883423]
本研究では,感染リスクの高い近距離で十分な時間を費やした被験者を確実に検出する,機械学習に基づく新しいアプローチを提案する。
本研究は,新型コロナウイルスの急激な感染拡大を抑えることを目的とした疫学政策の立案に役立つ重要な概念実証である。
論文 参考訳（メタデータ） (2020-04-22T20:10:35Z) - 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。