論文の概要: An Interactive Dashboard for Real-Time Analytics and Monitoring of
COVID-19 Outbreak in India: A proof of Concept
- arxiv url: http://arxiv.org/abs/2108.09937v1
- Date: Mon, 23 Aug 2021 05:14:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 12:25:50.751384
- Title: An Interactive Dashboard for Real-Time Analytics and Monitoring of
COVID-19 Outbreak in India: A proof of Concept
- Title（参考訳）: インドにおけるCOVID-19アウトブレイクのリアルタイム分析とモニタリングのためのインタラクティブダッシュボード:概念実証
- Authors: Arun Mitra, Biju Soman and Gurpreet Singh
- Abstract要約: データサイエンス技術を用いてSARS-CoV-2流行に追従する複数の指標のデータ可視化と分析のためのダッシュボードアプリケーションを開発した。
時間的傾向, 流行曲線, 成長率, 倍増時間, 有効再生数などの主要な疫学的パラメータを含む, インタラクティブでユーザフレンドリな, 基本的な疫学的監視のための地域レベルのツールが推定された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Data analysis and visualization are essential for exploring and communicating
findings in medical research, especially in epidemiological surveillance. Data
on COVID-19 diagnosed cases and mortality, from crowdsourced website COVID-19
India Tracker, Census 2011, and Google Mobility reports have been used to
develop a real-time analytics and monitoring system for the COVID-19 outbreak
in India. We have developed a dashboard application for data visualization and
analysis of several indicators to follow the SARS-CoV-2 epidemic using data
science techniques. A district-level tool for basic epidemiological
surveillance, in an interactive and user-friendly manner which includes time
trends, epidemic curves, key epidemiological parameters such as growth rate,
doubling time, and effective reproduction number have been estimated. This
demonstrates the application of data science methods and epidemiological
techniques in public health decision-making while addressing the gap of timely
and reliable decision aiding tools.
- Abstract（参考訳）: データ分析と可視化は医学研究、特に疫学の監視における発見の探索と伝達に不可欠である。
クラウドソースによるwebサイトcovid-19 india tracker, census 2011, google mobility reportによるcovid-19の感染状況と死亡状況に関するデータは、インドで発生したcovid-19のリアルタイム分析と監視システムの開発に使用されている。
データサイエンス技術を用いてSARS-CoV-2流行に追従する複数の指標のデータ可視化と分析のためのダッシュボードアプリケーションを開発した。
時間的傾向, 流行曲線, 成長率, 倍増時間, 有効再生数などの主要な疫学的パラメータを含む, インタラクティブでユーザフレンドリな, 基本的な疫学的監視のための地域レベルのツールが推定された。
これは、タイムリーで信頼性の高い意思決定支援ツールのギャップに対処しつつ、公衆衛生意思決定におけるデータサイエンス手法と疫学技術の適用を示す。
関連論文リスト
- Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - Analysis of the Spatio-temporal Dynamics of COVID-19 in Massachusetts
via Spectral Graph Wavelet Theory [0.0]
我々は、2020年12月6日から2021年9月25日まで、マサチューセッツ州の351都市および町で新型コロナウイルスの急速な拡散を調査した。
都市は複雑な交通ネットワークに埋め込まれているので、動的グラフモデルを構築します。
スペクトルグラフウェーブレット変換(SGWT)を用いて、ダイナミックグラフ上でCOVID-19データを処理する。
我々は,スペクトルグラフウェーブレット係数に基づいて都市を効果的に同定する新しいノード法を設計する。
論文 参考訳（メタデータ） (2022-07-28T19:49:42Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Temporal Multiresolution Graph Neural Networks For Epidemic Prediction [21.63446544791516]
本稿では,マルチスケール・マルチレゾリューショングラフ構造の構築を学習し,動的グラフの時間的変化を捉えるために時系列信号を組み込んだ最初のアーキテクチャであるTMGNNを紹介する。
いくつかの欧州諸国において、実際のCOVID-19パンデミックやニワトリの流行から収集された時系列データに基づいて、今後のパンデミックとパンデミックの拡散を予測するタスクに、提案モデルを適用した。
論文 参考訳（メタデータ） (2022-05-30T03:38:33Z) - An Overview of Ontologies and Tool Support for COVID-19 Analytics [1.4315915057750197]
SARS-CoV-2パンデミックの発生は、既存の医療、経済、社会の緊急バックエンドシステムにデータ分析機能を持たせることを要求する。
これらのシステムでデータ分析の利点を享受する上で障害となるのは、統一されたフレームワークや参照モデルがないことである。
オントロジは、新型コロナウイルス(COVID-19)のコンセプトの正式な表現を提供することによって、このギャップを埋めるための有望な解決策として強調されている。
論文 参考訳（メタデータ） (2021-10-12T23:20:37Z) - Digital Epidemiology: A review [0.0]
疫学は近年、計算モデルに基づく大きな進歩を目撃している。
ビッグデータとアプリによって、大規模な実データによるモデルの検証と精錬が可能になる。
エボラは、システム解を必要とするため、複雑性のレンズからアプローチする必要がある。
論文 参考訳（メタデータ） (2021-04-08T08:45:20Z) - STOPPAGE: Spatio-temporal Data Driven Cloud-Fog-Edge Computing Framework
for Pandemic Monitoring and Management [28.205715426050105]
行政政策の改善とパンデミック対策のための準備を強化するための分析枠組みを開発することは絶対的に必要である。
本稿では,STOPと呼ばれる時空間知識マイニングフレームワークを提案し,時間スケールの異なる大規模地域における人間の移動性や文脈情報の影響をモデル化する。
i)fog/edgeベースのアーキテクチャを使用したs-temporal data and computing infrastructure、(ii)s-temporal data analyticsモジュールで、異種データソースから知識を効率的に抽出する。
論文 参考訳（メタデータ） (2021-04-04T12:29:31Z) - 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) - 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) - A machine learning methodology for real-time forecasting of the
2019-2020 COVID-19 outbreak using Internet searches, news alerts, and
estimates from mechanistic models [53.900779250589814]
提案手法は,2日前の安定かつ正確な予測を行うことができる。
我々のモデルでは,中国32州中27州において,ベースラインモデルよりも予測力が優れています。
論文 参考訳（メタデータ） (2020-04-08T14:39:32Z) - 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。