Fugu-MT 論文翻訳(概要): Modeling the effect of the vaccination campaign on the Covid-19 pandemic

論文の概要: Modeling the effect of the vaccination campaign on the Covid-19 pandemic

arxiv url: http://arxiv.org/abs/2108.13908v1
Date: Fri, 27 Aug 2021 19:12:13 GMT
ステータス: 処理完了
システム内更新日: 2021-09-02 07:42:38.334266
Title: Modeling the effect of the vaccination campaign on the Covid-19 pandemic
Title（参考訳）: Covid-19パンデミックに対する予防接種キャンペーンの効果のモデル化
Authors: Mattia Angeli, Georgios Neofotistos, Marios Mattheakis and Efthimios Kaxiras
Abstract要約: 予防接種キャンペーン中にコビッドウイルスの流行を予測できる数学的モデルであるSAIVRを紹介した。このモデルは、半教師付き機械学習手法を用いて推定されるいくつかのパラメータと初期条件を含む。これらの結果から, 日中感染率, ワクチン有効性, および, 広範囲の社会的ワクチン依存度, デンタルレベルにおいて, パンデミックの経時的変化について広範な研究を行った。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Population-wide vaccination is critical for containing the SARS-CoV-2 (Covid-19) pandemic when combined with restrictive and prevention measures. In this study, we introduce SAIVR, a mathematical model able to forecast the Covid-19 epidemic evolution during the vaccination campaign. SAIVR extends the widely used Susceptible-Infectious-Removed (SIR) model by considering the Asymptomatic (A) and Vaccinated (V) compartments. The model contains several parameters and initial conditions that are estimated by employing a semi-supervised machine learning procedure. After training an unsupervised neural network to solve the SAIVR differential equations, a supervised framework then estimates the optimal conditions and parameters that best fit recent infectious curves of 27 countries. Instructed by these results, we performed an extensive study on the temporal evolution of the pandemic under varying values of roll-out daily rates, vaccine efficacy, and a broad range of societal vaccine hesitancy/denial levels. The concept of herd immunity is questioned by studying future scenarios which involve different vaccination efforts and more infectious Covid-19 variants.
Abstract（参考訳）: 集団予防接種は、SARS-CoV-2(Covid-19)パンデミックと制限および予防措置の併用に重要である。本研究では,予防接種キャンペーン中にコビッドウイルスの流行を予測できる数学的モデルであるSAIVRを紹介する。 SAIVRは、無症状 (A) とワクチン (V) のコンパートメントを考慮し、広く使われている感受性感染除去 (SIR) モデルを拡張している。このモデルは、半教師付き機械学習手法を用いて推定されるいくつかのパラメータと初期条件を含む。教師なしニューラルネットワークをトレーニングしてSAIVR微分方程式を解いた後、教師付きフレームワークは27か国の感染曲線に最も適合する最適な条件とパラメータを推定する。これらの結果から, 日中感染率, ワクチン有効性, および, 広範囲の社会的ワクチン依存度, デンタルレベルにおいて, パンデミックの経時的変化について広範な研究を行った。群れ免疫の概念は、異なるワクチン接種とより感染性の高いコビッドウイルスの変異を含む将来のシナリオを研究することで疑問視されている。

関連論文リスト

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)
Examining Temporalities on Stance Detection towards COVID-19 Vaccination [3.2719621666321412]
新型コロナウイルスのワクチン接種に対する態度は、ソーシャルメディア上で長年にわたって進化してきた。本研究の目的は、時間的コンセプトドリフトがTwitter上での新型コロナウイルスワクチン接種に対する姿勢検出に与える影響を検討することである。
論文参考訳（メタデータ） (2023-04-10T18:31:26Z)
Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文参考訳（メタデータ） (2022-12-16T13:57:41Z)
Evaluating vaccine allocation strategies using simulation-assisted causal modelling [7.9656669215132005]
パンデミックの早期にはワクチンの入手が制限され、異なる集団の優先順位付けが必要になる。新型コロナウイルスのパンデミックに対する年齢依存型予防接種戦略を遡及的に評価するモデルを構築した。我々は,2021年に実施したイスラエルのワクチン割当戦略を,先天的な優先順位付けや若年集団の優先順位付け,厳格なリスクランク付けアプローチといった対実的戦略と比較した。
論文参考訳（メタデータ） (2022-12-14T14:24:17Z)
Forecasting COVID- 19 cases using Statistical Models and Ontology-based Semantic Modelling: A real time data analytics approach [1.8008011356310047]
本研究では,SARIMA や FBProphet などの統計時系列モデルを用いて,COVID-19 の日常的,回復的,死亡例を正確にモニタリングする予測モデルを開発した。 COVID-19 Ontologyを開発し、設計したOntology上でSPARQLクエリを使用してさまざまなクエリを実行する。個別の症例予測では、約497件のサンプルが検査され、5種類の新型コロナウイルスクラスに分類されている。
論文参考訳（メタデータ） (2022-06-06T11:58:11Z)
COVID-19 Status Forecasting Using New Viral variants and Vaccination Effectiveness Models [2.750124853532831]
変数が大きく、共同要因が異なるため、従来の数学的モデルを用いて新型コロナウイルスの発生を予測することは困難である。イスラエルなど高い予防接種率の地域から取得したデータは、日本の他の地域のデータとブレンドされ、予防接種の影響を示唆している。予防接種効果について抽出したパラメータを用いて,3都道府県の新規感染者を再現した。
論文参考訳（メタデータ） (2022-01-24T01:28:55Z)
STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文参考訳（メタデータ） (2020-12-08T21:21:47Z)
Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
論文参考訳（メタデータ） (2020-10-10T19:33:53Z)
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)
Deep Learning Models for Early Detection and Prediction of the spread of Novel Coronavirus (COVID-19) [4.213555705835109]
SARS-CoV2は世界的な普及を続けており、パンデミックとなっている。新型コロナウイルスの感染拡大を予測するために、機械学習技術を開発する必要がある。
論文参考訳（メタデータ） (2020-07-29T10:14:11Z)
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)

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。