論文の概要: Modelling Major Disease Outbreaks in the 21st Century: A Causal Approach
- arxiv url: http://arxiv.org/abs/2109.07266v1
- Date: Wed, 15 Sep 2021 13:05:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-16 14:49:44.381043
- Title: Modelling Major Disease Outbreaks in the 21st Century: A Causal Approach
- Title（参考訳）: 21世紀の大病発生のモデル化--因果的アプローチ
- Authors: Abli Marathe, Saloni Parekh, Harsh Sakhrani
- Abstract要約: 本稿では,グローバルな開発指標をマーカーとして,感染症の発生に敏感な最も重要な開発セクターを同定する手法を提案する。
我々は,これらの指標と疾患発生の因果関係を統計的に評価し,最も頻度の高い指標を見つけるために,統計手法を用いる。
- 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: Epidemiologists aiming to model the dynamics of global events face a
significant challenge in identifying the factors linked with anomalies such as
disease outbreaks. In this paper, we present a novel method for identifying the
most important development sectors sensitive to disease outbreaks by using
global development indicators as markers. We use statistical methods to assess
the causative linkages between these indicators and disease outbreaks, as well
as to find the most often ranked indicators. We used data imputation techniques
in addition to statistical analysis to convert raw real-world data sets into
meaningful data for causal inference. The application of various algorithms for
the detection of causal linkages between the indicators is the subject of this
research. Despite the fact that disparities in governmental policies between
countries account for differences in causal linkages, several indicators emerge
as important determinants sensitive to disease outbreaks over the world in the
21st Century.
- Abstract（参考訳）: 地球規模の事象のダイナミクスをモデル化しようとする疫学者は、疾患の発生など異常と関連する要因を特定する上で大きな課題に直面している。
本稿では,グローバルな開発指標をマーカーとして,感染症の発生に敏感な最も重要な開発セクターを特定する手法を提案する。
我々は,これらの指標と疾患発生の因果関係を統計的に評価し,最も頻度の高い指標を見つけるために,統計手法を用いる。
統計解析に加えて,データインプテーション手法を用いて生の現実世界のデータセットを有意義なデータに変換し,因果推論を行った。
インジケータ間の因果関係の検出に様々なアルゴリズムを適用することが,本研究の課題である。
国間の政府政策の格差が因果連鎖の相違の原因となっているにもかかわらず、いくつかの指標は21世紀に世界中での疾病の発生に敏感な決定要因として現れる。
関連論文リスト
- Bayesian Network Modeling of Causal Influence within Cognitive Domains and Clinical Dementia Severity Ratings for Western and Indian Cohorts [2.474908349649168]
本研究では,2つの異なる老化データセットを対象とした臨床認知症評価(CDR)とその6つのドメインスコアの因果関係について検討した。
ベイジアンネットワークモデルから導出したDAGを用いて、ドメインスコア間の依存性と、そのグローバルCDRへの影響を分析する。
論文 参考訳（メタデータ） (2024-08-16T07:53:57Z) - Discovery of the Hidden World with Large Language Models [95.58823685009727]
本稿では,大きな言語モデル(LLM)を導入してギャップを埋めるCausal representatiOn AssistanT(COAT)を提案する。
LLMは世界中の大規模な観測に基づいて訓練されており、構造化されていないデータから重要な情報を抽出する優れた能力を示している。
COATはまた、特定変数間の因果関係を見つけるためにCDを採用し、提案された要因を反復的に洗練するためにLSMにフィードバックを提供する。
論文 参考訳（メタデータ） (2024-02-06T12:18:54Z) - Identifiable Latent Polynomial Causal Models Through the Lens of Change [82.14087963690561]
因果表現学習は、観測された低レベルデータから潜在的な高レベル因果表現を明らかにすることを目的としている。
主な課題の1つは、識別可能性(identifiability)として知られるこれらの潜伏因果モデルを特定する信頼性の高い保証を提供することである。
論文 参考訳（メタデータ） (2023-10-24T07:46:10Z) - A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。
突発効果の非パラメトリック分解を可能にする最初の結果を証明する。
説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
論文 参考訳（メタデータ） (2023-06-08T09:40:28Z) - 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) - Correlation-based Discovery of Disease Patterns for Syndromic
Surveillance [0.0]
シナドロミック監視は 早期の症状の 検出を目的としてる
早期症状は通常多くの疾患で共有され、特定の疾患は感染の初期段階にいくつかの臨床像を持つことがある。
歴史的データからそのようなパターンを発見するための,新しい,データ駆動型アプローチを提案する。
論文 参考訳（メタデータ） (2021-10-18T11:50:26Z) - Investigating the Relationship Between World Development Indicators and
the Occurrence of Disease Outbreaks in the 21st Century: A Case Study [0.0]
病気の発生に弱い社会経済セクターのタイムリーな識別は、市民当局にとって重要な課題である。
我々は、データ駆動モデルを利用して、世界開発指標の傾向と病気の発生との関係を判断する。
論文 参考訳（メタデータ） (2021-09-20T06:31:03Z) - Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。
本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。
シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2021-09-06T13:10:37Z) - Combining Graph Neural Networks and Spatio-temporal Disease Models to
Predict COVID-19 Cases in Germany [0.0]
いくつかの専門家は、新型コロナウイルスの拡散を説明するために人間の移動性を考慮する必要性を求めた。
ほとんどの統計モデルや疫学モデルでは、人間の移動性を符号化するデータを含む非構造化データソースを直接組み込むことはできない。
本稿では,両研究方向のトレードオフを提案し,統計回帰モデルと機械学習モデルの利点を組み合わせた新しい学習手法を提案する。
論文 参考訳（メタデータ） (2021-01-03T16:39:00Z) - Analysing the impact of global demographic characteristics over the
COVID-19 spread using class rule mining and pattern matching [8.025086113117291]
本研究は、人口統計学的属性と世界的変動の多次元的関連を調査するためのインテリジェントなアプローチを提案する。
信頼性のあるソースから複数の人口統計属性とCOVID-19感染データを収集し、インテリジェントアルゴリズムで処理し、データ内の重要な関連やパターンを識別する。
論文 参考訳（メタデータ） (2020-09-27T18:43:18Z) - On Disentangled Representations Learned From Correlated Data [59.41587388303554]
相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。
本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。
また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
論文 参考訳（メタデータ） (2020-06-14T12:47:34Z)
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。