論文の概要: Investigating the Relationship Between World Development Indicators and
the Occurrence of Disease Outbreaks in the 21st Century: A Case Study
- arxiv url: http://arxiv.org/abs/2109.09314v1
- Date: Mon, 20 Sep 2021 06:31:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-21 16:17:36.935447
- Title: Investigating the Relationship Between World Development Indicators and
the Occurrence of Disease Outbreaks in the 21st Century: A Case Study
- Title（参考訳）: 21世紀における世界発展指標と疾病発生との関連性の検討 : 事例研究
- Authors: Aboli Marathe, Harsh Sakhrani, Saloni Parekh
- Abstract要約: 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。
- 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: The timely identification of socio-economic sectors vulnerable to a disease
outbreak presents an important challenge to the civic authorities and
healthcare workers interested in outbreak mitigation measures. This problem was
traditionally solved by studying the aberrances in small-scale healthcare data.
In this paper, we leverage data driven models to determine the relationship
between the trends of World Development Indicators and occurrence of disease
outbreaks using worldwide historical data from 2000-2019, and treat it as a
classic supervised classification problem. CART based feature selection was
employed in an unorthodox fashion to determine the covariates getting affected
by the disease outbreak, thus giving the most vulnerable sectors. The result
involves a comprehensive analysis of different classification algorithms and is
indicative of the relationship between the disease outbreak occurrence and the
magnitudes of various development indicators.
- Abstract（参考訳）: 疫病の流行に弱い社会経済セクターのタイムリーな識別は、疫病対策に関心のある市民当局や医療従事者にとって重要な課題である。
この問題は伝統的に、小規模の医療データでアベラネスを研究することで解決された。
本稿では,2000～2019年の世界的歴史的データを用いて,データ駆動モデルを用いて世界開発指標の動向と疫病の発生との関係を把握し,古典的な分類問題として扱う。
CARTをベースとした特徴選択は、病気の発生によって影響される共変種を決定するために、不規則な方法で採用された。
その結果、異なる分類アルゴリズムの包括的分析が行われ、疾患発生の発生と様々な発達指標の規模との関係が示唆される。
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) - Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳（メタデータ） (2024-07-28T02:42:36Z) - Digital Epidemiology after COVID-19: impact and prospects [0.5953513005270838]
2020年の初めにDigital Epidemiology(DE)がどうだったのか、そして新型コロナウイルスのパンデミックによってどのように変わったのかをレビューする。
我々は、DEがその可能性を認識し、そのリスクを最小限に抑える限り、徐々に有用なツールになると論じる。
論文 参考訳（メタデータ） (2023-12-08T05:18:30Z) - 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) - Data-Driven Disease Progression Modelling [0.0]
データ駆動型疾患進行モデルがコンピュータ科学コミュニティから登場した。
本章では、疾患の進行の理解と予測のためのユーティリティに焦点を当て、現場から選択したハイライトについて述べる。
論文 参考訳（メタデータ） (2022-11-01T10:55:31Z) - 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) - Modelling Major Disease Outbreaks in the 21st Century: A Causal Approach [0.0]
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。
論文 参考訳（メタデータ） (2021-09-15T13:05:51Z) - 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) - 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) - 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) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z)
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。