論文の概要: Influence of Mobility Restrictions on Transmission of COVID-19 in the
state of Maryland -- the USA
- arxiv url: http://arxiv.org/abs/2109.12219v1
- Date: Fri, 24 Sep 2021 22:15:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-01 07:39:39.487514
- Title: Influence of Mobility Restrictions on Transmission of COVID-19 in the
state of Maryland -- the USA
- Title（参考訳）: メリーランド州における移動制限がCOVID-19感染に及ぼす影響
- Authors: Nandini Raghuraman (1), Kartik Kaushik (1), Deb Niemeier (2) (1
Department of Epidemiology and Public Health University of Maryland School of
Medicine, 2 Department of Civil and Environmental Engineering University of
Maryland College Park)
- Abstract要約: 新型コロナウイルスは2020年1月に米国で初めて検出された。
3月中旬の感染拡大を抑制するため、各州はSAH命令を発令した。
ウイルス感染の減少に対する移動性に対する規制の影響について検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: The novel coronavirus, COVID-19, was first detected in the United
States in January 2020. To curb the spread of the disease in mid-March,
different states issued mandatory stay-at-home (SAH) orders. These
nonpharmaceutical interventions were mandated based on prior experiences, such
as the 1918 influenza epidemic. Hence, we decided to study the impact of
restrictions on mobility on reducing COVID-19 transmission. Methods: We
designed an ecological time series study with our exposure variable as Mobility
patterns in the state of Maryland for March- December 2020 and our outcome
variable as the COVID-19 hospitalizations for the same period. We built an
Extreme Gradient Boosting (XGBoost) ensemble machine learning model and
regressed the lagged COVID-19 hospitalizations with Mobility volume for
different regions of Maryland. Results: We found an 18% increase in COVID-19
hospitalizations when mobility was increased by a factor of five, similarly a
43% increase when mobility was further increased by a factor of ten.
Conclusion: The findings of our study demonstrated a positive linear
relationship between mobility and the incidence of COVID-19 cases. These
findings are partially consistent with other studies suggesting the benefits of
mobility restrictions. Although more detailed approach is needed to precisely
understand the benefits and limitations of mobility restrictions as part of a
response to the COVID-19 pandemic.
- Abstract（参考訳）: 背景:新型コロナウイルス(COVID-19)は2020年1月に米国で初めて発見された。
3月中旬の感染拡大を抑制するため、各州はSAH命令を発令した。
これらの非薬剤的介入は、1918年のインフルエンザの流行など、以前の経験に基づいて強制された。
そこで我々は,移動性に対する規制の影響について検討することとした。
方法:2020年3月から12月にかけてメリーランド州のモビリティーパターンとして曝露変動を用いた生態時系列研究を設計し,同時期のCOVID-19の入院結果と比較した。
当社は、xgboost(extreme gradient boosting)機械学習モデルを構築し、メリーランド州のさまざまな地域で、モビリティボリュームを備えた新型コロナウイルス(covid-19)の入院を遅らせました。
結果: 移動度が5倍に増加した場合の入院率は18%増加し, 移動度が10倍に増加したときの43%増となった。
結論:本研究の結果は,移動度と新型コロナウイルスの発症率との正の線形関係を示した。
これらの結果は、移動制限の利点を示唆する他の研究と部分的に一致している。
新型コロナウイルスのパンデミックへの対応の一環として、移動制限の利点と制限を正確に理解するには、より詳細なアプローチが必要である。
関連論文リスト
- Population Age Group Sensitivity for COVID-19 Infections with Deep
Learning [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、世界中の政府や医療システムにとって前例のない課題を生み出している。
この研究は、米国の郡レベルでの新型コロナウイルス感染率において最も影響力のある年齢層を特定することを目的としている。
論文 参考訳（メタデータ） (2023-07-03T04:56:55Z) - 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 shifts in mobility and COVID-19 case rates in U.S. counties:
A demonstration of modified treatment policies for causal inference with
continuous exposures [0.0]
本研究では,2020年6月1日から11月14日までの新型コロナウイルス感染率に対する移動度分布の変化の影響について検討した。
10のモビリティ指標が選択され、新型コロナウイルスのケースレートに影響が期待される行動のいくつかの側面を捉えた。
論文 参考訳（メタデータ） (2021-10-24T21:17:47Z) - Understanding the Spread of COVID-19 Epidemic: A Spatio-Temporal Point
Process View [44.67854875502783]
1月21日以降、米国では100万人以上が新型コロナウイルスの感染者を確認している。
この伝染性呼吸器疾患は、米国の3000以上の郡と50の州に急速に広がった。
本疾患の複雑な時空干渉伝播を理解するためには,正確な予測や知的外的介入が可能であることが不可欠である。
論文 参考訳（メタデータ） (2021-06-24T15:26:46Z) - 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) - Twitter, human mobility, and COVID-19 [11.143921916292726]
われわれは世界中で5億7700万のツイートを分析し、人間の移動性を減らすためのグローバルな協力活動がどのように反映されているかを調べた。
特定の地理的領域における応答性を定量化するために,移動型応答指標(MRI)を提案する。
その結果、Twitterデータから得られたモビリティパターンは、モビリティのダイナミクスを定量的に反映するために修正可能であることが示唆された。
論文 参考訳（メタデータ） (2020-06-24T23:21:03Z) - 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) - COVID-19 Mobility Data Collection of Seoul, South Korea [0.46180371154032895]
本稿では,韓国の首都ソウルで発生した新型コロナウイルス(COVID-19)による人口1000万人近くの動きを懸念するモビリティデータセットの2つのカテゴリについて述べる。
我々は、地下鉄の乗客数、交通量、現在人口の時間毎のデータを、選択した関心点で算出する。
論文 参考訳（メタデータ） (2020-06-11T07:04:31Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z) - Mobility Changes in Response to COVID-19 [0.0]
移動度を測定するために、匿名化および/または未同定のモバイルデバイスロケーションを使用します。
その結果、米国と世界の両方で、モビリティーの大幅な削減が達成されたことが示唆された。
論文 参考訳（メタデータ） (2020-03-31T14:03:30Z)
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。