論文の概要: SARS-CoV-2 Dissemination using a Network of the United States Counties
- arxiv url: http://arxiv.org/abs/2111.13723v1
- Date: Fri, 26 Nov 2021 19:09:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-04 19:35:55.076907
- Title: SARS-CoV-2 Dissemination using a Network of the United States Counties
- Title(参考訳): 米国郡ネットワークを用いたsars-cov-2の普及
- Authors: Patrick Urrutia and David Wren and Chrysafis Vogiatzis and Ruriko
Yoshida
- Abstract要約: 重症急性呼吸器症候群ウイルス2(SARS-CoV-2)感染は、世界各国で警戒率で増加している。
アメリカ合衆国のカウンティネットワーク構造を分析することで、潜在的に高い感染領域をモデル化し、予測することができる。
われわれは、新型コロナウイルス感染症2019(COVID-19)、疾病管理予防センターによる死亡、およびアメリカ合衆国国勢調査局によるネットワーク隣接構造を収集する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: During 2020 and 2021, severe acute respiratory syndrome coronavirus 2
(SARS-CoV-2) transmission has been increasing amongst the world's population at
an alarming rate. Reducing the spread of SARS-CoV-2 and other diseases that are
spread in similar manners is paramount for public health officials as they seek
to effectively manage resources and potential population control measures such
as social distancing and quarantines. By analyzing the United States' county
network structure, one can model and interdict potential higher infection
areas. County officials can provide targeted information, preparedness
training, as well as increase testing in these areas. While these approaches
may provide adequate countermeasures for localized areas, they are inadequate
for the holistic United States. We solve this problem by collecting coronavirus
disease 2019 (COVID-19) infections and deaths from the Center for Disease
Control and Prevention and a network adjacency structure from the United States
Census Bureau. Generalized network autoregressive (GNAR) time series models
have been proposed as an efficient learning algorithm for networked datasets.
This work fuses network science and operations research techniques to
univariately model COVID-19 cases, deaths, and current survivors across the
United States' county network structure.
- Abstract(参考訳): 2020年から2021年にかけて、重症急性呼吸器症候群ウイルス2(SARS-CoV-2)の感染が世界の人口で急増している。
SARS-CoV-2と同様の方法で拡散する他の病気の拡散を減らすことは、社会的距離や隔離など、資源や潜在的人口管理対策を効果的に管理しようとする公衆衛生当局にとって最重要である。
アメリカ合衆国の郡ネットワーク構造を分析することで、潜在的に高い感染領域をモデル化し、予測することができる。
郡役人は標的となる情報、準備訓練、およびこれらの地域でのテストを増やすことができる。
これらのアプローチは、地域化地域に対して適切な対策を提供する可能性があるが、米国全体にとって不十分である。
我々は、米国国勢調査局のCenter for Disease Control and Preventionとネットワーク隣接構造から、新型コロナウイルス感染症2019(COVID-19)感染と死亡を収集することで、この問題を解決する。
一般化ネットワーク自己回帰(GNAR)時系列モデルは、ネットワーク化されたデータセットの効率的な学習アルゴリズムとして提案されている。
この研究は、ネットワークサイエンスとオペレーションの研究技術を融合させ、合衆国のネットワーク構造全体で新型コロナウイルスの症例、死亡者、および現在の生存者を不平等にモデル化する。
関連論文リスト
- Modelling the Spread of COVID-19 in Indoor Spaces using Automated
Probabilistic Planning [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、約3年間続いている。
病気の拡散を制御するためのいくつかの戦略は、医療専門家によって議論されている。
疾患の潜在的な影響を予測し、異なる緩和戦略の有効性をシミュレートするためには、堅牢な疾患拡散モデルが必要である。
論文 参考訳(メタデータ) (2023-08-16T07:41:53Z) - Digital Surveillance Networks of 2014 Ebola Epidemics and Lessons for
COVID-19 [0.0]
2014年のエボラ出血熱は、COVOID-19の教訓を提供することができる。
ローカルな位置情報の送信の遅延と切断がますます進んでいる。
論文 参考訳(メタデータ) (2022-06-18T16:06:29Z) - Deploying Vaccine Distribution Sites for Improved Accessibility and
Equity to Support Pandemic Response [21.13458519284399]
多くの国はSARS-CoV-2の拡散を遅らせるため、社会的距離を義務付け、大規模なグループ集会を禁止している。
これらの社会的介入とワクチンは、SARS CoV-2の拡散を抑えるための最善策である。
ワクチンのアクセシビリティを高めるために、バージニア州のような州は、ワクチンを全国に配布するために移動式ワクチン接種センターを設置してきた。
論文 参考訳(メタデータ) (2022-02-09T19:57:55Z) - Multi-Objective Allocation of COVID-19 Testing Centers: Improving
Coverage and Equity in Access [2.7910505923792646]
新型コロナウイルスは4200万人以上に感染し、全米で67万3000人以上が死亡している。
公衆衛生当局は、感染のホットスポットを特定するための診断検査の結果を監視した。
テストサイトアロケーションの現在のスキームのほとんどは、経験や利便性に基づいています。
論文 参考訳(メタデータ) (2021-09-21T03:53:14Z) - 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) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-20T21:47:28Z) - 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) - 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) - COVID-Net S: Towards computer-aided severity assessment via training and
validation of deep neural networks for geographic extent and opacity extent
scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。
本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
論文 参考訳(メタデータ) (2020-05-26T16:33:52Z) - Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。
技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。
個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
論文 参考訳(メタデータ) (2020-04-16T15:53:42Z) - $\alpha$-Satellite: An AI-driven System and Benchmark Datasets for
Hierarchical Community-level Risk Assessment to Help Combat COVID-19 [24.774285634657787]
新型コロナウイルス(COVID-19)の感染者は53万1000人を超え、少なくとも171カ国で2万4000人以上が死亡している。
新型コロナウイルスの感染拡大を受け、地域住民の感染が拡大するとの見方が強まっている。
我々は、階層的なコミュニティレベルのリスク評価を提供するAI駆動システム(初期提供として$alpha$-Satelliteと名づけられた)を提案し、開発する。
論文 参考訳(メタデータ) (2020-03-27T04:44:53Z)
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。