論文の概要: A Machine Learning Analysis of COVID-19 Mental Health Data

• arxiv url: http://arxiv.org/abs/2112.00227v1
• Date: Wed, 1 Dec 2021 02:00:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-02 16:03:16.246190
• Title: A Machine Learning Analysis of COVID-19 Mental Health Data
• Title（参考訳）: 新型コロナウイルスのメンタルヘルスデータの機械学習分析
• Authors: Mostafa Rezapour, Lucas Hansen
• Abstract要約: 2019年12月、中国武漢で新型コロナウイルス(SARS-Cov-2)が最初に確認された。 本稿では、新型コロナウイルスのパンデミックが米国における最前線労働者のメンタルヘルスに与える影響について分析する。 メンタルヘルス調査データに適用された多くのモデルの解釈を通じて、最前線労働者のメンタルヘルスの低下を予測する上で最も重要な要因がヘルスケアの役割であると結論付けている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In late December 2019, the novel coronavirus (Sars-Cov-2) and the resulting disease COVID-19 were first identified in Wuhan China. The disease slipped through containment measures, with the first known case in the United States being identified on January 20th, 2020. In this paper, we utilize survey data from the Inter-university Consortium for Political and Social Research and apply several statistical and machine learning models and techniques such as Decision Trees, Multinomial Logistic Regression, Naive Bayes, k-Nearest Neighbors, Support Vector Machines, Neural Networks, Random Forests, Gradient Tree Boosting, XGBoost, CatBoost, LightGBM, Synthetic Minority Oversampling, and Chi-Squared Test to analyze the impacts the COVID-19 pandemic has had on the mental health of frontline workers in the United States. Through the interpretation of the many models applied to the mental health survey data, we have concluded that the most important factor in predicting the mental health decline of a frontline worker is the healthcare role the individual is in (Nurse, Emergency Room Staff, Surgeon, etc.), followed by the amount of sleep the individual has had in the last week, the amount of COVID-19 related news an individual has consumed on average in a day, the age of the worker, and the usage of alcohol and cannabis.
• Abstract（参考訳）: 2019年12月下旬、中国武漢で新型コロナウイルス(SARS-Cov-2)が最初に発見された。 この病気は、2020年1月20日に米国で発見された最初の症例として封じ込められた。 In this paper, we utilize survey data from the Inter-university Consortium for Political and Social Research and apply several statistical and machine learning models and techniques such as Decision Trees, Multinomial Logistic Regression, Naive Bayes, k-Nearest Neighbors, Support Vector Machines, Neural Networks, Random Forests, Gradient Tree Boosting, XGBoost, CatBoost, LightGBM, Synthetic Minority Oversampling, and Chi-Squared Test to analyze the impacts the COVID-19 pandemic has had on the mental health of frontline workers in the United States. Through the interpretation of the many models applied to the mental health survey data, we have concluded that the most important factor in predicting the mental health decline of a frontline worker is the healthcare role the individual is in (Nurse, Emergency Room Staff, Surgeon, etc.), followed by the amount of sleep the individual has had in the last week, the amount of COVID-19 related news an individual has consumed on average in a day, the age of the worker, and the usage of alcohol and cannabis.

関連論文リスト

• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
  2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。 パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。 研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
  論文  参考訳（メタデータ） (2023-03-23T17:19:26Z)
• Exploring Social Media for Early Detection of Depression in COVID-19 Patients [44.76299288962596]
  早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。 我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。 うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
  論文  参考訳（メタデータ） (2023-02-23T14:13:52Z)
• Hidden Effects of COVID-19 on Healthcare Workers: A Machine Learning Analysis [0.0]
  我々は、医療従事者における新型コロナウイルス関連陰性効果とアルコール使用の変化との関係を明らかにするために、教師付きおよび教師なしの機械学習手法とモデルを用いている。 以上の結果から,学校閉鎖や勤務予定変更,新型コロナウイルス関連のニュース暴露など,新型コロナウイルスのパンデミックの影響がアルコール使用の増加につながる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-12-12T15:34:44Z)
• Twitter Subjective Well-Being Indicator During COVID-19 Pandemic: A Cross-Country Comparative Study [0.0]
  本研究は、日本とイタリアのTwitterデータ指標を用いて、新型コロナウイルスのパンデミックが主観的幸福感に与える影響を分析した。 全体として、主観的な幸福感はイタリアでは11.7%、日本では8.3%減少し、2020年の最初の9ヶ月は2019年の最後の2ヶ月と比較して減少した。
  論文  参考訳（メタデータ） (2021-01-19T15:51:53Z)
• Challenges in the application of a mortality prediction model for COVID-19 patients on an Indian cohort [0.0]
  ヤンなど。 機械学習(ML)メソッドを使って新型コロナウイルス患者の結果を予測する研究が公開されている。 ここでは、covid-19患者の最大のデータセットの1つにデプロイすることで、このモデルの制限を示します。
  論文  参考訳（メタデータ） (2021-01-15T07:06:49Z)
• COVID-19 Outbreak Prediction and Analysis using Self Reported Symptoms [12.864257751458712]
  新型コロナウイルスの流行状況を把握するために、自己報告型症状調査データを用いています。 本研究は、自己申告された症状に基づいて、新型コロナウイルス陽性の集団の確率%を予測しようと試みた。 人口の%がcovid-19ライクな疾患(cli)を患っており、それぞれ0.15%と1.14%が絶対エラーであった。
  論文  参考訳（メタデータ） (2020-12-21T00:37:24Z)
• 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)
• 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)
• Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
  世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。 我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
  論文  参考訳（メタデータ） (2020-03-25T12:30:33Z)

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。