論文の概要: Multi-scale simulation of COVID-19 epidemics
- arxiv url: http://arxiv.org/abs/2112.01167v1
- Date: Thu, 2 Dec 2021 12:34:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-06 02:29:58.525458
- Title: Multi-scale simulation of COVID-19 epidemics
- Title（参考訳）: 新型コロナウイルス感染症のマルチスケールシミュレーション
- Authors: Benoit Doussin, Carole Adam, Didier Georges
- Abstract要約: 新型コロナウイルスの感染拡大が始まってから1年以上が経過している。
今後数週間にわたって広がる未来と、潜在的な政治的介入の影響を正確に予測することは難しい」と述べた。
現在の流行モデルは主に2つのアプローチに該当する: 分割モデル、人口を疫学クラスに分け、微分方程式の数学的解決に依存する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Over a year after the start of the COVID-19 epidemics, we are still facing
the virus and it is hard to correctly predict its future spread over weeks to
come, as well as the impacts of potential political interventions. Current
epidemic models mainly fall in two approaches: compartmental models, divide the
population in epidemiological classes and rely on the mathematical resolution
of differential equations to give a macroscopic view of the epidemical
dynamics, allowing to evaluate its spread a posteriori; agent-based models are
computer models that give a microscopic view of the situation, since each human
is modelled as one autonomous agent, allowing to study the epidemical dynamics
in relation to (heterogeneous) individual behaviours. In this work, we compared
both methodologies and combined them to try and take advantage of the benefits
of each, and to overcome their limits. In particular, agent-based simulation
can be used to refine the values of the parameters of a compartmental model, or
to predict how these values evolve depending on sanitary policies applied. In
this report we discuss the conditions of such a combination of approaches, and
future improvements.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)の流行開始から1年以上、我々はまだウイルスに直面しており、今後数週間にわたってその将来や潜在的な政治的介入の影響を正確に予測することは困難だ。
Current epidemic models mainly fall in two approaches: compartmental models, divide the population in epidemiological classes and rely on the mathematical resolution of differential equations to give a macroscopic view of the epidemical dynamics, allowing to evaluate its spread a posteriori; agent-based models are computer models that give a microscopic view of the situation, since each human is modelled as one autonomous agent, allowing to study the epidemical dynamics in relation to (heterogeneous) individual behaviours.
本研究では,両手法を比較し,それぞれの利点を生かし,その限界を克服するために組み合わせた。
特に、エージェントベースのシミュレーションは、構成モデルのパラメータの値を洗練したり、これらの値が適用された衛生政策によってどのように進化するかを予測するために用いられる。
本報告では,このようなアプローチの組み合わせの条件と今後の改善について述べる。
関連論文リスト
- 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) - Modeling, Inference, and Prediction in Mobility-Based Compartmental Models for Epidemiology [5.079807662054658]
疾患の伝達と制御の鍵となる要因として,個人の移動が紹介される。
各区画の移動度分布関数を用いて, 疾患の動態を特徴付ける。
感染集団の時系列から移動度分布を推定する。
論文 参考訳（メタデータ） (2024-06-17T18:13:57Z) - Learning epidemic trajectories through Kernel Operator Learning: from modelling to optimal control [0.0]
感染拡大に伴う人口動態を再構築するためのカーネル・オペレーター・ラーニング(KOL)の有効性について検討する。
特にKOL-mとKOL-$partial$という2つの代理モデルを導入する。
提案手法は, 高速かつロバストな予測とシナリオ分析を実現するのにいかに適しているかを示す。
論文 参考訳（メタデータ） (2024-04-17T07:21:17Z) - 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) - Epidemic Modeling with Generative Agents [1.1342625695057285]
本研究は、ヒトの行動を疫病モデルに組み込むという大きな課題に対処するために、個人レベルのモデリングの新しいパラダイムを提供する。
エージェントベースの疫病モデルで生成的人工知能を使用することで、各エージェントは独自の推論と決定を行う権限を持つ。
論文 参考訳（メタデータ） (2023-07-11T02:52:32Z) - Compartmental Models for COVID-19 and Control via Policy Interventions [0.0]
確率型プログラミング言語(PPL)のツールキットを用いてSARS-CoV-2パンデミックの拡散を再現し予測する手法を実証する。
我々のゴールは、様々なモデリング仮定の影響を調査し、感染症の拡散を制限するために制定された政策介入を動機づけることである。
我々は疫学者ではない。この研究の唯一の目的は、新型コロナウイルスの政策決定が現実世界に与える影響を直接推測するのではなく、方法の展示として機能することである。
論文 参考訳（メタデータ） (2022-03-06T02:50:54Z) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳（メタデータ） (2021-01-13T03:20:20Z) - STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological
Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。
stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。
我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文 参考訳（メタデータ） (2020-12-08T21:21:47Z) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳（メタデータ） (2020-10-28T10:58:59Z) - OutbreakFlow: Model-based Bayesian inference of disease outbreak
dynamics with invertible neural networks and its application to the COVID-19
pandemics in Germany [0.19791587637442667]
専門的なニューラルネットワークを用いた疫学モデリングの新たな組み合わせを提案する。
我々は, 発生時間, 未検出感染数, 症状発症前の感染可能性, および, 非常に適度な量の実世界の観測による遅延の報告など, 重要な疾患特性に関する信頼性の高い確率推定値を得ることができる。
論文 参考訳（メタデータ） (2020-10-01T11:01:49Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z)
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。