論文の概要: Applying Machine Learning and AI Explanations to Analyze Vaccine
Hesitancy
- arxiv url: http://arxiv.org/abs/2201.05070v1
- Date: Fri, 7 Jan 2022 22:50:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-16 16:03:54.278168
- Title: Applying Machine Learning and AI Explanations to Analyze Vaccine
Hesitancy
- Title（参考訳）: ワクチンHesitancyを分析するための機械学習とAI説明の適用
- Authors: Carsten Lange, Jian Lange
- Abstract要約: この論文は、人種、貧困、政治、年齢がアメリカ合衆国郡の予防接種率に与える影響を定量化している。
影響要因の影響は、異なる地理的に普遍的に同じではないことが明らかである。
- 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: The paper quantifies the impact of race, poverty, politics, and age on
COVID-19 vaccination rates in counties in the continental US. Both, OLS
regression analysis and Random Forest machine learning algorithms are applied
to quantify factors for county-level vaccination hesitancy. The machine
learning model considers joint effects of variables (race/ethnicity,
partisanship, age, etc.) simultaneously to capture the unique combination of
these factors on the vaccination rate. By implementing a state-of-the-art
Artificial Intelligence Explanations (AIX) algorithm, it is possible to solve
the black box problem with machine learning models and provide answers to the
"how much" question for each measured impact factor in every county. For most
counties, a higher percentage vote for Republicans, a greater African American
population share, and a higher poverty rate lower the vaccination rate. While a
higher Asian population share increases the predicted vaccination rate. The
impact on the vaccination rate from the Hispanic population proportion is
positive in the OLS model, but only positive for counties with a high Hispanic
population (>65%) in the Random Forest model. Both the proportion of seniors
and the one for young people in a county have a significant impact in the OLS
model - positive and negative, respectively. In contrast, the impacts are
ambiguous in the Random Forest model. Because results vary between geographies
and since the AIX algorithm is able to quantify vaccine impacts individually
for each county, this research can be tailored to local communities. An
interactive online mapping dashboard that identifies impact factors for
individual U.S. counties is available at
https://www.cpp.edu/~clange/vacmap.html. It is apparent that the influence of
impact factors is not universally the same across different geographies.
- Abstract（参考訳）: この論文は、米国大陸の郡におけるcovid-19ワクチン接種率に対する人種、貧困、政治、年齢の影響を定量化するものだ。
OLSレグレッション解析とランダムフォレスト機械学習アルゴリズムの両方を用いて、郡レベルのワクチン流行の要因を定量化する。
機械学習モデルは、これらの要因がワクチン接種率に特有の組み合わせを捉えるために、変数(人種/民族、党派、年齢など)の結合効果を同時に考慮している。
最先端のAIX(Artificial Intelligence Explanations)アルゴリズムを実装することで、機械学習モデルでブラックボックスの問題を解き、各郡で測定された影響要因について「どの程度」疑問に答えることができる。
ほとんどの郡では、共和党の投票率が高く、アフリカ系アメリカ人人口の比率が高く、貧困率はワクチン接種率が低い。
アジアの人口密度が高いほどワクチン接種率は上昇する。
ヒスパニック系人口の割合によるワクチン接種率への影響はolsモデルでは正であるが、ランダム森林モデルではヒスパニック系人口が高い郡(>65%)でのみ正である。
高齢者の割合と郡の若者の比率は、それぞれ正と負のOLSモデルに大きな影響を及ぼす。
対照的に、ランダムフォレストモデルでは影響は曖昧である。
結果は地形によって異なり、aixアルゴリズムは各郡で個別にワクチンの影響を定量化することができるので、この研究は地域社会に合わせることができる。
アメリカ各郡の影響要因を特定するインタラクティブなオンラインマッピングダッシュボードは、https://www.cpp.edu/~clange/vacmap.htmlで入手できる。
影響要因の影響は、異なる地形間で普遍的に同じではないことが明らかである。
関連論文リスト
- Public Discourse about COVID-19 Vaccinations: A Computational Analysis of the Relationship between Public Concerns and Policies [3.203095675418499]
予防接種キャンペーンの展開に伴い、ドイツ語を話す地域は他のヨーロッパ地域よりもはるかに低い予防接種率を示した。
Twitter上では、新型コロナウイルスの重症度やワクチンの有効性、安全性に対する懐疑論が話題となっている。
パンデミックの後期段階では、政策が実施され、無ワクチンの市民の自由が制限されたとき、ワクチン接種の増加が観察された。
論文 参考訳（メタデータ） (2024-05-07T15:31:13Z) - Promoting Fair Vaccination Strategies Through Influence Maximization: A Case Study on COVID-19 Spread [5.505634045241288]
新型コロナウイルスのパンデミックの余波は、人種的少数派や経済的に奪われた地域社会にとってより深刻な結果をもたらした。
本稿では,人口動態の公平性を取り入れた予防接種戦略を新たに提案する。
論文 参考訳（メタデータ） (2024-02-20T20:54:18Z) - 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) - Cultural-aware Machine Learning based Analysis of COVID-19 Vaccine
Hesitancy [16.52326311355925]
我々は、予防接種意欲を予測するために、新しいデータ収集に基づいて、新しいカルチャー対応機械学習(ML)モデルを設計する。
これらの分析は、ワクチン導入の決定に最も影響を与える主要な要因を明らかにしている。
論文 参考訳（メタデータ） (2023-04-14T06:47:43Z) - Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy
among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。
医師は新型ワクチンよりもワクチンの有効性を懸念している。
看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文 参考訳（メタデータ） (2022-09-11T14:22:16Z) - Mining Trends of COVID-19 Vaccine Beliefs on Twitter with Lexical
Embeddings [0.8808021343665321]
新型コロナウイルスワクチン接種に関するTwitter投稿のコーパスを抽出しました。
語彙カテゴリーの2つのクラス — 感情と影響要因 — を作成しました。
ワクチンに対するためらいのようなネガティブな感情は、健康関連の効果や誤った情報と高い相関がある。
論文 参考訳（メタデータ） (2021-04-02T16:13:16Z) - Analysis of the Effectiveness of Face-Coverings on the Death Rate of
COVID-19 Using Machine Learning [0.0]
マスク委任状(MM)は、新型コロナウイルスの感染拡大を防ぐために、州知事が発令した。
本研究では,ニューヨーク・タイムズが提供した調査データを用いて,MM順序に対する人々の依存度を定量化する。
異なる機械学習分類アルゴリズムを用いて、米国西海岸の各郡における死亡率の減少または増加が、入力パラメータとどのように相関するかを検討した。
論文 参考訳（メタデータ） (2021-02-08T18:26:30Z) - Timely Tracking of Infection Status of Individuals in a Population [70.21702849459986]
住民の感染状況のリアルタイム追跡について検討した。
この研究では、医療提供者が感染症から回復した人だけでなく、感染した人々も検出したいと考えています。
論文 参考訳（メタデータ） (2020-12-24T18:49:22Z) - 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) - A Deep Q-learning/genetic Algorithms Based Novel Methodology For
Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。
報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。
どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
論文 参考訳（メタデータ） (2020-05-15T17:17:45Z)
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。