Fugu-MT 論文翻訳(概要): COVID-19 Hospitalizations Forecasts Using Internet Search Data

論文の概要: COVID-19 Hospitalizations Forecasts Using Internet Search Data

arxiv url: http://arxiv.org/abs/2202.03869v1
Date: Thu, 3 Feb 2022 21:56:20 GMT
ステータス: 処理完了
システム内更新日: 2022-02-13 14:39:10.333979
Title: COVID-19 Hospitalizations Forecasts Using Internet Search Data
Title（参考訳）: インターネット検索データによる新型コロナの入院予測
Authors: Tao Wang, Simin Ma, Soobin Baek, Shihao Yang
Abstract要約: 先程提案したインフルエンザ追跡モデルであるARGOを拡張し,今後2週間の全国および州レベルの新規入院を予測した。本手法は,新型コロナウイルスの予測ハブから収集した最良の代替モデルに対して,平均15%のエラー削減を実現する。
参考スコア（独自算出の注目度）: 4.748730334762718
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: As the COVID-19 spread over the globe and new variants of COVID-19 keep occurring, reliable real-time forecasts of COVID-19 hospitalizations are critical for public health decision on medical resources allocations such as ICU beds, ventilators, and personnel to prepare for the surge of COVID-19 pandemics. Inspired by the strong association between public search behavior and hospitalization admission, we extended previously-proposed influenza tracking model, ARGO (AutoRegression with GOogle search data), to predict future 2-week national and state-level COVID-19 new hospital admissions. Leveraging the COVID-19 related time series information and Google search data, our method is able to robustly capture new COVID-19 variants' surges, and self-correct at both national and state level. Based on our retrospective out-of-sample evaluation over 12-month comparison period, our method achieves on average 15\% error reduction over the best alternative models collected from COVID-19 forecast hub. Overall, we showed that our method is flexible, self-correcting, robust, accurate, and interpretable, making it a potentially powerful tool to assist health-care officials and decision making for the current and future infectious disease outbreak.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)が世界中に広がり、新型の新型コロナウイルス(COVID-19)が相次いでいる中、ICUベッドや人工呼吸器、人員などの医療資源の配分について、新型コロナウイルスの入院の確実なリアルタイム予測が公衆衛生上の決定に欠かせない。一般の検索行動と入院入院入院の強い関連性から,先程提案したインフルエンザ追跡モデルであるARGO(AutoRegression with GOogle search data)を拡張して,今後2週間の全国および州レベルの新規入院を予測した。新型コロナウイルス(covid-19)関連時系列情報とgoogle検索データを活用することで、新型ウイルスのサージをロバストに捉え、国家レベルと州レベルで自己修正することが可能です。提案手法は,12カ月間の比較期間のレトロスペクティブアウトオブサンプル評価に基づいて,新型コロナウイルス予測ハブから収集した最良の代替モデルに対して平均15倍の誤差削減を達成した。全体として,本手法は柔軟性,自己修正性,堅牢性,正確性,解釈可能であり,医療従事者を支援し,現在および今後の感染症の流行に対する意思決定を支援する潜在的に強力なツールであることが示された。

関連論文リスト

CoVScreen: Pitfalls and recommendations for screening COVID-19 using Chest X-rays [1.0878040851637998]
新型コロナウイルス(COVID-19)は、SARS-CoV-2による感染性の高い呼吸器疾患で、前例のない医療危機となっている。症状のある患者の早期スクリーニングと診断は、地域感染を止めるために患者を隔離する上で重要な役割を担っている。アクセシビリティ、可用性、低コスト、衛生の容易さ、ポータブルなセットアップのため、胸部X線撮影は効果的なスクリーニングおよび診断ツールとして機能する。
論文参考訳（メタデータ） (2024-05-13T12:03:15Z)
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)
COVIDHunter: COVID-19 pandemic wave prediction and mitigation via seasonality-aware modeling [11.423326973456437]
我々は、柔軟で正確な新型コロナウイルス感染シミュレーションモデルであるCOVIDHunterを紹介した。新型コロナウイルスによる毎日の感染者数、入院数、死亡数を予測する。ケーススタディでは、2022年1月26日にピークとなる、致命的な新しい波を経験していると見積もられています。
論文参考訳（メタデータ） (2022-06-14T08:48:13Z)
Forecasting Daily COVID-19 Related Calls in VA Health Care System: Predictive Model Development [1.1011268090482575]
本研究は,110カ所の医療センターに対して,毎日の新型コロナウイルス関連コール数を予測する手法を開発することを目的とする。提案手法では,医療センターの集合体を用いてモデルを事前訓練し,個別の医療センター向けに微調整した。
論文参考訳（メタデータ） (2021-11-27T20:36:08Z)
Rapid COVID-19 Risk Screening by Eye-region Manifestations [64.6260390977642]
新型コロナウイルス(COVID-19)の患者には、臨床的な証拠として、より多くの眼症状が報告されている。そこで本研究では,共通CCDおよびCMOSカメラで撮像された眼領域画像の高速スクリーニング手法を提案する。我々の新型コロナウイルスの急激な事前スクリーニングモデルは、コストが低く、完全自己パフォーマンスで、非侵襲的で、重要なリアルタイム性を持つため、継続的な健康監視を可能にします。
論文参考訳（メタデータ） (2021-06-12T01:56:10Z)
COUnty aggRegation mixup AuGmEntation (COURAGE) COVID-19 Prediction [29.919578191688274]
本稿では,米国各郡における2週間の新型コロナウイルス関連死亡の短期予測を行うCOURAGEという手法を提案する。本モデルでは, 新型コロナウイルス関連症例, 死亡状況, 地域移動傾向, 人口統計情報の公開情報を完全に活用し, 対応する郡レベルの予測の集約として, 州レベルの予測を作成できる。
論文参考訳（メタデータ） (2021-05-03T04:00:59Z)
End-2-End COVID-19 Detection from Breath & Cough Audio [68.41471917650571]
クラウドソースのオーディオサンプルからエンドツーエンドのディープラーニングを使用してCOVID-19を診断する最初の試みを実証します。本研究では, 人工深層ニューラルネットワークを用いて, 人工呼吸器から新型コロナを診断する新しいモデル戦略を提案する。
論文参考訳（メタデータ） (2021-01-07T01:13:00Z)
Deep Learning Models for Early Detection and Prediction of the spread of Novel Coronavirus (COVID-19) [4.213555705835109]
SARS-CoV2は世界的な普及を続けており、パンデミックとなっている。新型コロナウイルスの感染拡大を予測するために、機械学習技術を開発する必要がある。
論文参考訳（メタデータ） (2020-07-29T10:14:11Z)
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)
COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文参考訳（メタデータ） (2020-04-30T03:13:40Z)
A machine learning methodology for real-time forecasting of the 2019-2020 COVID-19 outbreak using Internet searches, news alerts, and estimates from mechanistic models [53.900779250589814]
提案手法は,2日前の安定かつ正確な予測を行うことができる。我々のモデルでは,中国32州中27州において,ベースラインモデルよりも予測力が優れています。
論文参考訳（メタデータ） (2020-04-08T14:39:32Z)

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。