論文の概要: Impact of Network Centrality and Income on Slowing Infection Spread after Outbreaks

• arxiv url: http://arxiv.org/abs/2202.03914v1
• Date: Tue, 8 Feb 2022 15:02:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 14:46:27.479098
• Title: Impact of Network Centrality and Income on Slowing Infection Spread after Outbreaks
• Title（参考訳）: ネットワーク中心性と収入がアウトブレイク後の感染拡大に及ぼす影響
• Authors: Shiv G. Y\"ucel, Rafael H. M. Pereira, Pedro S. Peixoto, Chico Q. Camargo
• Abstract要約: 感染の到着時刻が地理的にどのように変化するかを計算するための新しい手法を提案する。 ネットワークの集中度とロックダウン後の感染遅延との間には,収入に関係なく負の関係が生じることが判明した。 本稿では、移動ネットワークにおいて最も中心的な人々が直面している病気のリスクの新たな次元を同定し、定量化する。
• 参考スコア（独自算出の注目度）: 1.1470070927586016
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The COVID-19 pandemic has shed light on how the spread of infectious diseases worldwide are importantly shaped by both human mobility networks and socio-economic factors. Few studies, however, have examined the interaction of mobility networks with socio-spatial inequalities to understand the spread of infection. We introduce a novel methodology, called the Infection Delay Model, to calculate how the arrival time of an infection varies geographically, considering both effective distance-based metrics and differences in regions' capacity to isolate -- a feature associated with socioeconomic inequalities. To illustrate an application of the Infection Delay Model, this paper integrates household travel survey data with cell phone mobility data from the S\~ao Paulo metropolitan region to assess the effectiveness of lockdowns to slow the spread of COVID-19. Rather than operating under the assumption that the next pandemic will begin in the same region as the last, the model estimates infection delays under every possible outbreak scenario, allowing for generalizable insights into the effectiveness of interventions to delay a region's first case. The model sheds light on how the effectiveness of lockdowns to slow the spread of disease is influenced by the interaction of mobility networks and socio-economic levels. We find that a negative relationship emerges between network centrality and the infection delay after lockdown, irrespective of income. Furthermore, for regions across all income and centrality levels, outbreaks starting in less central locations were more effectively slowed by a lockdown. Using the Infection Delay Model, this paper identifies and quantifies a new dimension of disease risk faced by those most central in a mobility network.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、人の移動ネットワークと社会経済的要因の両方によって、世界中の感染症の拡散がいかに重要かを明らかにしている。 しかし、モビリティネットワークと社会空間的不等式との相互作用を調査して感染の広がりを理解する研究はほとんどない。 社会経済的不平等に関連する特徴である,効果的な距離ベースの指標と地域隔離能力の差を考慮し,感染の到着時刻が地理的にどう変化するかを計算する新しい手法である感染遅延モデルを提案する。 感染遅延モデルの適用例を示すため,本研究では,S-ao Paulo大都市圏の携帯電話移動データと家庭旅行調査データを統合して,新型コロナウイルス感染拡大を遅らせるためのロックダウンの有効性を評価する。 このモデルでは、次のパンデミックが前回と同じ地域で始まるという仮定のもとに行動する代わりに、アウトブレイクのシナリオごとに感染の遅れを推定し、地域の最初のケースを遅らせるための介入の有効性に関する一般的な洞察を提供する。 このモデルは、ロックダウンが病気の拡散を遅らせる効果が、モビリティネットワークと社会経済レベルの相互作用にどのように影響するかに光を当てている。 ネットワーク中心性とロックダウン後の感染遅延との間には,収入に関係なく負の関係が生じることがわかった。 さらに、すべての収入と中央のレベルにわたる地域では、中央の低い場所で発生するアウトブレイクはロックダウンによってより効果的に遅くなりました。 本稿では,感染遅延モデルを用いて,モビリティネットワークにおいて最も中心となる患者が直面する疾患リスクの新しい次元を特定し,定量化する。

関連論文リスト

• Epidemiology-informed Graph Neural Network for Heterogeneity-aware Epidemic Forecasting [46.63739322178277]
  最近の研究では、異種時相の流行パターンを抽出する際の時空間ニューラルネットワーク(STGNN)の強い可能性を示している。 HeatGNNは、疫学的にインフォームドされた場所を、時間とともに自分自身の伝達メカニズムを反映するさまざまな場所に埋め込むことを学ぶ。 HeatGNNは、HeatHeatのさまざまな強力なベースラインを異なるサイズで上回る。
  論文  参考訳（メタデータ） (2024-11-26T12:29:45Z)
• 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)
• Impact of initial outbreak locations on transmission risk of infectious diseases in an intra-urban area [4.738791349182193]
  感染性疾患は通常、市内の特定の場所に由来する。 人口と公共施設の異種性分布のため、感染症は異なる場所で発生し、感染リスクとコントロールの難しさが異なる。 本研究は,感染リスクに対する初期発生地の影響を調査し,高発生リスク地の背後にある駆動力を明らかにすることを目的とする。
  論文  参考訳（メタデータ） (2022-03-23T08:21:32Z)
• An Extended Epidemic Model on Interconnected Networks for COVID-19 to Explore the Epidemic Dynamics [2.89591830279936]
  パンデミックコントロールは、感染した個人の傾向や影響を捉える疫病モデルを必要とする。 多くのエキサイティングなモデルはこれを実装できるが、実践的な解釈性に欠ける。 本研究は疫学とネットワーク理論を融合し,因果解釈能力を持つ枠組みを提案する。
  論文  参考訳（メタデータ） (2021-04-10T06:46:01Z)
• 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)
• Steering a Historical Disease Forecasting Model Under a Pandemic: Case of Flu and COVID-19 [75.99038202534628]
  我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。 我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
  論文  参考訳（メタデータ） (2020-09-23T22:35:43Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• Physics-informed machine learning for the COVID-19 pandemic: Adherence to social distancing and short-term predictions for eight countries [0.0]
  2020年上半期の新型コロナウイルスは、ほとんどの国が社会的な距離を測ることで、より大きく、より少ない範囲に制限された。 本研究では,地域レベルでの感染データと,社会的距離の分散効果を示す1つの数字を直接リンクする。 両極端にあるのはギリシャであり、一方が最高に崩壊し、他方がアメリカであり、他方が事実上平らな「デカイ」であることがわかった。
  論文  参考訳（メタデータ） (2020-08-18T21:26:30Z)
• 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)
• Quantifying the Effects of Contact Tracing, Testing, and Containment Measures in the Presence of Infection Hotspots [18.227721607607183]
  複数の証拠は、一人が他の多くの人に感染するホットスポットが、新型コロナウイルスの感染動態において重要な役割を担っていることを強く示唆している。 個人が接触し、互いに感染するサイトへの訪問を具体的に表現する、時間的ポイントプロセスモデリングフレームワークを導入する。 我々のモデルでは、自然に感染した個体によって引き起こされる感染の数が過度に分散する。
  論文  参考訳（メタデータ） (2020-04-15T17:18:32Z)
• TDEFSI: Theory Guided Deep Learning Based Epidemic Forecasting with Synthetic Information [8.681583244827936]
  TDEFSIは低分解能時系列データを用いて正確な高分解能予測を行う。 我々は、シーズン内とシーズン間の両方の低分解能観測を行うために、2分岐リカレントニューラルネットワークモデルを訓練する。 予測は観測データによって駆動されるが、特定の都市部の複雑な社会的、人口統計学的、地理的属性をキャプチャする。
  論文  参考訳（メタデータ） (2020-01-28T20:51:49Z)

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。