Fugu-MT 論文翻訳(概要): On the intrinsic dimensionality of Covid-19 data: a global perspective

論文の概要: On the intrinsic dimensionality of Covid-19 data: a global perspective

arxiv url: http://arxiv.org/abs/2203.04165v1
Date: Tue, 8 Mar 2022 15:52:26 GMT
ステータス: 処理完了
システム内更新日: 2022-03-09 15:43:21.838589
Title: On the intrinsic dimensionality of Covid-19 data: a global perspective
Title（参考訳）: Covid-19データの内在的次元性について:大域的視点
Authors: Abhishek Varghese, Edgar Santos-Fernandez, Francesco Denti, Antonietta Mira, Kerrie Mengersen
Abstract要約: 本稿は,コビッド19の患者数,死亡数,OxCGRT Covid-19 Stringency Indexの関係をグローバルに把握することを目的としている。
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: This paper aims to develop a global perspective of the complexity of the relationship between the standardised per-capita growth rate of Covid-19 cases, deaths, and the OxCGRT Covid-19 Stringency Index, a measure describing a country's stringency of lockdown policies. To achieve our goal, we use a heterogeneous intrinsic dimension estimator implemented as a Bayesian mixture model, called Hidalgo. We identify that the Covid-19 dataset may project onto two low-dimensional manifolds without significant information loss. The low dimensionality suggests strong dependency among the standardised growth rates of cases and deaths per capita and the OxCGRT Covid-19 Stringency Index for a country over 2020-2021. Given the low dimensional structure, it may be feasible to model observable Covid-19 dynamics with few parameters. Importantly, we identify spatial autocorrelation in the intrinsic dimension distribution worldwide. Moreover, we highlight that high-income countries are more likely to lie on low-dimensional manifolds, likely arising from aging populations, comorbidities, and increased per capita mortality burden from Covid-19. Finally, we temporally stratify the dataset to examine the intrinsic dimension at a more granular level throughout the Covid-19 pandemic.
Abstract（参考訳）: 本稿では,全国のロックダウン政策の厳格性を示す指標である,Covid-19の患者数,死亡数,OxCGRT Covid-19 Stringency Indexとの関連性に関する国際的視点を構築することを目的とする。目的を達成するために,ヒダルゴと呼ばれるベイズ混合モデルとして実装された異種固有次元推定器を用いる。我々は、Covid-19データセットが2つの低次元多様体に射影し、重要な情報損失を伴わないことを示す。この低次元性は、2020-2021年までに国民一人当たりのケースと死亡率の標準化された増加率とOxCGRT Covid-19 Stringency Indexに強い依存があることを示唆している。低次元構造を考えると、わずかなパラメータで観測可能なコビッド-19力学をモデル化することは可能かもしれない。重要視されるのは, 世界中の内在次元分布における空間自己相関である。さらに、高所得国は、高齢化や、コビッド19による一人当たりの死亡率の増大などにより、低次元の多様体に横たわる傾向が強いことを強調した。最後に,データセットを時間的に階層化し,新型コロナウイルスのパンデミック全体を通じて,本質的な次元をより細かいレベルで検討する。

関連論文リスト

COVIDx CXR-4: An Expanded Multi-Institutional Open-Source Benchmark Dataset for Chest X-ray Image-Based Computer-Aided COVID-19 Diagnostics [79.90346960083775]
我々は,胸部X線画像を用いたコンピュータ支援型COVID-19診断のための,多施設のオープンソースベンチマークデータセットであるCOVIDx CXR-4を紹介する。 COVIDx CXR-4は、患者の総コホートサイズを2.66倍に増やすことで、前回のCOVIDx CXR-3データセットで大幅に拡大する。患者人口、画像メタデータ、および疾患分布の多様性について広範な分析を行い、潜在的なデータセットバイアスを明らかにする。
論文参考訳（メタデータ） (2023-11-29T14:40:31Z)
Human Mobility Modeling During the COVID-19 Pandemic via Deep Graph Diffusion Infomax [40.18153418511126]
非薬剤干渉(NPI)は、人の接触を減らすことで、新型コロナウイルスの感染を遅らせる効果を示した。本研究は、モビリティモデリングに焦点を当て、新型コロナウイルスの患者が訪れる場所を予測することを目的としている。本稿では,DGDI (Deep Graph Diffusion Infomax) というモデルを提案する。
論文参考訳（メタデータ） (2022-12-12T05:15:47Z)
Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
論文参考訳（メタデータ） (2021-05-31T19:28:17Z)
From SIR to SEAIRD: a novel data-driven modeling approach based on the Grey-box System Theory to predict the dynamics of COVID-19 [6.131772929312605]
新型コロナウイルスの一般的なコンパートメンタルモデリングは、事前知識と多くの仮定に基づいている。本研究の目的は、グレーボックスシステム理論やグレーボックス識別の強みを活用して、データ駆動型アプローチのためのフレームワークを提供することである。感染者数はブラジルとフランスで10万人当たり3人だった。
論文参考訳（メタデータ） (2021-05-29T21:25:09Z)
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)
Exploiting Shared Knowledge from Non-COVID Lesions for Annotation-Efficient COVID-19 CT Lung Infection Segmentation [10.667692828593125]
新型コロナウイルスの肺感染分画における相関駆動型協調学習モデルを提案する。我々は、抽出された特徴間の関係の整合性を調整するために、COVIDと非COVIDの病変間の共通知識を利用する。本手法は,高品質なアノテーションが不足している既存手法と比較して,高いセグメンテーション性能を実現する。
論文参考訳（メタデータ） (2020-12-31T11:40:29Z)
Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
論文参考訳（メタデータ） (2020-10-10T19:33:53Z)
COVID-19 Pandemic Outbreak in the Subcontinent: A data-driven analysis [0.8057708414390126]
2019年12月下旬、中国湖北省武漢市で新型コロナウイルス(COVID-19)が流行した。多くの研究が、この亜大陸は新型コロナウイルスの影響で最悪の地域にとどまる可能性があると主張している。本稿ではバングラデシュ、インド、パキスタンの公開疫学データを用いて再生数を推定する。
論文参考訳（メタデータ） (2020-08-22T10:40:17Z)
CO-Search: COVID-19 Information Retrieval with Semantic Search, Question Answering, and Abstractive Summarization [53.67205506042232]
CO-Searchは、新型コロナウイルスの文献上の複雑なクエリを処理するように設計された、レトリバーランサーセマンティック検索エンジンである。ドメイン固有の比較的限られたデータセットを考慮し、文書の段落と引用の2部グラフを生成する。 TREC-COVID情報検索課題のデータに基づいて,本システムの評価を行った。
論文参考訳（メタデータ） (2020-06-17T01:32:48Z)
When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文参考訳（メタデータ） (2020-05-13T18:21:50Z)

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。