論文の概要: Impact of initial outbreak locations on transmission risk of infectious
diseases in an intra-urban area
- arxiv url: http://arxiv.org/abs/2204.10752v1
- Date: Wed, 23 Mar 2022 08:21:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 16:24:52.270911
- Title: Impact of initial outbreak locations on transmission risk of infectious
diseases in an intra-urban area
- Title（参考訳）: 都市域内感染症の感染リスクに及ぼす初期発生場所の影響
- Authors: Kang Liu, Ling Yin, Jianzhang Xue
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.738791349182193
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Infectious diseases usually originate from a specific location within a city.
Due to the heterogenous distribution of population and public facilities, and
the structural heterogeneity of human mobility network embedded in space,
infectious diseases break out at different locations would cause different
transmission risk and control difficulty. This study aims to investigate the
impact of initial outbreak locations on the risk of spatiotemporal transmission
and reveal the driving force behind high-risk outbreak locations. First,
integrating mobile phone location data, we built a SLIR
(susceptible-latent-infectious-removed)-based meta-population model to simulate
the spreading process of an infectious disease (i.e., COVID-19) across
fine-grained intra-urban regions (i.e., 649 communities of Shenzhen City,
China). Based on the simulation model, we evaluated the transmission risk
caused by different initial outbreak locations by proposing three indexes
including the number of infected cases (CaseNum), the number of affected
regions (RegionNum), and the spatial diffusion range (SpatialRange). Finally,
we investigated the contribution of different influential factors to the
transmission risk via machine learning models. Results indicates that different
initial outbreak locations would cause similar CaseNum but different RegionNum
and SpatialRange. To avoid the epidemic spread quickly to more regions, it is
necessary to prevent epidemic breaking out in locations with high
population-mobility flow density. While to avoid epidemic spread to larger
spatial range, remote regions with long daily trip distance of residents need
attention. Those findings can help understand the transmission risk and driving
force of initial outbreak locations within cities and make precise prevention
and control strategies in advance.
- Abstract（参考訳）: 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分布と、宇宙に埋め込まれた人間の移動ネットワークの構造的不均一性により、異なる場所で伝染病が発生すれば、伝染リスクと制御の困難さが異なる。
本研究の目的は,初期発生場所が時空間伝達のリスクに及ぼす影響を調査し,高リスク発生場所の背後にある駆動力を明らかにすることである。
まず、携帯電話の位置データを統合してSLIR(susceptible-latent-infectious-infected-demoved)ベースのメタポピュレーションモデルを構築し、詳細な都市部(中国深セン市649のコミュニティ)にわたる感染症(COVID-19)の拡散過程をシミュレートした。
シミュレーションモデルに基づき,感染例数(症例数),感染地域数(地域数),空間拡散範囲(空間範囲)の3つの指標を提案し,感染初期発生部位の違いによる感染リスクを評価した。
最後に,機械学習モデルによる伝達リスクに対する異なる要因の寄与について検討した。
その結果,初期発生場所が異なるケースナムを引き起こすが,地域と空間範囲が異なることが明らかとなった。
感染が急速に拡大するのを避けるためには,人口移動フロー密度の高い地域での流行を防止する必要がある。
疫病がより広い空間範囲に広がるのを避けるため、住民の日常生活距離が長い遠隔地は注意が必要である。
これらの発見は、都市内の最初の発生場所の伝染リスクと運転力を理解し、事前に正確な予防と制御戦略を立てるのに役立つ。
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) - Predictors of disease outbreaks at continentalscale in the African region: Insights and predictions with geospatial artificial intelligence using earth observations and routine disease surveillance data [0.0]
この研究はアフリカ大陸の大部分(約17,885,000 km2)をカバーしている。
マラリア,コレラ,髄膜炎,黄熱病の症例数について,まずグローバルおよび局所的自己相関法を適用した。
次に、機械学習を用いて、第2級行政区におけるこれらの疾患の週次存在を予測した。
論文 参考訳（メタデータ） (2024-11-10T11:43:51Z) - 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) - EpiGNN: Exploring Spatial Transmission with Graph Neural Network for
Regional Epidemic Forecasting [16.543085296174496]
EpiGNNは、流行予測のためのグラフニューラルネットワークベースのモデルである。
本研究では,送信リスク,地理的依存関係,時間的情報を考慮した地域意識グラフ(RAGL)を開発した。
EpiGNNはRMSEにおいて最先端のベースラインを9.48%上回っている。
論文 参考訳（メタデータ） (2022-08-23T14:29:04Z) - Impact of Network Centrality and Income on Slowing Infection Spread
after Outbreaks [1.1470070927586016]
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。
論文 参考訳（メタデータ） (2022-02-08T15:02:43Z) - C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods
Ahead of COVID-19 Outbreak [54.39837683016444]
C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。
C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。
新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
論文 参考訳（メタデータ） (2020-12-22T17:02:54Z) - Ensemble Forecasting of the Zika Space-TimeSpread with Topological Data
Analysis [13.838100337224075]
ジカウイルスは、主にAedes aegyptiとAedes albopictusの蚊に噛まれて伝染する。
その結果、ジカウイルス感染の頻度は、降水量、高温、人口密度の高い地域では一般的である。
累積ベティ数の概念を導入し,その累積ベティ数をトポロジカル記述子として3つの機械学習モデルに統合する。
論文 参考訳（メタデータ） (2020-09-24T16:42:19Z) - 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) - 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) - 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)
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。