論文の概要: Interpretable travel distance on the county-wise COVID-19 by sequence to
sequence with attention
- arxiv url: http://arxiv.org/abs/2206.02536v1
- Date: Thu, 26 May 2022 08:24:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-12 09:36:04.285154
- Title: Interpretable travel distance on the county-wise COVID-19 by sequence to
sequence with attention
- Title（参考訳）: 注意を伴う配列順による郡別covid-19の解釈可能な移動距離
- Authors: Ting Tian, Yukang Jiang, Huajun Xie, Xueqin Wang, Hailiang Guo
- Abstract要約: 本稿では,旅行距離の異なるクラスの効果を評価するために,シークエンシングモデルにアテンションモジュールを導入する。
新たに確認されたケースと死亡件は、全米3158郡で報告されている。
全国各地の旅行距離の空間パターンがある。
- 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: Background: Travel restrictions as a means of intervention in the COVID-19
epidemic have reduced the spread of outbreaks using epidemiological models. We
introduce the attention module in the sequencing model to assess the effects of
the different classes of travel distances.
Objective: To establish a direct relationship between the number of travelers
for various travel distances and the COVID-19 trajectories. To improve the
prediction performance of sequencing model.
Setting: Counties from all over the United States.
Participants: New confirmed cases and deaths have been reported in 3158
counties across the United States.
Measurements: Outcomes included new confirmed cases and deaths in the 30 days
preceding November 13, 2021. The daily number of trips taken by the population
for various classes of travel distances and the geographical information of
infected counties are assessed.
Results: There is a spatial pattern of various classes of travel distances
across the country. The varying geographical effects of the number of people
travelling for different distances on the epidemic spread are demonstrated.
Limitation: We examined data up to November 13, 2021, and the weights of each
class of travel distances may change accordingly as the data evolves.
Conclusion: Given the weights of people taking trips for various classes of
travel distances, the epidemics could be mitigated by reducing the
corresponding class of travellers.
- Abstract（参考訳）: 背景: 新型コロナウイルスの感染拡大への介入手段としての旅行制限は、疫学モデルによる感染拡大を減らした。
移動距離の異なるクラスの影響を評価するために,シークエンシングモデルにおけるアテンションモジュールを導入する。
目的:様々な旅行距離の旅行者数と新型コロナウイルストラジェクトリーとの直接的な関係を確立すること。
シーケンシングモデルの予測性能を向上させる。
郡 (county) - アメリカ合衆国の郡。
参加者: 米国中の3158郡で新たに確認された症例と死亡が報告されている。
測定結果:2021年11月13日以前の30日間に新たに確認された症例と死亡例が含まれていた。
人口が旅行距離の異なるクラスで毎日取る旅行回数と、感染した郡の地理的情報を評価した。
結果: 全国各地の様々な移動距離の空間パターンが存在する。
異なる距離を移動している人々の地理的影響が感染拡大に与える影響を実証した。
限界:2021年11月13日までのデータについて検討し,データの発展に伴って各旅行距離の重みが変化する可能性があることを示した。
結語:旅行距離の様々なクラスに旅行する人々の重みを考えると、対応する旅行者数を減らして疫病を緩和できる。
関連論文リスト
- Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳（メタデータ） (2024-07-28T02:42:36Z) - Event Detection from Social Media for Epidemic Prediction [76.90779562626541]
ソーシャルメディア投稿から疫病関連事象を抽出・分析する枠組みを構築した。
実験では、新型コロナウイルスベースのSPEEDで訓練されたEDモデルが、3つの目に見えない流行の流行を効果的に検出する方法が明らかにされている。
モンキーポックスのWHO流行宣言より4～9週間早く,抽出した事象の報告が急激な増加を示すことを示す。
論文 参考訳（メタデータ） (2024-04-02T06:31:17Z) - Impact of Indoor Mobility Behavior on the Respiratory Infectious
Diseases Transmission Trends [26.806334364100074]
呼吸器感染症の伝染動態における室内人体移動の重要性が認識されている。
本研究は, 一般シナリオにおける人々の移動行動について考察し, 群集行動, 空間的側面, 停止行動, 時間的側面の2つのカテゴリにまとめる。
本研究では,これらの移動行動が伝染病伝播に与える影響について検討した。
論文 参考訳（メタデータ） (2023-11-29T02:16:06Z) - 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) - Policy-Aware Mobility Model Explains the Growth of COVID-19 in Cities [36.94575237918065]
新型コロナウイルスの感染拡大を遅らせるためには、非医薬品の介入を考慮する必要がある。
都市内モビリティと政策導入を新しいメタポピュレーションSEIRモデルに組み込むことで、米国の都市における複雑なCOVID-19成長パターンを正確に予測できることを示す。
論文 参考訳（メタデータ） (2021-02-21T07:39:17Z) - 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) - Inter-Series Attention Model for COVID-19 Forecasting [23.58411106491221]
我々は、複数の領域から得られた時系列のパターンを比較して予測を行う、Attention Crossing Time Series (textbfACTS)と呼ばれる新しいニューラル予測モデルを開発した。
新たに確認された症例、入院、死亡の予測を含む18件中13件の検査のうち、textbfACTSはCDCが強調した主要な新型コロナウイルス(COVID-19)の予測を上回っている。
論文 参考訳（メタデータ） (2020-10-25T00:11:49Z) - 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) - 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) - Learning to Forecast and Forecasting to Learn from the COVID-19 Pandemic [10.796851110372593]
疫病モデルのためのヒトの移動性を考慮した異種感染率モデルを提案する。
モデルを線形化し、重み付けされた最小二乗を用いることで、我々のモデルは変化傾向に迅速に適応できる。
疫病の初期には、旅行データを用いて予測が増加することが示されている。
論文 参考訳（メタデータ） (2020-04-23T07:25:46Z)
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。