論文の概要: The impact of spatio-temporal travel distance on epidemics using an
interpretable attention-based sequence-to-sequence model
- arxiv url: http://arxiv.org/abs/2206.02536v2
- Date: Sun, 12 Nov 2023 15:12:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-14 23:07:50.748535
- Title: The impact of spatio-temporal travel distance on epidemics using an
interpretable attention-based sequence-to-sequence model
- Title（参考訳）: 解釈型注意に基づくシーケンス・ツー・シーケンスモデルを用いた時空間移動距離の流行への影響
- Authors: Yukang Jiang, Ting Tian, Huajun Xie, Hailiang Guo, Xueqin Wang
- Abstract要約: 距離の異なる旅行者の数量と、新型コロナウイルス(COVID-19)の軌跡との間には、強い関係がある。
異なる移動距離における人口移動の地理的変動が流行のダイナミクスに与える影響を明らかにする。
- 参考スコア（独自算出の注目度）: 2.203043417301343
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Amidst the COVID-19 pandemic, travel restrictions have emerged as crucial
interventions for mitigating the spread of the virus. In this study, we enhance
the predictive capabilities of our model, Sequence-to-Sequence Epidemic
Attention Network (S2SEA-Net), by incorporating an attention module, allowing
us to assess the impact of distinct classes of travel distances on epidemic
dynamics. Furthermore, our model provides forecasts for new confirmed cases and
deaths. To achieve this, we leverage daily data on population movement across
various travel distance categories, coupled with county-level epidemic data in
the United States. Our findings illuminate a compelling relationship between
the volume of travelers at different distance ranges and the trajectories of
COVID-19. Notably, a discernible spatial pattern emerges with respect to these
travel distance categories on a national scale. We unveil the geographical
variations in the influence of population movement at different travel
distances on the dynamics of epidemic spread. This will contribute to the
formulation of strategies for future epidemic prevention and public health
policies.
- Abstract（参考訳）: 新型コロナウイルスの感染拡大を緩和するための重要な介入として、旅行制限が浮上している。
本研究では,我々のモデルであるs2sea-net (sequence-to-sequence epidemic attention network) の予測能力を,アテンションモジュールを組み込むことにより向上し,各階層の移動距離が流行のダイナミクスに与える影響を評価する。
さらに,本モデルでは新たな症例や死亡の予測を行う。
これを実現するために、アメリカ合衆国における郡レベルの流行データと合わせて、様々な旅行距離カテゴリーにおける人口移動の日次データを活用する。
距離の異なる旅行者の数量と、COVID-19の軌跡との間には、強い関係があることが判明した。
特に、これらの旅行距離カテゴリーに関して、国家規模で識別可能な空間パターンが出現する。
異なる移動距離における人口移動の地理的変化が流行のダイナミクスに及ぼす影響を明らかにする。
これは、将来の疫病予防と公衆衛生政策のための戦略の定式化に寄与する。
関連論文リスト
- 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) - 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) - 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。