論文の概要: COVIDHunter: COVID-19 pandemic wave prediction and mitigation via
seasonality-aware modeling
- arxiv url: http://arxiv.org/abs/2206.06692v1
- Date: Tue, 14 Jun 2022 08:48:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-16 00:24:51.837433
- Title: COVIDHunter: COVID-19 pandemic wave prediction and mitigation via
seasonality-aware modeling
- Title（参考訳）: covidhunter:covid-19パンデミック波の予測と季節性認識モデルによる緩和
- Authors: Mohammed Alser, Jeremie S. Kim, Nour Almadhoun Alserr, Stefan W. Tell,
Onur Mutlu
- Abstract要約: 我々は、柔軟で正確な新型コロナウイルス感染シミュレーションモデルであるCOVIDHunterを紹介した。
新型コロナウイルスによる毎日の感染者数、入院数、死亡数を予測する。
ケーススタディでは、2022年1月26日にピークとなる、致命的な新しい波を経験していると見積もられています。
- 参考スコア（独自算出の注目度）: 11.423326973456437
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Early detection and isolation of COVID-19 patients are essential for
successful implementation of mitigation strategies and eventually curbing the
disease spread. With a limited number of daily COVID-19 tests performed in
every country, simulating the COVID-19 spread along with the potential effect
of each mitigation strategy currently remains one of the most effective ways in
managing the healthcare system and guiding policy-makers. We introduce
COVIDHunter, a flexible and accurate COVID-19 outbreak simulation model that
evaluates the current mitigation measures that are applied to a region,
predicts COVID-19 statistics (the daily number of cases, hospitalizations, and
deaths), and provides suggestions on what strength the upcoming mitigation
measure should be. The key idea of COVIDHunter is to quantify the spread of
COVID-19 in a geographical region by simulating the average number of new
infections caused by an infected person considering the effect of external
factors, such as environmental conditions (e.g., climate, temperature,
humidity), different variants of concern, vaccination rate, and mitigation
measures. Using Switzerland as a case study, COVIDHunter estimates that we are
experiencing a deadly new wave that will peak on 26 January 2022, which is very
similar in numbers to the wave we had in February 2020. The policy-makers have
only one choice that is to increase the strength of the currently applied
mitigation measures for 30 days. Unlike existing models, the COVIDHunter model
accurately monitors and predicts the daily number of cases, hospitalizations,
and deaths due to COVID-19. Our model is flexible to configure and simple to
modify for modeling different scenarios under different environmental
conditions and mitigation measures. We release the source code of the
COVIDHunter implementation at https://github.com/CMU-SAFARI/COVIDHunter.
- Abstract（参考訳）: 新型コロナウイルス患者の早期発見と隔離は、緩和戦略の実施を成功させ、最終的には感染拡大を抑制するために不可欠である。
新型コロナウイルス(COVID-19)の1日当たりの検査は全国で限られているため、新型コロナウイルスの感染拡大をシミュレートし、各緩和戦略の潜在的な影響とともに、現在でも医療システムや政策立案者の指導において最も効果的な方法の1つとなっている。
我々は、地域に適用される現在の緩和対策を評価するフレキシブルで正確な新型コロナウイルス流行シミュレーションモデルであるCOVIDHunterを紹介し、COVID-19統計(毎日の感染者数、入院数、死亡数)を予測し、今後の緩和対策の強さについて提案する。
COVIDHunterの鍵となる考え方は、環境条件(気候、温度、湿度など)、異なる種類の懸念、ワクチン接種率、緩和措置などの外部要因の影響を考慮して、感染者が引き起こす新規感染症の平均数をシミュレートすることで、地理的領域における新型コロナウイルスの拡散を定量化することである。
ケーススタディとしてスイスを使用することで、covid-19hunterは2022年1月26日にピークを迎える致命的な新たな波を経験していると推定している。
政策立案者は、現在適用されている緩和策の強度を30日間引き上げる1つの選択肢しか持たない。
既存のモデルとは異なり、COVIDHunterモデルは、COVID-19による日数、入院、死亡を正確にモニターし、予測する。
本モデルは,環境条件や緩和対策の異なるシナリオをモデル化するための構成や変更が容易である。
COVIDHunter実装のソースコードはhttps://github.com/CMU-SAFARI/COVIDHunter.comで公開しています。
関連論文リスト
- Forecasting COVID- 19 cases using Statistical Models and Ontology-based
Semantic Modelling: A real time data analytics approach [1.8008011356310047]
本研究では,SARIMA や FBProphet などの統計時系列モデルを用いて,COVID-19 の日常的,回復的,死亡例を正確にモニタリングする予測モデルを開発した。
COVID-19 Ontologyを開発し、設計したOntology上でSPARQLクエリを使用してさまざまなクエリを実行する。
個別の症例予測では、約497件のサンプルが検査され、5種類の新型コロナウイルスクラスに分類されている。
論文 参考訳（メタデータ） (2022-06-06T11:58:11Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳（メタデータ） (2021-05-06T15:24:00Z) - 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) - COVIDHunter: An Accurate, Flexible, and Environment-Aware Open-Source
COVID-19 Outbreak Simulation Model [9.360259141835721]
新型コロナウイルス感染者の早期発見と隔離は、緩和戦略の実施に不可欠である。
我々は、柔軟で正確な新型コロナウイルス感染シミュレーションモデルであるCOVIDHunterを紹介した。
新型コロナウイルス(COVIDHunter)は、スイスをケーススタディとして、政策立案者は現在の緩和措置を少なくとも30日間維持する必要があると見積もっている。
論文 参考訳（メタデータ） (2021-02-06T21:01:56Z) - 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) - 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) - 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) - Deep Learning Models for Early Detection and Prediction of the spread of
Novel Coronavirus (COVID-19) [4.213555705835109]
SARS-CoV2は世界的な普及を続けており、パンデミックとなっている。
新型コロナウイルスの感染拡大を予測するために、機械学習技術を開発する必要がある。
論文 参考訳（メタデータ） (2020-07-29T10:14:11Z) - Forecasting Brazilian and American COVID-19 cases based on artificial
intelligence coupled with climatic exogenous variables [3.0711362702464675]
世界保健機関(WHO)によると、新型コロナウイルス(COVID-19)は2020年6月10日までの公衆衛生上の問題である。
現在のシナリオでは、ブラジルと米国は毎日、新しいケースや死亡の頻度が高い。
新型コロナウイルス(COVID-19)対策の戦略的計画を立てる上では、今後1週間の時間枠で新規感染者数を予測することが重要である。
論文 参考訳（メタデータ） (2020-07-21T17:58:11Z) - 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) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z)
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。