論文の概要: Epidemic Control Modeling using Parsimonious Models and Markov Decision Processes

• arxiv url: http://arxiv.org/abs/2206.13910v1
• Date: Thu, 23 Jun 2022 12:45:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-04 01:42:38.785875
• Title: Epidemic Control Modeling using Parsimonious Models and Markov Decision Processes
• Title（参考訳）: 識別モデルとマルコフ決定過程を用いた流行制御モデル
• Authors: Edilson F. Arruda, Tarun Sharma, Rodrigo e A. Alexandre, Sinnu Susan Thomas
• Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックの第2波は、ヒトの健康に害を与えやすいため、はるかに危険である。 本稿では,遅延時間分布や回復時間分布によらず,病原体の不確実な拡散をシミュレートする,同種の流行モデルを提案する。
• 参考スコア（独自算出の注目度）: 2.4149105714758545
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many countries have experienced at least two waves of the COVID-19 pandemic. The second wave is far more dangerous as distinct strains appear more harmful to human health, but it stems from the complacency about the first wave. This paper introduces a parsimonious yet representative stochastic epidemic model that simulates the uncertain spread of the disease regardless of the latency and recovery time distributions. We also propose a Markov decision process to seek an optimal trade-off between the usage of the healthcare system and the economic costs of an epidemic. We apply the model to COVID-19 data from New Delhi, India and simulate the epidemic spread with different policy review times. The results show that the optimal policy acts swiftly to curb the epidemic in the first wave, thus avoiding the collapse of the healthcare system and the future costs of posterior outbreaks. An analysis of the recent collapse of the healthcare system of India during the second COVID-19 wave suggests that many lives could have been preserved if swift mitigation was promoted after the first wave.
• Abstract（参考訳）: 多くの国が新型コロナウイルスのパンデミックの少なくとも2つの波を経験した。 第2の波は、人間の健康に有害に見えるため、はるかに危険であるが、第1の波に関する矛盾に起因する。 本稿では, 遅延や回復時間分布によらず, 病気の拡散をシミュレートする, 仮に代表的確率的流行モデルを提案する。 また,医療システムの利用と流行の経済コストとの間に最適なトレードオフを求めるためのマルコフ決定プロセスを提案する。 私たちはこのモデルをインドのニューデリーのcovid-19データに適用し、異なる政策レビュータイムで拡散する流行をシミュレートします。 その結果,第1波の流行抑制に最適な政策が迅速に作用し,医療システムの崩壊や後発感染の今後のコストを回避できた。 新型コロナウイルス(COVID-19)第2波によるインドの医療システムの崩壊を分析したところ、第1波の後に迅速な緩和が促進された場合、多くの命が保存された可能性があることが示唆された。

関連論文リスト

• 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)
• Study of COVID-19 epidemiological evolution in India with a multi-wave SIR model [0.0]
  新型コロナウイルス(COVID-19)の感染拡大による世界的なパンデミックは、2019年12月以来、世界中で2年以上にわたり悪化している。 本稿では,インドにおけるこのパンデミック波の特徴を説明するために,マルチウェーブSIRモデルの特性について検討した。
  論文  参考訳（メタデータ） (2022-02-10T09:18:50Z)
• Can Self Reported Symptoms Predict Daily COVID-19 Cases? [12.029443053416399]
  機械学習モデルを開発し、自己報告症状を用いてCOVID-19の流行を推定する。 その結果,グローバルモデルとは対照的に,局所モデルに対する誤差が低かった。 この研究は、オンラインプラットフォームを介して収集されたクラウドソースデータに基づいて開発されたモデルが、既存の疫学的監視インフラストラクチャを補完できることを示しています。
  論文  参考訳（メタデータ） (2021-05-18T07:26:09Z)
• 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)
• 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)
• 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)
• Projections for COVID-19 spread in India and its worst affected five states using the Modified SEIRD and LSTM models [3.0507203596180488]
  本論文は、インドにおける新型コロナウイルス感染を予測するための修正SEIRD(Susceptible-Exposed-Incovered-Recovered-Deceased)モデルを提案する。 修正SEIRDモデルから得られた投射もLSTMによる30日間の投射と比較した。 この論文で示された結果は、インドに広がる新型コロナウイルス(COVID-19)を抑えるための今後の政策決定のためのビーコンとして機能する。
  論文  参考訳（メタデータ） (2020-09-07T07:38:10Z)
• 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)
• A Deep Q-learning/genetic Algorithms Based Novel Methodology For Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
  我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。 報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。 どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
  論文  参考訳（メタデータ） (2020-05-15T17:17:45Z)
• A kinetic model for qualitative understanding and analysis of the effect of complete lockdown imposed by India for controlling the COVID-19 disease spread by the SARS-CoV-2 virus [0.0]
  現在進行中のSARS-CoV-2ウイルスによる世界的なパンデミックは、世界中に波及している。 インド連邦政府は翌日から全土が完全に封鎖されたという前例のない発表を行った。 本研究は、インド領の96%以上をカバーする運動モデルを用いて、この決定の意味を科学的に分析することを目的とする。
  論文  参考訳（メタデータ） (2020-04-12T19:34:12Z)

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。