論文の概要: VacciNet: Towards a Smart Framework for Learning the Distribution Chain
Optimization of Vaccines for a Pandemic
- arxiv url: http://arxiv.org/abs/2208.01112v1
- Date: Mon, 1 Aug 2022 19:37:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-03 12:56:00.171746
- Title: VacciNet: Towards a Smart Framework for Learning the Distribution Chain
Optimization of Vaccines for a Pandemic
- Title（参考訳）: vaccinet: パンデミックワクチンの流通連鎖最適化を学ぶためのスマートな枠組みを目指して
- Authors: Jayeeta Mondal, Jeet Dutta, Hrishav Bakul Barua
- Abstract要約: 我々は、VacciNetと呼ぶ、教師付き学習と強化学習(RL)を活用する新しいフレームワークを提唱した。
RLは、国の州におけるワクチン接種需要を予測し、また、調達と供給の最小コストのために、州における最適なワクチン割り当てを提案することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vaccinations against viruses have always been the need of the hour since long
past. However, it is hard to efficiently distribute the vaccines (on time) to
all the corners of a country, especially during a pandemic. Considering the
vastness of the population, diversified communities, and demands of a smart
society, it is an important task to optimize the vaccine distribution strategy
in any country/state effectively. Although there is a profusion of data (Big
Data) from various vaccine administration sites that can be mined to gain
valuable insights about mass vaccination drives, very few attempts has been
made towards revolutionizing the traditional mass vaccination campaigns to
mitigate the socio-economic crises of pandemic afflicted countries. In this
paper, we bridge this gap in studies and experimentation. We collect daily
vaccination data which is publicly available and carefully analyze it to
generate meaning-full insights and predictions. We put forward a novel
framework leveraging Supervised Learning and Reinforcement Learning (RL) which
we call VacciNet, that is capable of learning to predict the demand of
vaccination in a state of a country as well as suggest optimal vaccine
allocation in the state for minimum cost of procurement and supply. At the
present, our framework is trained and tested with vaccination data of the USA.
- Abstract（参考訳）: ウイルスに対するワクチンは、昔から常に時間を必要としてきた。
しかし、特にパンデミックの間、ワクチンを国中の隅々に(時間通りに)効果的に配布することは困難である。
人口の多さ、地域社会の多様化、スマート社会の要求を考えると、どの国・国家においてもワクチン流通戦略を効果的に最適化することが重要である。
様々なワクチン管理現場から収集されたデータ(ビッグデータ)が大量予防接種活動に関する貴重な洞察を得るために収集されているが、パンデミックに苦しむ国々の社会経済的危機を緩和するために、従来の大量予防接種キャンペーンに革命をもたらす試みはごくわずかである。
本稿では,研究と実験におけるこのギャップを橋渡しする。
毎日のワクチン接種データを収集し、それを慎重に分析し、完全な洞察と予測を生成する。
我々は,予防接種需要を予測できるVacciNet(VacciNet)と呼ばれる,監視学習・強化学習(RL)を活用した新たな枠組みを提案し,調達・供給の最小コストで国家に最適なワクチン割り当てを提案する。
現在,本フレームワークは米国における予防接種データを用いて訓練・試験されている。
関連論文リスト
- Modeling the amplification of epidemic spread by misinformed populations [43.389128992784045]
本研究では、大規模で移動性に富んだ物理的接触ネットワークと、郡全体にわたる誤情報による個人分布を組み込んだ疫病モデルを提案する。
本モデルでは,誤報が感染拡大に与える影響を理解するために,様々なシナリオをシミュレートし,推定することができる。
このモデルを用いて、最悪のシナリオでは、誤報が米国内で4700万件のCOVID-19感染を引き起こした可能性があると推定する。
論文 参考訳（メタデータ） (2024-02-17T18:01:43Z) - Accurate Measures of Vaccination and Concerns of Vaccine Holdouts from
Web Search Logs [31.231365080959247]
大規模検索エンジンのログと機械学習がワクチンデータのギャップを埋めるためにどのように活用できるかを示す。
我々は、ユーザーが検索で新型コロナウイルスワクチンをいつ探しているのかを正確に検出できるワクチン意図分類器を開発した。
分類器を用いて、ワクチンアーリーアダプターとワクチンホールドアウトの2つのグループを識別する。
論文 参考訳（メタデータ） (2023-06-12T23:19:55Z) - Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top
exploration [53.122045119395594]
マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。
$m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。
ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
論文 参考訳（メタデータ） (2023-01-30T12:22:30Z) - VaxxHesitancy: A Dataset for Studying Hesitancy towards COVID-19
Vaccination on Twitter [6.061534265076204]
新型コロナウイルス(COVID-19)ワクチン接種に対するユーザの態度を示す3,101件以上のツイートの新たなコレクションを作成します。
私たちの知る限りでは、ワクチンのヘシタシーを、予防的および抗ワクチン的スタンスとは異なるカテゴリとしてモデル化する最初のデータセットとモデルです。
論文 参考訳（メタデータ） (2023-01-17T02:00:31Z) - Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-12-16T13:57:41Z) - Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy
among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。
医師は新型ワクチンよりもワクチンの有効性を懸念している。
看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文 参考訳（メタデータ） (2022-09-11T14:22:16Z) - A feasibility study proposal of the predictive model to enable the
prediction of population susceptibility to COVID-19 by analysis of vaccine
utilization for advising deployment of a booster dose [0.0]
SARS-CoV-2 B1.1.529株またはOmicron株が世界中に分布する。
間もなく終わらないことや、より伝染的で有害な変種が現れるまで、時間との戦いになることを懸念する。
ウイルスの増殖を防ぐ最も有望なアプローチの1つは、持続的な高予防接種効果を維持することである。
論文 参考訳（メタデータ） (2022-04-25T16:05:59Z) - Sentiment Analysis and Topic Modeling for COVID-19 Vaccine Discussions [10.194753795363667]
われわれは、Twitter上で新型コロナウイルスに関するツイートを詳細に分析する。
その結果、大多数の人はワクチンの有効性に自信を持ち、ワクチン接種を希望していることがわかった。
否定的なツイートは、しばしばワクチン不足の苦情、注射後の副作用、ワクチン接種後の死亡の可能性と関連付けられている。
論文 参考訳（メタデータ） (2021-10-08T23:30:17Z) - Vaccine allocation policy optimization and budget sharing mechanism
using Thompson sampling [0.0]
被受容集団の規模を最小化することを目的とした意思決定エージェントの視点を考察する。
我々はトンプソンサンプリングに基づく最適化政策を提案し、平均ワクチン効率を経時的に学習する。
固定的な世界的ワクチン割当予算の下では、ほとんどの国が感染や死亡の数を削減できることが示される。
論文 参考訳（メタデータ） (2021-09-21T07:22:03Z) - 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) - Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。
予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。
これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
論文 参考訳（メタデータ） (2020-03-26T13:55:50Z)
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。