論文の概要: Forecasting COVID-19 Case Counts Based on 2020 Ontario Data
- arxiv url: http://arxiv.org/abs/2303.10294v1
- Date: Sat, 18 Mar 2023 00:19:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-21 20:25:22.265853
- Title: Forecasting COVID-19 Case Counts Based on 2020 Ontario Data
- Title(参考訳): 2020年のオンタリオデータに基づく新型コロナ感染者数予測
- Authors: Daniel L. Silver, Rinda Digamarthi
- Abstract要約: 我々は,過去14日間の環境・移動データから1日当たりのCOVID-19感染者数を予測できる機械学習モデルを開発した。
本研究は,新型コロナウイルスなどのウイルスの感染に対する室内湿度の重要性を示唆するものである。
- 参考スコア(独自算出の注目度): 3.04585143845864
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective: To develop machine learning models that can predict the number of
COVID-19 cases per day given the last 14 days of environmental and mobility
data.
Approach: COVID-19 data from four counties around Toronto, Ontario, were
used. Data were prepared into daily records containing the number of new COVID
case counts, patient demographic data, outdoor weather variables, indoor
environment factors, and human movement based on cell mobility and public
health restrictions. This data was analyzed to determine the most important
variables and their interactions. Predictive models were developed using CNN
and LSTM deep neural network approaches. A 5-fold chronological
cross-validation approach used these methods to develop predictive models using
data from Mar 1 to Oct 14 2020, and test them on data covering Oct 15 to Dec 24
2020. Results: The best LSTM models forecasted tomorrow's daily COVID case
counts with 90.7% accuracy, and the 7-day rolling average COVID case counts
with 98.1% accuracy using independent test data. The best models to forecast
the next 7 days of daily COVID case counts did so with 79.4% accuracy over all
days. Models forecasting the 7-day rolling average case counts had a mean
accuracy of 83.6% on the same test set.
Conclusions: Our findings point to the importance of indoor humidity for the
transmission of a virus such as COVID-19. During the coldest portions of the
year, when humans spend greater amounts of time indoors or in vehicles, air
quality drops within buildings, most significantly indoor relative humidity
levels. Moderate to high indoor temperatures coupled with low IRH (below 20%)
create conditions where viral transmission is more likely because water vapour
ejected from an infected person's mouth can remain longer in the air because of
evaporation and dry skin conditions, particularly in a recipient's airway,
promotes transmission.
- Abstract(参考訳): 目的:過去14日間の環境・移動データから1日当たりのCOVID-19感染者数を予測できる機械学習モデルを開発する。
アプローチ:オンタリオ州トロント周辺の4郡の新型コロナウイルスのデータを使用した。
データは、新規感染者数、患者の人口統計データ、屋外の気象変数、室内環境因子、細胞移動と公衆衛生の制限に基づく人間の運動を含む日次記録にまとめられた。
このデータは、最も重要な変数とその相互作用を決定するために分析された。
CNNとLSTMのディープニューラルネットワークアプローチを用いて予測モデルを開発した。
これらの手法は、2020年10月1日から10月14日までのデータを用いて予測モデルを開発し、2020年10月15日から12月24日までのデータでテストした。
結果: 明日の1日当たりの感染者数を予想した最良のlstmモデルは、90.7%の精度で、7日間のローリング平均新型コロナウイルスは98.1%の精度で独立したテストデータを用いて予測した。
今後7日間の新型コロナウイルス感染者数を予測する最良のモデルは、日間で79.4%の精度で予測した。
7日間の平均転がり回数を予測するモデルは、同じテストセットで平均83.6%の精度であった。
結論:本研究は、新型コロナウイルスなどのウイルス感染における室内湿度の重要性を示唆する。
今年の最も寒い地域では、人間が屋内や車内でより多くの時間を過ごすと、建物内の空気の質が低下し、室内の相対湿度が著しく低下する。
低いirh(20%以下)と組み合わされた中から高い室内温度は、感染した人の口から排出される水蒸気が、蒸発と乾燥した皮膚の状態、特に受取人の気道で伝達を促進するため、空気中に長く残る可能性があるため、ウイルス感染の可能性が高くなる。
関連論文リスト
- Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳(メタデータ) (2024-04-26T16:39:50Z) - MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data
Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。
トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。
ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文 参考訳(メタデータ) (2023-10-04T01:36:30Z) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳(メタデータ) (2023-09-12T13:28:06Z) - Strict baselines for Covid-19 forecasting and ML perspective for USA and
Russia [105.54048699217668]
Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。
本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
論文 参考訳(メタデータ) (2022-07-15T18:21:36Z) - COVIDHunter: COVID-19 pandemic wave prediction and mitigation via
seasonality-aware modeling [11.423326973456437]
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。
論文 参考訳(メタデータ) (2022-06-14T08:48:13Z) - A spatiotemporal machine learning approach to forecasting COVID-19
incidence at the county level in the United States [2.9822184411723645]
本稿では,米国内の郡レベルでの新型コロナウイルスの流行を予測するための,長期記憶アーキテクチャに基づくデータ駆動型モデルであるCOVID-LSTMを提案する。
われわれは、時間的入力として毎週の新規症例数と、Facebookのハンドエンジニアリングによる空間的特徴を用いて、疾患の時間的および空間的拡散を捉えている。
4週間の予測で、私たちのモデルは平均50のケースで、COVIDhubアンサンブルよりも正確です。
論文 参考訳(メタデータ) (2021-09-24T17:40:08Z) - The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk
Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。
AUC, 感度, 特異性, 精度, F1。
論文 参考訳(メタデータ) (2021-09-18T02:28:01Z) - Improving COVID-19 Forecasting using eXogenous Variables [7.245000255986182]
米国におけるパンデミック・コースについて、国家レベルと国家レベルのデータを用いて検討する。
本稿では,補助変数を組み込んだ時系列予測手法を提案し,比較する。
論文 参考訳(メタデータ) (2021-07-20T03:26:18Z) - Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。
本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。
深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
論文 参考訳(メタデータ) (2021-05-31T19:28:17Z) - Systematic investigation into generalization of COVID-19 CT deep
learning models with Gabor ensemble for lung involvement scoring [9.94980188821453]
本研究は,COVID-19 CTデータを用いたキーパブリッシュモデルの一般化可能性について検討する。
次に、独立した新しいデータセットを使用して、新型コロナウイルスの重症度に関するこれらのモデルの予測能力を評価する。
論文 参考訳(メタデータ) (2021-04-20T03:49:48Z) - 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)
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。