論文の概要: Predicting malaria dynamics in Burundi using deep Learning Models
- arxiv url: http://arxiv.org/abs/2306.02685v1
- Date: Mon, 5 Jun 2023 08:22:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 16:09:51.825644
- Title: Predicting malaria dynamics in Burundi using deep Learning Models
- Title（参考訳）: 深層学習モデルを用いたブルンジのマラリア動態予測
- Authors: Daxelle Sakubu, Kelly Joelle Gatore Sinigirira, David Niyukuri
- Abstract要約: ブルンジのマラリアを推定するために、機械学習ベースのモデルを構築しました。
この予測は県レベルで実施され,全国規模でマラリア感染者の推計が可能となった。
その結果、国レベルでのパラメータの調整は、最小限と最大限のマラリアを決定するために利用できることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Malaria continues to be a major public health problem on the African
continent, particularly in Sub-Saharan Africa. Nonetheless, efforts are
ongoing, and significant progress has been made. In Burundi, malaria is among
the main public health concerns. In the literature, there are limited
prediction models for Burundi. We know that such tools are much needed for
interventions design. In our study, we built machine-learning based models to
estimates malaria cases in Burundi. The forecast was carried out at province
level, allowing us to estimate malaria cases on a national scale as well. Long
short term memory (LSTM) model, a type of deep learning model has been used to
achieve best results using climate-change related factors such as temperature,
rainfal, and relative humidity, together with malaria historical data and human
population. The results showed that at country level different tuning of
parameters can be used in order to determine the minimum and maximum expected
malaria
- Abstract（参考訳）: マラリアはアフリカ大陸、特にサハラ以南のアフリカにおける主要な公衆衛生問題であり続けている。
それでも努力は進行中であり、大きな進歩を遂げている。
ブルンジでは、マラリアが主要な公衆衛生上の懸念事項である。
文献ではブルンジの予測モデルが限定されている。
このようなツールは、介入設計にとても必要です。
本研究では,ブルンジのマラリアを推定する機械学習モデルを構築した。
この予測は県レベルで実施され,全国規模でマラリア感染者の推計が可能となった。
長期記憶モデル(LSTM)は、マラリアの歴史的データやヒトの人口とともに、気温、雨水、相対湿度といった気候変動に関連する要因を用いて、最良の学習結果を得るために用いられてきた。
その結果、国レベルでのパラメータの調整は、最小限と最大限のマラリアを決定するために利用できることがわかった。
関連論文リスト
- FWin transformer for dengue prediction under climate and ocean influence [1.6114012813668932]
デング熱は最も致命的な蚊由来の熱帯感染症の1つである。
本研究では,長期予測のためのデング症例の予測法について検討した。
論文 参考訳（メタデータ） (2024-03-10T19:20:55Z) - 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) - Assessing dengue fever risk in Costa Rica by using climate variables and
machine learning techniques [0.0]
デング熱は、主に熱帯や亜熱帯の国々に感染するベクター性疾患であり、毎年何百万人もの人に影響を及ぼし、公衆衛生にとって重大な負担であると考えられている。
本稿では,GAMLSS (Generalized Additive Model for location, scale, and shape) とランダムフォレスト (Random Forest,RF) 機械学習アルゴリズムを用いた気候変数の効果について検討する。
論文 参考訳（メタデータ） (2022-03-23T19:59:15Z) - 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) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳（メタデータ） (2020-10-28T10:58:59Z) - Ensemble Forecasting of the Zika Space-TimeSpread with Topological Data
Analysis [13.838100337224075]
ジカウイルスは、主にAedes aegyptiとAedes albopictusの蚊に噛まれて伝染する。
その結果、ジカウイルス感染の頻度は、降水量、高温、人口密度の高い地域では一般的である。
累積ベティ数の概念を導入し,その累積ベティ数をトポロジカル記述子として3つの機械学習モデルに統合する。
論文 参考訳（メタデータ） (2020-09-24T16:42:19Z) - 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) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z) - 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) - A Malaria Control Model Using Mobility Data: An Early Explanation of
Kedougou's Case in Senegal [1.2599533416395767]
本論文は, 訪問する地域の移動性や特徴に依存する, 個人状態の日々の進化に依拠するモデルを提案する。
その結果,ケドゥグウ地域での疾患管理の失敗に関する知見を提供する上で,モデルがいかに有望かが示唆された。
論文 参考訳（メタデータ） (2020-04-12T12:44:45Z)
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。