論文の概要: Population Age Group Sensitivity for COVID-19 Infections with Deep
Learning
- arxiv url: http://arxiv.org/abs/2307.00751v1
- Date: Mon, 3 Jul 2023 04:56:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-05 14:27:58.019133
- Title: Population Age Group Sensitivity for COVID-19 Infections with Deep
Learning
- Title(参考訳): 深層学習による新型コロナウイルス感染症に対する集団感度
- Authors: Md Khairul Islam, Tyler Valentine, Royal Wang, Levi Davis, Matt
Manner, Judy Fox
- Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックは、世界中の政府や医療システムにとって前例のない課題を生み出している。
この研究は、米国の郡レベルでの新型コロナウイルス感染率において最も影響力のある年齢層を特定することを目的としている。
- 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: The COVID-19 pandemic has created unprecedented challenges for governments
and healthcare systems worldwide, highlighting the critical importance of
understanding the factors that contribute to virus transmission. This study
aimed to identify the most influential age groups in COVID-19 infection rates
at the US county level using the Modified Morris Method and deep learning for
time series. Our approach involved training the state-of-the-art time-series
model Temporal Fusion Transformer on different age groups as a static feature
and the population vaccination status as the dynamic feature. We analyzed the
impact of those age groups on COVID-19 infection rates by perturbing individual
input features and ranked them based on their Morris sensitivity scores, which
quantify their contribution to COVID-19 transmission rates. The findings are
verified using ground truth data from the CDC and US Census, which provide the
true infection rates for each age group. The results suggest that young adults
were the most influential age group in COVID-19 transmission at the county
level between March 1, 2020, and November 27, 2021. Using these results can
inform public health policies and interventions, such as targeted vaccination
strategies, to better control the spread of the virus. Our approach
demonstrates the utility of feature sensitivity analysis in identifying
critical factors contributing to COVID-19 transmission and can be applied in
other public health domains.
- Abstract(参考訳): 新型コロナウイルスのパンデミックは、世界中の政府や医療システムにとって前例のない課題を生み出し、ウイルス感染に寄与する要因を理解することの重要性を強調している。
本研究の目的は,修正モリス法と時系列ディープラーニングを用いて,米国郡レベルでのcovid-19感染率の最も影響力のある年齢層を特定することである。
現状の時系列モデルであるTemporal Fusion Transformerを静的な特徴として,動的特徴として集団ワクチン接種状況について検討した。
本研究では,これらの年齢群が感染率に与える影響を,個々の入力特徴を摂動させて分析し,その感度スコアに基づいて評価した。
調査はCDCとUS Censusの地上の真実データを用いて検証し,各年齢層に対する感染率について検討した。
その結果,2020年3月1日から2021年11月27日までの郡レベルでは,若年層が最も影響力のある年齢層であることが示唆された。
これらの結果を用いることで、公衆衛生政策や予防接種戦略などの介入に役立ち、ウイルスの拡散を抑えることができる。
本研究は、新型コロナウイルス感染に寄与する重要な要因を同定し、他の公衆衛生分野にも適用できる特徴感度分析の有用性を実証する。
関連論文リスト
- 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) - Factors affecting the COVID-19 risk in the US counties: an innovative
approach by combining unsupervised and supervised learning [0.0]
新型コロナウイルスの感染リスクや死亡率に影響を及ぼす要因を郡レベルで分析した。
その結果、温度、貧困以下の人の割合、肥満、空気圧、人口密度、風速、経度、そして被保険者の比率が最も重要な属性であった。
論文 参考訳(メタデータ) (2021-06-24T04:29:00Z) - Machine Learning on the COVID-19 Pandemic, Human Mobility and Air
Quality: A Review [0.0]
本研究は、新型コロナウイルスのパンデミック、ロックダウン対策、人体移動性、空気質の相互作用を理解するために、過去の研究の結果を分析することを目的としている。
MLは、世界的なパンデミックのような複雑で邪悪な問題を扱うための、強力で効果的で堅牢な分析パラダイムである。
論文 参考訳(メタデータ) (2021-03-13T10:08:24Z) - COVID-19 Outbreak Prediction and Analysis using Self Reported Symptoms [12.864257751458712]
新型コロナウイルスの流行状況を把握するために、自己報告型症状調査データを用いています。
本研究は、自己申告された症状に基づいて、新型コロナウイルス陽性の集団の確率%を予測しようと試みた。
人口の%がcovid-19ライクな疾患(cli)を患っており、それぞれ0.15%と1.14%が絶対エラーであった。
論文 参考訳(メタデータ) (2020-12-21T00:37:24Z) - Classification supporting COVID-19 diagnostics based on patient survey
data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。
得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。
このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文 参考訳(メタデータ) (2020-11-24T17:44:01Z) - Analysing the impact of global demographic characteristics over the
COVID-19 spread using class rule mining and pattern matching [8.025086113117291]
本研究は、人口統計学的属性と世界的変動の多次元的関連を調査するためのインテリジェントなアプローチを提案する。
信頼性のあるソースから複数の人口統計属性とCOVID-19感染データを収集し、インテリジェントアルゴリズムで処理し、データ内の重要な関連やパターンを識別する。
論文 参考訳(メタデータ) (2020-09-27T18:43:18Z) - 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) - COVID-19 Pandemic Outbreak in the Subcontinent: A data-driven analysis [0.8057708414390126]
2019年12月下旬、中国湖北省武漢市で新型コロナウイルス(COVID-19)が流行した。
多くの研究が、この亜大陸は新型コロナウイルスの影響で最悪の地域にとどまる可能性があると主張している。
本稿ではバングラデシュ、インド、パキスタンの公開疫学データを用いて再生数を推定する。
論文 参考訳(メタデータ) (2020-08-22T10:40:17Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳(メタデータ) (2020-07-22T18:02:39Z) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳(メタデータ) (2020-06-23T03:36:19Z) - 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)
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。