論文の概要: Digital Epidemiology after COVID-19: impact and prospects
- arxiv url: http://arxiv.org/abs/2312.04835v1
- Date: Fri, 8 Dec 2023 05:18:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-11 16:10:02.595726
- Title: Digital Epidemiology after COVID-19: impact and prospects
- Title（参考訳）: 新型コロナウイルス後のデジタル疫学 : 影響と展望
- Authors: Sara Mesquita, L\'ilia Perfeito, Daniela Paolotti, Joana
Gon\c{c}alves-S\'a
- Abstract要約: 2020年の初めにDigital Epidemiology(DE)がどうだったのか、そして新型コロナウイルスのパンデミックによってどのように変わったのかをレビューする。
我々は、DEがその可能性を認識し、そのリスクを最小限に抑える限り、徐々に有用なツールになると論じる。
- 参考スコア（独自算出の注目度）: 0.5953513005270838
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Epidemiology and Public Health have increasingly relied on structured and
unstructured data, collected inside and outside of typical health systems, to
study, identify, and mitigate diseases at the population level. Focusing on
infectious disease, we review how Digital Epidemiology (DE) was at the
beginning of 2020 and how it was changed by the COVID-19 pandemic, in both
nature and breadth. We argue that DE will become a progressively useful tool as
long as its potential is recognized and its risks are minimized. Therefore, we
expand on the current views and present a new definition of DE that, by
highlighting the statistical nature of the datasets, helps in identifying
possible biases. We offer some recommendations to reduce inequity and threats
to privacy and argue in favour of complex multidisciplinary approaches to
tackling infectious diseases.
- Abstract（参考訳）: 疫学と公衆衛生は、一般的な健康システムの内外で収集される構造的および非構造的なデータにますます依存して、人口レベルでの疾患を研究、特定、緩和している。
感染症を中心に、2020年初頭のデジタル疫学(Digital Epidemiology, DE)と、COVID-19のパンデミックによって、自然と広さの両面でどのように変化したかを検討する。
我々は、DEがその可能性を認識し、そのリスクを最小限に抑える限り、徐々に有用なツールになると論じる。
したがって、現在のビューを拡大し、データセットの統計的性質を強調することで、可能なバイアスを特定するのに役立つdeの新たな定義を提示します。
我々は,プライバシに対する不平等と脅威を減らすための推奨事項をいくつか提示し,感染症に取り組むための複雑な多分野のアプローチを支持する。
関連論文リスト
- Artificial Intelligence for Infectious Disease Prediction and Prevention: A Comprehensive Review [1.4874449172133888]
この論文は、AIの可能性を批判的に評価し、感染症管理の限界について概説する。
地域内の伝染病の拡散を防ぐための公衆衛生データを用いた予測、患者が感染性疾患に罹患しているかどうかを検出するための患者の医療データを用いた予測、公共医療データと患者医療データを用いて人口内で拡散している病気の程度を推定する予測の3つの分野に分類する。
論文 参考訳（メタデータ） (2024-11-14T00:43:32Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - COVID-Net Biochem: An Explainability-driven Framework to Building
Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19
Patients from Clinical and Biochemistry Data [66.43957431843324]
我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。
この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
論文 参考訳（メタデータ） (2022-04-24T07:38:37Z) - Digital Epidemiology: A review [0.0]
疫学は近年、計算モデルに基づく大きな進歩を目撃している。
ビッグデータとアプリによって、大規模な実データによるモデルの検証と精錬が可能になる。
エボラは、システム解を必要とするため、複雑性のレンズからアプローチする必要がある。
論文 参考訳（メタデータ） (2021-04-08T08:45:20Z) - STOPPAGE: Spatio-temporal Data Driven Cloud-Fog-Edge Computing Framework
for Pandemic Monitoring and Management [28.205715426050105]
行政政策の改善とパンデミック対策のための準備を強化するための分析枠組みを開発することは絶対的に必要である。
本稿では,STOPと呼ばれる時空間知識マイニングフレームワークを提案し,時間スケールの異なる大規模地域における人間の移動性や文脈情報の影響をモデル化する。
i)fog/edgeベースのアーキテクチャを使用したs-temporal data and computing infrastructure、(ii)s-temporal data analyticsモジュールで、異種データソースから知識を効率的に抽出する。
論文 参考訳（メタデータ） (2021-04-04T12:29:31Z) - Machine learning spatio-temporal epidemiological model to evaluate
Germany-county-level COVID-19 risk [26.228330223358952]
我々は,感染データから流行動態を抽出するための機械支援フレームワークを開発した。
この新しいツールボックスは、ドイツで412のランドクライス(国)にまたがる多水準のCO-19流行の予測に最初に利用された。
実用上、最悪の死者が35万人であるクリスマスの状況を予測し、効果的な政策は2万人未満に抑える可能性がある。
論文 参考訳（メタデータ） (2020-11-30T20:17:19Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - 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) - From predictions to prescriptions: A data-driven response to COVID-19 [42.57407485467993]
新型コロナウイルスの臨床的特徴を理解するための包括的データ駆動型アプローチを提案する。
私たちは、感染や死亡のリスクを予測するために、パーソナライズされた電卓を構築します。
人工呼吸器の再配置と不足軽減のための最適化モデルを提案する。
論文 参考訳（メタデータ） (2020-06-30T03:34:00Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。