論文の概要: A Large-Scale Dataset of Search Interests Related to Disease X
Originating from Different Geographic Regions
- arxiv url: http://arxiv.org/abs/2312.11885v1
- Date: Tue, 19 Dec 2023 06:20:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 16:48:46.865656
- Title: A Large-Scale Dataset of Search Interests Related to Disease X
Originating from Different Geographic Regions
- Title（参考訳）: 異なる地理的領域に由来する疾患xに関連する検索関心の大規模データセット
- Authors: Nirmalya Thakur, Shuqi Cui, Kesha A. Patel, Isabella Hall, and Yuvraj
Nihal Duggal
- Abstract要約: 本稿では,2018年2月から2023年8月までに病的Xに関連するWeb行動のデータセットを提示する。
このデータセットは、Google Trendsを使ってデータを収集することによって開発された。
このデータセットでは、これらの領域すべてについて、この時間帯で毎月関連する検索権が利用可能である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The World Health Organization added Disease X to their shortlist of blueprint
priority diseases to represent a hypothetical, unknown pathogen that could
cause a future epidemic. During different virus outbreaks of the past, such as
COVID-19, Influenza, Lyme Disease, and Zika virus, researchers from various
disciplines utilized Google Trends to mine multimodal components of web
behavior to study, investigate, and analyze the global awareness, preparedness,
and response associated with these respective virus outbreaks. As the world
prepares for Disease X, a dataset on web behavior related to Disease X would be
crucial to contribute towards the timely advancement of research in this field.
Furthermore, none of the prior works in this field have focused on the
development of a dataset to compile relevant web behavior data, which would
help to prepare for Disease X. To address these research challenges, this work
presents a dataset of web behavior related to Disease X, which emerged from
different geographic regions of the world, between February 2018 and August
2023. Specifically, this dataset presents the search interests related to
Disease X from 94 geographic regions. The dataset was developed by collecting
data using Google Trends. The relevant search interests for all these regions
for each month in this time range are available in this dataset. This paper
also discusses the compliance of this dataset with the FAIR principles of
scientific data management. Finally, an analysis of this dataset is presented
to uphold the applicability, relevance, and usefulness of this dataset for the
investigation of different research questions in the interrelated fields of Big
Data, Data Mining, Healthcare, Epidemiology, and Data Analysis with a specific
focus on Disease X.
- Abstract（参考訳）: 世界保健機関(WHO)は、将来の流行を引き起こす可能性のある仮説上の未知の病原体を表すために、疾病Xをブループリント優先疾患のリストに追加した。
新型コロナウイルス(COVID-19)、インフルエンザ、ライム病、ジカウイルスなど、過去のさまざまなウイルスの流行の中で、さまざまな分野の研究者がGoogle Trendsを使って、Web行動のマルチモーダルなコンポーネントをマイニングし、研究、調査、分析し、それぞれのウイルスの発生に関連する世界的な認識、準備、反応を分析した。
世界が病原体Xを準備するにつれ、病原体Xに関連するWeb行動のデータセットが、この分野の研究のタイムリーな進歩に寄与することが重要である。
さらに、これらの研究課題に対処するため、2018年2月から2023年8月にかけて、世界の異なる地域から出現した病的Xに関連するWeb行動のデータセットを提示する。
特に、このデータセットは94の地理的地域から疾患xに関する検索の関心を示す。
このデータセットは、google trendsを使ってデータを収集して開発された。
この期間の毎月、これらのリージョンの関連する検索関心は、このデータセットで利用可能である。
本稿では,このデータセットが科学データ管理のFAIR原則に適合していることについても論じる。
最後に,ビッグデータ,データマイニング,医療,疫学,データ分析などの関連分野におけるさまざまな研究課題の調査において,このデータセットの適用性,妥当性,有用性について,疾患xに焦点をあてた分析を行った。
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) - Predictors of disease outbreaks at continentalscale in the African region: Insights and predictions with geospatial artificial intelligence using earth observations and routine disease surveillance data [0.0]
この研究はアフリカ大陸の大部分(約17,885,000 km2)をカバーしている。
マラリア,コレラ,髄膜炎,黄熱病の症例数について,まずグローバルおよび局所的自己相関法を適用した。
次に、機械学習を用いて、第2級行政区におけるこれらの疾患の週次存在を予測した。
論文 参考訳（メタデータ） (2024-11-10T11:43:51Z) - 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) - 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) - Challenges in biomarker discovery and biorepository for Gulf-war-disease
studies: a novel data platform solution [48.7576911714538]
ROSALINDという新しいデータプラットフォームを導入し、課題を克服し、健全で重要なコラボレーションを育み、科学的調査を進めます。
ROSALINDは、自己管理されたアクセシビリティ、リンク性、可積分性、中立性、信頼性を持つリソース有機体を指します。
過去12ヶ月のGWI研究におけるROSALINDの展開により、データ実験と分析のペースが加速し、多数のエラーソースが削除され、研究品質と生産性が向上しました。
論文 参考訳（メタデータ） (2021-02-04T20:38:30Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳（メタデータ） (2020-09-02T02:50:30Z) - Data Mining Approach to Analyze Covid19 Dataset of Brazilian Patients [0.0]
世界保健機関(WHO)が2020年1月に創設した新型コロナウイルス(コビッド19)に由来する。
ほぼすべての国がコビッド19の陽性例を示しており、政府は感染防止のために異なる健康政策を選択している。
ブラジルでは8月11日までに3,112,393人の感染が確認された。
論文 参考訳（メタデータ） (2020-08-26T02:21:56Z) - 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) - 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) - A County-level Dataset for Informing the United States' Response to
COVID-19 [5.682299443164938]
我々は、アメリカ合衆国郡のレベルに関する政府、ジャーナリスト、学術情報源から関連するデータを収集するデータセットを提示する。
私たちのデータセットには300以上の変数が含まれており、人口推計、人口統計、民族、住宅、教育、雇用と所得、気候、交通、スコア、医療システム関連メトリクスを要約しています。
論文 参考訳（メタデータ） (2020-04-01T05:07:27Z) - 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。