論文の概要: Modeling the amplification of epidemic spread by misinformed populations
- arxiv url: http://arxiv.org/abs/2402.11351v1
- Date: Sat, 17 Feb 2024 18:01:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-02-20 21:47:24.318830
- Title: Modeling the amplification of epidemic spread by misinformed populations
- Title（参考訳）: 誤感染集団による流行拡大の増幅のモデル化
- Authors: Matthew R. DeVerna, Francesco Pierri, Yong-Yeol Ahn, Santo Fortunato,
Alessandro Flammini, Filippo Menczer
- Abstract要約: 本研究では、大規模で移動性に富んだ物理的接触ネットワークと、郡全体にわたる誤情報による個人分布を組み込んだ疫病モデルを提案する。
本モデルでは,誤報が感染拡大に与える影響を理解するために,様々なシナリオをシミュレートし,推定することができる。
このモデルを用いて、最悪のシナリオでは、誤報が米国内で4700万件のCOVID-19感染を引き起こした可能性があると推定する。
- 参考スコア（独自算出の注目度）: 43.389128992784045
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding how misinformation affects the spread of disease is crucial for
public health, especially given recent research indicating that misinformation
can increase vaccine hesitancy and discourage vaccine uptake. However, it is
difficult to investigate the interaction between misinformation and epidemic
outcomes due to the dearth of data-informed holistic epidemic models. Here, we
propose an epidemic model that incorporates a large, mobility-informed physical
contact network as well as the distribution of misinformed individuals across
counties derived from social media data. Our model allows us to simulate and
estimate various scenarios to understand the impact of misinformation on
epidemic spreading. Using this model, we estimate that misinformation could
have led to 47 million additional COVID-19 infections in the U.S. in a
worst-case scenario.
- Abstract（参考訳）: 誤情報が病気の拡散にどのように影響するかを理解することは公衆の健康にとって重要である。
しかし,データインフォームド・包括的流行モデルによる誤情報と流行アウトカムの相互作用について調査することは困難である。
本稿では,大規模かつ移動性に富んだ物理的接触ネットワークと,ソーシャルメディアデータから得られた郡間における不正な個人分布を組み込んだ流行モデルを提案する。
このモデルによって,様々なシナリオをシミュレートし,予測し,誤情報の拡散に対する影響を理解することができる。
このモデルを用いて、最悪のシナリオでは、誤報が米国内で4700万件のCOVID-19感染を引き起こした可能性があると推定する。
関連論文リスト
- Disease Outbreak Detection and Forecasting: A Review of Methods and Data Sources [3.64584397341127]
感染症の早期発見と追跡は、死亡率を低下させる可能性がある。
多くの国が感染症監視システムを導入しており、疫病の発見が主な目的となっている。
インターネットとソーシャルメディアは、ユーザが好みや関係に関する情報を共有する重要なプラットフォームになっている。
本稿では,時系列データを用いたアウトブレイク検出のための研究者による既存の標準手法について概説する。
論文 参考訳（メタデータ） (2024-10-21T16:20:06Z) - Event Detection from Social Media for Epidemic Prediction [76.90779562626541]
ソーシャルメディア投稿から疫病関連事象を抽出・分析する枠組みを構築した。
実験では、新型コロナウイルスベースのSPEEDで訓練されたEDモデルが、3つの目に見えない流行の流行を効果的に検出する方法が明らかにされている。
モンキーポックスのWHO流行宣言より4～9週間早く,抽出した事象の報告が急激な増加を示すことを示す。
論文 参考訳（メタデータ） (2024-04-02T06:31:17Z) - 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) - Understanding COVID-19 Vaccine Campaign on Facebook using Minimal
Supervision [28.14874371042193]
何十億ものインターネットユーザーが情報や意見を共有しているソーシャルメディアの時代では、パンデミックの悪影響は物理的な世界に限ったものではない。
この世界的なインフォデミックは、パニック、ワクチンの根絶、社会的反応の断片化によって、パンデミックを抑えるための手段を危険にさらしている。
Facebookのようなプラットフォームは、広告主がメッセージを使って異なる層をターゲットにし、コンテンツによってインフォデミックの問題を緩和または悪化させるのに役立つ。
論文 参考訳（メタデータ） (2022-10-18T17:54:06Z) - When Infodemic Meets Epidemic: a Systematic Literature Review [3.3454373538792543]
ソーシャルメディアは、バイオサーベイランスに活用できる大量のデータを提供している。
この体系的な文献レビューは、さまざまな流行関連文脈におけるソーシャルメディアの統合の方法論的概要を提供する。
論文 参考訳（メタデータ） (2022-10-03T21:04:30Z) - Dynamics and triggers of misinformation on vaccines [0.552480439325792]
われわれは、さまざまなソーシャルメディアプラットフォーム(Facebook、Instagram、Twitter、YouTube)におけるイタリアのワクチンに関する6年間の議論を分析している。
われわれはまず、ニュース制作時系列の象徴的転送エントロピー分析を用いて、ワクチンに関する議題を慎重に推進する、疑わしい、あるいは信頼できるソースのカテゴリを決定する。
次に、伝達されたスタンスに基づいてワクチン関連コンテンツを正確に分類し、話題を議論する深層学習モデルを活用する。
論文 参考訳（メタデータ） (2022-07-25T15:35:48Z) - 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) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳（メタデータ） (2022-06-30T12:34:24Z) - "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the
Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。
我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文 参考訳（メタデータ） (2022-06-12T19:41:01Z) - Misinformation, Believability, and Vaccine Acceptance Over 40 Countries:
Takeaways From the Initial Phase of The COVID-19 Infodemic [11.737540072863405]
本報告では,世界規模でのCOVID-19インフォデミックへの感染状況について調査した。
誤報の認識と予防接種難易度との間には,強い関連性があることが判明した。
本研究は, インフォデミックの影響を受けやすい国に, 正確な情報を積極的に広める公共キャンペーンにおいて, 本研究がもたらす意味について論じる。
論文 参考訳（メタデータ） (2021-04-22T05:09:25Z) - An Extended Epidemic Model on Interconnected Networks for COVID-19 to
Explore the Epidemic Dynamics [2.89591830279936]
パンデミックコントロールは、感染した個人の傾向や影響を捉える疫病モデルを必要とする。
多くのエキサイティングなモデルはこれを実装できるが、実践的な解釈性に欠ける。
本研究は疫学とネットワーク理論を融合し,因果解釈能力を持つ枠組みを提案する。
論文 参考訳（メタデータ） (2021-04-10T06:46:01Z) - 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) - The COVID-19 Infodemic: Twitter versus Facebook [5.135597127873748]
われわれはTwitterとFacebookの低視聴率コンテンツへのリンクの頻度と拡散を分析した。
少数のアカウントやページが各プラットフォームに強い影響を与えている。
この操作の過度な性質は、社会レベルのソリューションの必要性を示している。
論文 参考訳（メタデータ） (2020-12-17T02:00:43Z) - 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) - 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) - 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) - 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)
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。