論文の概要: Evaluation of Country Dietary Habits Using Machine Learning Techniques
in Relation to Deaths from COVID-19
- arxiv url: http://arxiv.org/abs/2402.12558v1
- Date: Mon, 19 Feb 2024 21:32:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 18:00:09.352803
- Title: Evaluation of Country Dietary Habits Using Machine Learning Techniques
in Relation to Deaths from COVID-19
- Title（参考訳）: 機械学習を用いた国産食生活の評価 : 新型コロナウイルスによる死亡との関連
- Authors: Mar\'ia Teresa Garc\'ia-Ord\'as, Natalia Arias, Carmen Benavides,
Oscar Garc\'ia-Olalla and Jos\'e Alberto Ben\'itez-Andrades
- Abstract要約: この習慣と新型コロナウイルスによる死亡率の相関を見出すため、170カ国の食習慣を評価した。
その結果, 死亡率の高い国では, 肥満や高脂肪食が出現することが明らかとなった。
低いレートの国は、キロカロリーの総摂取量が低いとともに、穀物消費のレベルが高い。
- 参考スコア（独自算出の注目度）: 0.3749861135832073
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: COVID-19 disease has affected almost every country in the world. The large
number of infected people and the different mortality rates between countries
has given rise to many hypotheses about the key points that make the virus so
lethal in some places. In this study, the eating habits of 170 countries were
evaluated in order to find correlations between these habits and mortality
rates caused by COVID-19 using machine learning techniques that group the
countries together according to the different distribution of fat, energy, and
protein across 23 different types of food, as well as the amount ingested in
kilograms. Results shown how obesity and the high consumption of fats appear in
countries with the highest death rates, whereas countries with a lower rate
have a higher level of cereal consumption accompanied by a lower total average
intake of kilocalories.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)は世界のほぼすべての国で流行している。
感染者の多さと各国間での死亡率の相違は、新型コロナウイルスを致命傷にする重要な要因について多くの仮説を提起している。
本研究では,23種類の食品の脂肪,エネルギー,タンパク質の分布,およびキログラムの摂取量に応じて国をグループ化する機械学習技術を用いて,これらの習慣とcovid-19による死亡率の相関を見出すために,170カ国の摂食習慣を評価した。
以上の結果から, 死亡率の高い国では肥満度, 脂肪消費量の上昇がみられたが, 死亡率の低い国では穀物消費量が増加し, 総摂取カロリーが1キロカロリー未満であった。
関連論文リスト
- Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。
パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。
研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
論文 参考訳（メタデータ） (2023-03-23T17:19:26Z) - How to Prepare for the Next Pandemic -- Investigation of Correlation
Between Food Prices and COVID-19 From Global and Local Perspectives [3.6095388702618414]
新型コロナウイルス(COVID-19)は世界経済に大きな混乱をもたらした。
食料価格は、2020年8月と2021年8月にそれぞれ4.1%と3.7%増加した。
新型コロナウイルスのパンデミックが食料価格の変動を引き起こし、価格の変化が人々の食料品の買い物行動も変化させるという仮説を立てる。
論文 参考訳（メタデータ） (2022-11-24T02:34:56Z) - Association Between Neighborhood Factors and Adult Obesity in Shelby
County, Tennessee: Geospatial Machine Learning Approach [0.966840768820136]
本研究の目的は、アメリカ合衆国テネシー州シェルビー郡における成人の肥満有病率に及ぼす社会的健康決定因子(SDoH)の影響を検討することである。
SDoH指標は米国国勢調査と米国農務省から抽出された。
その結果、シェルビー郡では成人の肥満率が高い地区が多かった。
論文 参考訳（メタデータ） (2022-08-09T15:28:43Z) - Enhancing Food Intake Tracking in Long-Term Care with Automated Food
Imaging and Nutrient Intake Tracking (AFINI-T) Technology [71.37011431958805]
長期医療(LTC)の住民の半数は、入院、死亡、死亡率、生活の質の低下が悪化している。
本稿では,LCCのための食品自動撮像・栄養摂取追跡技術(AFINI-T)について述べる。
論文 参考訳（メタデータ） (2021-12-08T22:25:52Z) - 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) - The COVID-19 pandemic: socioeconomic and health disparities [0.0]
社会経済的および健康関連変数は、最も影響を受ける上位5か国で死亡率を予測するために使用された。
我々のデータによると、人口統計や社会的不利益に関連する予測者は、新型コロナウイルスの死亡率100万と相関している。
論文 参考訳（メタデータ） (2020-12-21T15:01:17Z) - Correlation between COVID-19 morbidity and mortality rates in Japan and
local population density, temperature and absolute humidity [2.750124853532831]
本研究は、各都道府県における新型コロナウイルス感染症の死亡率と死亡率について分析した。
死亡率と人口密度との間には軽度の相関が認められた。
低い死亡率と死亡率は、高温と絶対湿度で観測される。
論文 参考訳（メタデータ） (2020-07-28T08:41:43Z) - 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) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z)
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。