論文の概要: The Impact of School and Family Networks on COVID-19 Infections Among Dutch Students: A Study Using Population-Level Registry Data
- arxiv url: http://arxiv.org/abs/2404.08098v1
- Date: Thu, 11 Apr 2024 19:34:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-15 16:34:33.636271
- Title: The Impact of School and Family Networks on COVID-19 Infections Among Dutch Students: A Study Using Population-Level Registry Data
- Title（参考訳）: オランダ学生の学校と家族ネットワークがCOVID-19感染に与える影響 : 人口レベル登録データを用いた検討
- Authors: Javier Garcia-Bernardo, Christine Hedde-von Westernhagen, Tom Emery, Albert Jan van Hoek,
- Abstract要約: 我々は、SARS-CoV-2送信に対する学校、家族、その他の社会接触の影響を調べるために、広範な登録データを用いている。
以上の結果から,SARS-CoV-2の普及における家庭と家族の伝達の重要性が学校設定に比較して強調された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding the impact of different social interactions is key to improving epidemic models. Here, we use extensive registry data -- including PCR test results and population-level networks -- to investigate the impact of school, family, and other social contacts on SARS-CoV-2 transmission in the Netherlands (June 2020--October 2021). We isolate and compare different contexts of potential SARS-CoV-2 transmission by matching pairs of students based on their attendance at the same or different primary school (in 2020) and secondary school (in 2021) and their geographic proximity. We then calculated the probability of temporally associated infections -- i.e. the probability of both students testing positive within a 14-day period. Our results highlight the relative importance of household and family transmission in the spread of SARS-CoV-2 compared to school settings. The probability of temporally associated infections for siblings and parent-child pairs living in the same household was 22.6--23.2\%, and 4.7--7.9\% for family members living in different household. In contrast, the probability of temporally associated infections was 0.52\% for pairs of students living nearby but not attending the same primary or secondary school, 0.66\% for pairs attending different secondary schools but having attended the same primary school, and 1.65\% for pairs attending the same secondary school. Finally, we used multilevel regression analyses to examine how individual, school, and geographic factors contribute to transmission risk. We found that the largest differences in transmission probabilities were due to unobserved individual (60\%) and school-level (34\%) factors. Only a small proportion (3\%) could be attributed to geographic proximity of students or to school size, denomination, or the median income of the school area.
- Abstract（参考訳）: 異なる社会的相互作用の影響を理解することが、疫病モデルを改善する鍵となる。
ここでは、PCR検査結果や人口レベルのネットワークを含む広範な登録データを用いて、オランダにおけるSARS-CoV-2送信(2020年6月～2021年10月)に対する学校、家族、その他の社会接触の影響を調査する。
小学校(2020年)と中学校(2021年)と各小学校(2021年)に通学した学生のペアをマッチングし,SARS-CoV-2送信の可能性の異なる文脈を分離・比較した。
そして,14日間に2人の学生が陽性になる確率を,時間的に関連した感染の確率を算出した。
以上の結果から,SARS-CoV-2の普及における家庭と家族の伝達の重要性が学校環境に比較して強調された。
同じ家庭に住む兄弟姉妹と親子ペアの感染確率は22.6-23.2\%、異なる家庭に住む家族の4.7--7.9\%であった。
対照的に、近隣に住みながら同じ小学校・中学校に通っていない2組の生徒は0.52\%、異なる小学校に通っている2組は0.66\%、同じ小学校に通っている2組は1.65\%であった。
最後に,多段階回帰分析を用いて,個人,学校,地理的要因が伝達リスクにどのように寄与するかを検討した。
伝送確率の最大の違いは、観測されていない個人(60 %)と学校レベル(34 %)の要因によるものである。
僅かな割合(3\%)は、生徒の地理的な近さ、学校の大きさ、分業、学区の平均的な収入によるものである。
関連論文リスト
- Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - A Transfer Learning Causal Approach to Evaluate Racial/Ethnic and Geographic Variation in Outcomes Following Congenital Heart Surgery [4.870691561986669]
先天性心不全(英: Congenital heart defects、CHD)は、アメリカ合衆国で最も多い出生障害である。
CHD治療の成績は特定の患者群で異なり、非ヒスパニック系黒人とヒスパニック系人口は死亡率と死亡率が高い。
本稿では,結果評価のための因果推論フレームワークを提案し,伝達学習の進歩を活用して,ターゲットとソースの双方からのデータを組み込む。
論文 参考訳（メタデータ） (2024-03-21T17:20:23Z) - A case study of university student networks and the COVID-19 pandemic
using a social network analysis approach in halls of residence [0.32985979395737786]
本研究の目的は、新型コロナウイルスの感染拡大に伴う大学寮の学生の構造的挙動を説明することである。
大学寮の指導力は中央集権度を用いて測定された。
高い社会的評判を持つ学生は、新型コロナウイルスの感染に関連して、より高いレベルのパンデミック感染を経験する。
論文 参考訳（メタデータ） (2024-02-14T14:57:25Z) - Population Age Group Sensitivity for COVID-19 Infections with Deep
Learning [0.0]
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。
論文 参考訳（メタデータ） (2023-07-03T04:56:55Z) - Applying Machine Learning and AI Explanations to Analyze Vaccine
Hesitancy [0.0]
この論文は、人種、貧困、政治、年齢がアメリカ合衆国郡の予防接種率に与える影響を定量化している。
影響要因の影響は、異なる地理的に普遍的に同じではないことが明らかである。
論文 参考訳（メタデータ） (2022-01-07T22:50:17Z) - School Virus Infection Simulator for Customizing School Schedules During
COVID-19 [0.0]
The School-Virus-Infection-Simulator (SVIS)simulateds the spread of infection at a school's lessons schedules, classroom volume, aircirc rate in classrooms and theinfectability of the students。
学校スケジュールの1つは、対面授業の比率が高いスケジュールに比べて、感染する生徒の最大数が多い。
論文 参考訳（メタデータ） (2021-10-07T16:49:27Z) - Deep learning-based COVID-19 pneumonia classification using chest CT
images: model generalizability [54.86482395312936]
深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。
我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。
複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
論文 参考訳（メタデータ） (2021-02-18T21:14:52Z) - 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) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - 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。