論文の概要: Early detection of disease outbreaks and non-outbreaks using incidence data
- arxiv url: http://arxiv.org/abs/2404.08893v1
- Date: Sat, 13 Apr 2024 03:57:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-16 18:13:13.344771
- Title: Early detection of disease outbreaks and non-outbreaks using incidence data
- Title（参考訳）: インシデントデータを用いた疾患発生と非アウトブレイクの早期検出
- Authors: Shan Gao, Amit K. Chakraborty, Russell Greiner, Mark A. Lewis, Hao Wang,
- Abstract要約: 我々は、アウトブレイクやアウトブレイクを正確に予測する、現実世界のトレーニングデータを持たない一般的なモデルを開発する。
アウトブレイクとアウトブレイクを区別する統計的特徴は,アウトブレイクが起こるずっと前から存在する。
人工的なデータセットと実世界のデータセットの違いは、発生のずっと前に検出できる。
- 参考スコア（独自算出の注目度）: 9.155744274374506
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Forecasting the occurrence and absence of novel disease outbreaks is essential for disease management. Here, we develop a general model, with no real-world training data, that accurately forecasts outbreaks and non-outbreaks. We propose a novel framework, using a feature-based time series classification method to forecast outbreaks and non-outbreaks. We tested our methods on synthetic data from a Susceptible-Infected-Recovered model for slowly changing, noisy disease dynamics. Outbreak sequences give a transcritical bifurcation within a specified future time window, whereas non-outbreak (null bifurcation) sequences do not. We identified incipient differences in time series of infectives leading to future outbreaks and non-outbreaks. These differences are reflected in 22 statistical features and 5 early warning signal indicators. Classifier performance, given by the area under the receiver-operating curve, ranged from 0.99 for large expanding windows of training data to 0.7 for small rolling windows. Real-world performances of classifiers were tested on two empirical datasets, COVID-19 data from Singapore and SARS data from Hong Kong, with two classifiers exhibiting high accuracy. In summary, we showed that there are statistical features that distinguish outbreak and non-outbreak sequences long before outbreaks occur. We could detect these differences in synthetic and real-world data sets, well before potential outbreaks occur.
- Abstract（参考訳）: 新規疾患の発生と欠如を予知することは、疾患管理に不可欠である。
ここでは、アウトブレイクやアウトブレイクを正確に予測する、現実世界のトレーニングデータを持たない一般的なモデルを開発する。
本稿では,特徴に基づく時系列分類手法を用いて,アウトブレイクやアウトブレイクを予測できる新しいフレームワークを提案する。
本研究では, 難治性疾患のダイナミックスを緩やかに変化させるために, サセプティブル・インフェクテッド・リザーブドモデルを用いて合成データを用いて実験を行った。
アウトブレイクシーケンスは指定された将来の時間ウィンドウ内でトランスクリティカル分岐を与えるが、非アウトブレイク(ヌル分岐)シーケンスはそうではない。
今後のアウトブレイクやアウトブレイクに繋がる感染症の時系列的相違について検討した。
これらの違いは22の統計的特徴と5つの早期警告信号指標に反映される。
受信機操作曲線下の領域で与えられる分類器の性能は、トレーニングデータの大規模な拡張ウィンドウの0.99から、小さなローリングウィンドウの0.7まで様々である。
シンガポールのCOVID-19データと香港のSARSデータと、高い精度を示す2つの分類器を用いて、実世界の分類器のパフォーマンスをテストした。
以上の結果から,アウトブレイク・アウトブレイク・シークエンスを区別する統計的特徴が示唆された。
人工的なデータセットと実世界のデータセットの違いは、発生のずっと前に検出できる。
関連論文リスト
- Conditional Score-Based Diffusion Model for Cortical Thickness
Trajectory Prediction [29.415616701032604]
アルツハイマー病(英: Alzheimer's Disease、AD)は、個人間での進行率の多様性を特徴とする神経変性疾患である。
与えられたベースライン情報を用いてCThトラジェクトリを生成する条件付きスコアベース拡散モデルを提案する。
本モデルでは6～36ヶ月のCThに比べて95%間隔が狭いほぼゼロバイアスを有する。
論文 参考訳（メタデータ） (2024-03-11T17:26:18Z) - Harmful algal bloom forecasting. A comparison between stream and batch
learning [0.7067443325368975]
有害なアルガルブルーム(HAB)は公衆衛生と貝類産業にリスクをもたらす。
本研究では,有毒なジノフラゲレートの細胞数を予測する機械学習ワークフローを開発した。
モデルDoMEは最も効果的で解釈可能な予測器として登場し、他のアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2024-02-20T15:01:11Z) - CenTime: Event-Conditional Modelling of Censoring in Survival Analysis [49.44664144472712]
CenTimeは、イベントへの時間を直接見積もる、サバイバル分析の新しいアプローチである。
本手法は,非検閲データが少ない場合でも,堅牢なイベント条件検閲機構を特徴とする。
以上の結果から,CenTimeは同等の性能を維持しつつ,死までの時間を予測する上で,最先端のパフォーマンスを提供することがわかった。
論文 参考訳（メタデータ） (2023-09-07T17:07:33Z) - Nonparametric Identifiability of Causal Representations from Unknown
Interventions [63.1354734978244]
本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。
我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
論文 参考訳（メタデータ） (2023-06-01T10:51:58Z) - Tracking the risk of a deployed model and detecting harmful distribution
shifts [105.27463615756733]
実際には、デプロイされたモデルのパフォーマンスが大幅に低下しないという、良心的なシフトを無視することは理にかなっている。
我々は,警告を発射する有効な方法は,(a)良性な警告を無視しながら有害なシフトを検知し,(b)誤報率を増大させることなく,モデル性能の連続的なモニタリングを可能にすることを論じる。
論文 参考訳（メタデータ） (2021-10-12T17:21:41Z) - Modeling COVID-19 uncertainties evolving over time and density-dependent
social reinforcement and asymptomatic infections [35.57038204847526]
新型コロナウイルス感染症2019(COVID-19)は、特異で未知の問題の複雑さとモデリングの課題を提示する。
新型コロナウイルスのインキュベーション期間や無症候性感染症でよく見られる非文書化(U)と文書化(D)を特徴付けるための新しいハイブリッドアプローチを導入する。
論文 参考訳（メタデータ） (2021-08-23T09:38:54Z) - Clustering Left-Censored Multivariate Time-Series [2.4493299476776778]
クラスタリング作業における左検閲の干渉を軽減することに注力する。
検閲時間を補正しながらクラスタリングする時系列データの深い生成的連続時間モデルを開発する。
合成データに正確、安定、かつ解釈可能な結果を示します。
論文 参考訳（メタデータ） (2021-02-13T21:22:40Z) - Forecasting Irreversible Disease via Progression Learning [18.13106500847306]
Parapapillary atrophy(PPA)は、ほとんどの不可逆眼疾患に関連する症状です。
textbfProgression textbfLearning(textbfDFPL)によるtextbfDisease textbfForecastという新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-12-21T03:54:35Z) - STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological
Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。
stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。
我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文 参考訳（メタデータ） (2020-12-08T21:21:47Z) - The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。
本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
論文 参考訳（メタデータ） (2020-12-05T17:30:35Z) - Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。
標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。
原理的に部分観測可能なベイズ的枠組みを提案する。
論文 参考訳（メタデータ） (2020-09-12T20:37:33Z)
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。