論文の概要: Spatio-Temporal SIR Model of Pandemic Spread During Warfare with Optimal Dual-use Healthcare System Administration using Deep Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2412.14039v1
- Date: Wed, 18 Dec 2024 16:54:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-19 13:22:49.262016
- Title: Spatio-Temporal SIR Model of Pandemic Spread During Warfare with Optimal Dual-use Healthcare System Administration using Deep Reinforcement Learning
- Title（参考訳）: 深層強化学習を用いた最適デュアルユース医療システムによるパンデミックスプレッドの時空間SIRモデル
- Authors: Adi Shuchami, Teddy Lazebnik,
- Abstract要約: 本稿では、疫学的SIR(susceptible-infected-recovered)モデルと戦争力学ランチェスターモデルを統合する新しい数学的モデルを提案する。
エージェントによるシミュレーションを用いてシリコデータを生成することにより,医療行政政策のための深層強化学習モデルを訓練した。
以上の結果から、戦争中のパンデミックは、医療システムが戦争で負傷した兵士や、パンデミックに感染した民間人を優先すべきというカオス的ダイナミクスを誘導することを示した。
- 参考スコア（独自算出の注目度）: 0.6906005491572401
- License:
- Abstract: Large-scale crises, including wars and pandemics, have repeatedly shaped human history, and their simultaneous occurrence presents profound challenges to societies. Understanding the dynamics of epidemic spread during warfare is essential for developing effective containment strategies in complex conflict zones. While research has explored epidemic models in various settings, the impact of warfare on epidemic dynamics remains underexplored. In this study, we proposed a novel mathematical model that integrates the epidemiological SIR (susceptible-infected-recovered) model with the war dynamics Lanchester model to explore the dual influence of war and pandemic on a population's mortality. Moreover, we consider a dual-use military and civil healthcare system that aims to reduce the overall mortality rate which can use different administration policies. Using an agent-based simulation to generate in silico data, we trained a deep reinforcement learning model for healthcare administration policy and conducted an intensive investigation on its performance. Our results show that a pandemic during war conduces chaotic dynamics where the healthcare system should either prioritize war-injured soldiers or pandemic-infected civilians based on the immediate amount of mortality from each option, ignoring long-term objectives. Our findings highlight the importance of integrating conflict-related factors into epidemic modeling to enhance preparedness and response strategies in conflict-affected areas.
- Abstract（参考訳）: 戦争やパンデミックを含む大規模な危機は、人類の歴史を何度も形作ってきた。
戦争中に拡散する流行のダイナミクスを理解することは、複雑な紛争地帯における効果的な封じ込め戦略の開発に不可欠である。
様々な環境で疫病モデルを調査してきたが、疫病のダイナミクスに対する戦争の影響は未解明のままである。
本研究では,疫学的SIR(susceptible-infected-recovered)モデルと戦争力学ランチェスターモデルを統合した新しい数学的モデルを提案し,戦争とパンデミックの二重影響が人口死亡に与える影響について検討した。
さらに,異なる行政方針を活用可能な総合的な死亡率の削減を目的とした,二重用途の軍用医療・民用医療システムについて検討する。
エージェントによるシリコデータ生成シミュレーションを用いて,医療行政政策のための深層強化学習モデルを訓練し,その性能について集中的な調査を行った。
以上の結果から、戦時中のパンデミックは、医療制度が戦争に苦しむ兵士や、パンデミックに感染した民間人をそれぞれの選択肢から即時死傷量に基づいて優先順位付けし、長期的目標を無視したカオス的ダイナミクスを導出することを示した。
本研究は、コンフリクト関連因子を疫病モデルに統合し、コンフリクトに影響を及ぼす地域における準備と対応戦略を強化することの重要性を強調した。
関連論文リスト
- Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳（メタデータ） (2024-07-28T02:42:36Z) - First 100 days of pandemic; an interplay of pharmaceutical, behavioral
and digital interventions -- A study using agent based modeling [14.192977334409104]
我々は、現実的な薬品、行動、デジタル介入をシミュレートし、現実の政策導入における課題を反映する。
本分析の結果,パンデミックの進行過程を決定する上で,最初の100日間が重要な役割を担っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-01-09T19:38:59Z) - 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) - 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) - The impact of spatio-temporal travel distance on epidemics using an
interpretable attention-based sequence-to-sequence model [2.203043417301343]
距離の異なる旅行者の数量と、新型コロナウイルス(COVID-19)の軌跡との間には、強い関係がある。
異なる移動距離における人口移動の地理的変動が流行のダイナミクスに与える影響を明らかにする。
論文 参考訳（メタデータ） (2022-05-26T08:24:35Z) - 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) - 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) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳（メタデータ） (2020-10-28T10:58:59Z) - 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) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z) - Deep reinforcement learning for large-scale epidemic control [0.3694429692322631]
本研究では,パンデミックインフルエンザの予防戦略を自動学習するための深層強化学習手法について検討する。
我々のモデルは、強化学習技術が実現できるように、複雑さと計算効率のバランスをとる。
この実験により, 大規模状態空間を持つ複雑な疫学モデルにおいて, 深層強化学習を用いて緩和策を学習できることが示唆された。
論文 参考訳（メタデータ） (2020-03-30T17:57:09Z)
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。