論文の概要: Graph Learning for Bidirectional Disease Contact Tracing on Real Human Mobility Data

• arxiv url: http://arxiv.org/abs/2501.18531v1
• Date: Thu, 30 Jan 2025 17:57:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-31 15:13:51.298495
• Title: Graph Learning for Bidirectional Disease Contact Tracing on Real Human Mobility Data
• Title（参考訳）: リアル・ヒューマン・モビリティ・データを用いた双方向性疾患接触追跡のためのグラフ学習
• Authors: Sofia Hurtado, Radu Marculescu,
• Abstract要約: Infectious Path Centrality Network Metricsを導入し、重要な送信イベントを識別する。 また、双方向接触追跡についても検討し、遡及的にも積極的にも個人を隔離する。 以上の結果から, 症状患者の30%しか検査されない場合, 双方向追跡は感染性有効再生率を71%低下させる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 7.237822612572237
• License:
• Abstract: For rapidly spreading diseases where many cases show no symptoms, swift and effective contact tracing is essential. While exposure notification applications provide alerts on potential exposures, a fully automated system is needed to track the infectious transmission routes. To this end, our research leverages large-scale contact networks from real human mobility data to identify the path of transmission. More precisely, we introduce a new Infectious Path Centrality network metric that informs a graph learning edge classifier to identify important transmission events, achieving an F1-score of 94%. Additionally, we explore bidirectional contact tracing, which quarantines individuals both retroactively and proactively, and compare its effectiveness against traditional forward tracing, which only isolates individuals after testing positive. Our results indicate that when only 30% of symptomatic individuals are tested, bidirectional tracing can reduce infectious effective reproduction rate by 71%, thus significantly controlling the outbreak.
• Abstract（参考訳）: 症状のない疾患が急速に広まるためには、迅速かつ効果的な接触追跡が不可欠である。 露光通知アプリケーションは潜在的な露光の警告を提供するが、感染経路を追跡するには完全自動化されたシステムが必要である。 この目的のために,本研究では,実際の人体移動データから大規模接触ネットワークを活用し,伝送経路を同定する。 より正確には、グラフ学習エッジ分類器に重要な送信イベントを特定するための新しいInfectious Path Centralityネットワークメトリクスを導入し、F1スコアの94%を達成した。 さらに,両方向の接触追跡について検討し,前向きかつ逆向きに個人を隔離し,その効果を従来の前方追跡と比較した。 以上の結果から, 症状患者の30%しか検査されない場合, 双方向追跡は感染性効果的な再生率を71%低下させ, 発生を著しく抑制できることがわかった。

関連論文リスト

• DNA: Differentially private Neural Augmentation for contact tracing [62.740950398187664]
  接触追跡はウイルスキャリアの早期検出による感染率の低下に有効な方法である。 我々は、分散化された接触追跡において、最先端技術のプライバシー保証を大幅に改善する。 この作業は、重要なプライバシー保証を維持しながら、ディープラーニングをコンタクトトレースに統合する上で、重要な第一歩となる。
  論文  参考訳（メタデータ） (2024-04-20T13:43:28Z)
• Identifying Suitable Tasks for Inductive Transfer Through the Analysis of Feature Attributions [78.55044112903148]
  我々は、単一タスクモデル間のニューラルネットワークアクティベーションの比較を通じて、タスクペアが相補的になるかどうかを予測するために、説明可能性技術を使用する。 提案手法により,TREC-IS 2020-Aデータセットでは,正のクラスF1の0.034の削減に留まらず,最大83.5%のトレーニング時間を短縮することが可能である。
  論文  参考訳（メタデータ） (2022-02-02T15:51:07Z)
• TsFeX: Contact Tracing Model using Time Series Feature Extraction and Gradient Boosting [0.0]
  本研究は、新型コロナウイルスに感染した他人と接触した可能性がある個人を識別する自動機械学習システムを提案する。 本稿では、感染した人物に近づいたかどうかを効果的に予測する最適解モデルにたどり着く際のアプローチについて述べる。
  論文  参考訳（メタデータ） (2021-11-29T11:12:38Z)
• Epidemic Management and Control Through Risk-Dependent Individual Contact Interventions [1.1439420412899566]
  テスト、接触追跡、隔離(TTI)は、大規模な実装が困難である疫病管理と制御のアプローチである。 ここでは、接触ネットワーク上でデータ同化(DA)を使用するTTIおよび露出通知アプリのスケーラブルな改善を示す。
  論文  参考訳（メタデータ） (2021-09-22T18:39:10Z)
• Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
  大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。 プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。 本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
  論文  参考訳（メタデータ） (2020-10-23T17:06:07Z)
• Modelling Memory for Individual Re-identification in Decentralised Mobile Contact Tracing Applications [3.390388295995944]
  本研究は,ヒトの接点群における正の個体の同定が可能であり,正の個体の社会性が低い場合には,さらに容易であることを示す。 シミュレーションの結果,シナリオによっては90%以上の精度で識別が可能であることが示唆された。
  論文  参考訳（メタデータ） (2020-10-12T08:10:54Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs [49.32653090178743]
  畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。 CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。 深層学習に基づく手法が古典的アプローチより優れていることが実証された。
  論文  参考訳（メタデータ） (2020-08-05T08:49:20Z)
• Continuous Learning and Inference of Individual Probability of SARS-CoV-2 Infection Based on Interaction Data [0.0]
  本研究は,SARS-CoV-2ウイルスの非感染性キャリアーの確率を,対話型連続学習と,感染性ランキングのための個別確率推定(CLIIP)を用いて決定する新しい手法を提案する。 従来の接触追跡法と比較して,非血縁性ウイルスキャリアーの探索に必要なスクリーニングと検疫を最大94%削減する。
  論文  参考訳（メタデータ） (2020-06-08T14:52:04Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。