Fugu-MT 論文翻訳(概要): Determinants of Human Development Index (HDI): A Regression Analysis of Economic and Social Indicators

論文の概要: Determinants of Human Development Index (HDI): A Regression Analysis of Economic and Social Indicators

arxiv url: http://arxiv.org/abs/2502.00006v1
Date: Mon, 06 Jan 2025 16:55:32 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-09 06:44:30.164489
Title: Determinants of Human Development Index (HDI): A Regression Analysis of Economic and Social Indicators
Title（参考訳）: ヒューマン・デベロップメント・インデックス(HDI)の決定要因 : 経済・社会指標の回帰分析
Authors: Kuldeep Singh, Sumanth Cheemalapati, Srikanth Reddy RamiReddy, George Kurian, Prathamesh Muzumdar, Apoorva Muley,
Abstract要約: 1人当たりのGDP、健康費、教育費、幼児死亡率、学業平均年数など5つの変数が分析された。その結果, 一人当たりGDP, 幼児死亡率, 学年平均がHDIの有意な予測因子であることが示唆された。
参考スコア（独自算出の注目度）: 1.8111304638456796
License:
Abstract: This study aims to investigate the factors influencing the Human Development Index (HDI). Five variables-GDP per capita, health expenditure, education expenditure, infant mortality rate (per 1,000 live births), and average years of schooling-were analyzed to develop a regression model assessing their impact on HDI. The results indicate that GDP per capita, infant mortality rate, and average years of schooling are significant predictors of HDI. Specifically, the study finds a positive relationship between GDP per capita and average years of schooling with HDI, while infant mortality rate is negatively associated with HDI.
Abstract（参考訳）: 本研究では,Human Development Index(HDI)に影響を与える要因について検討する。 1人当たりGDP、健康費、教育費、乳幼児死亡率(生後1000人あたり)、就学平均年数分析を行い、HDIへの影響を評価する回帰モデルを開発した。その結果, 一人当たりGDP, 幼児死亡率, 学年平均がHDIの有意な予測因子であることが示唆された。具体的には、一人当たりGDPとHDIの就学平均年数との間に有意な相関がみられ、乳児死亡率はHDIと負の関連がある。

関連論文リスト

Analysis of Premature Death Rates in Texas Counties: The Impact of Air Quality, Socioeconomic Factors, and COPD Prevalence [0.0]
統計的分析およびモデリング手法を用いて,大気質(PM2.5レベル),社会経済的要因(中間世帯所得),健康状態(COPD有病率)の影響を解析した。以上の結果から, COPDは早期死亡率の予測因子として有病率が高く, 有病年数の増加に伴う死亡率の上昇が示唆された。
論文参考訳（メタデータ） (2024-12-27T18:12:04Z)
Integrating Social Determinants of Health into Knowledge Graphs: Evaluating Prediction Bias and Fairness in Healthcare [47.23120247002356]
健康の社会的決定因子(SDoH)は、患者の健康結果において重要な役割を担っているが、そのバイオメディカル知識グラフへの統合は未解明のままである。本研究では,MIMIC-IIIデータセットとPrimeKGを用いて,SDoHに富んだ知識グラフを構築することにより,このギャップを解消する。
論文参考訳（メタデータ） (2024-11-29T20:35:01Z)
Swin fMRI Transformer Predicts Early Neurodevelopmental Outcomes from Neonatal fMRI [0.20482269513546453]
この期間の発達結果の正確な予測は、遅延を特定し、タイムリーな介入を可能にするために不可欠である。本研究では,新生児のfMRIを用いた結果の予測を目的としたSwiFT(Swin 4D fMRI Transformer)モデルを提案する。分析の結果,SwiFTは認知,運動,言語結果の予測において,ベースラインモデルよりも有意に優れていた。
論文参考訳（メタデータ） (2024-11-25T12:20:07Z)
LoCI-DiffCom: Longitudinal Consistency-Informed Diffusion Model for 3D Infant Brain Image Completion [45.361733575664886]
乳児の脳画像補完のための新しい長周期インフォームド拡散モデルであるLoCI-DiffComを提案する。提案手法は,コンテキスト認識の整合性を確保しつつ,個別化された発達特徴を抽出することができる。
論文参考訳（メタデータ） (2024-05-17T10:53:40Z)
Machine Learning Predicts Upper Secondary Education Dropout as Early as the End of Primary School [0.0]
本研究は、幼稚園から9年生までのデータを含む13年間の縦断データセットを用いて、モデリングの地平を広げた。本手法は,学生の学術的・認知的スキル,モチベーション,行動,幸福感,公式記録されたドロップアウトデータなど,幅広いパラメータを取り入れた。本研究で開発された機械学習モデルでは, 曲線(AUC)の平均面積が0.61まで, 改善されたAUCは0.65まで, グレード9まで, 顕著な分類能力を示した。
論文参考訳（メタデータ） (2024-03-01T13:18:08Z)
Learning from Two Decades of Blood Pressure Data: Demography-Specific Patterns Across 75 Million Patient Encounters [3.416097871805964]
高血圧は世界的な健康上の問題であり、血圧動態の効果的なモニタリングと分析の必要性を浮き彫りにしている。米国ジョージア州のエモリー・ヘルスケアで2000年から2022年の間に収集された2,054,462名の患者75,636,128名のBPデータセットを分析した。
論文参考訳（メタデータ） (2024-02-02T17:51:49Z)
Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文参考訳（メタデータ） (2023-09-13T15:42:06Z)
Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
論文参考訳（メタデータ） (2022-12-17T23:29:14Z)
Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文参考訳（メタデータ） (2021-04-07T06:02:04Z)
The Influences of Pre-birth Factors in Early Assessment of Child Mortality using Machine Learning Techniques [0.4817429789586127]
本研究は、出生前要因である出生前履歴、母性歴史、再生履歴、社会経済状態等を、児童死亡率の分類に取り入れることを目的とする。 4つの機械学習アルゴリズムが小児死亡率の分類のために評価されている。その結果, 小児死亡率の分類においてAUCスコア0.947を達成し, 臨床基準より優れていたことが示唆された。
論文参考訳（メタデータ） (2020-11-18T20:37:55Z)
UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文参考訳（メタデータ） (2020-10-22T02:28:11Z)

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。