論文の概要: Investigating the effectiveness of multimodal data in forecasting SARS-COV-2 case surges

• arxiv url: http://arxiv.org/abs/2505.22688v2
• Date: Fri, 30 May 2025 02:18:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 12:43:13.138247
• Title: Investigating the effectiveness of multimodal data in forecasting SARS-COV-2 case surges
• Title（参考訳）: SARS-COV-2ケースサージの予測におけるマルチモーダルデータの有効性の検討
• Authors: Palur Venkata Raghuvamsi, Siyuan Brandon Loh, Prasanta Bhattacharya, Joses Ho, Raphael Lee Tze Chuen, Alvin X. Han, Sebastian Maurer-Stroh,
• Abstract要約: 新型コロナウイルス(COVID-19)のパンデミック対応は、ケースの頻度や死亡率などの重要な結果を予測するために、統計モデルと機械学習モデルに大きく依存した。 既存のほとんどのモデルは、伝統的な疫学データに基礎を置いているが、ゲノム情報や人間の行動から派生したデータセットの可能性を未発見のまま残している。 本研究は, 生物(突然変異など), 公衆衛生(事例数, 政策介入など), 人間の行動特性(移動性, ソーシャルメディアの会話など)の相対的効果を, 国レベルでのケースサージの予測において強調した。
• 参考スコア（独自算出の注目度）: 1.7265273723115717
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The COVID-19 pandemic response relied heavily on statistical and machine learning models to predict key outcomes such as case prevalence and fatality rates. These predictions were instrumental in enabling timely public health interventions that helped break transmission cycles. While most existing models are grounded in traditional epidemiological data, the potential of alternative datasets, such as those derived from genomic information and human behavior, remains underexplored. In the current study, we investigated the usefulness of diverse modalities of feature sets in predicting case surges. Our results highlight the relative effectiveness of biological (e.g., mutations), public health (e.g., case counts, policy interventions) and human behavioral features (e.g., mobility and social media conversations) in predicting country-level case surges. Importantly, we uncover considerable heterogeneity in predictive performance across countries and feature modalities, suggesting that surge prediction models may need to be tailored to specific national contexts and pandemic phases. Overall, our work highlights the value of integrating alternative data sources into existing disease surveillance frameworks to enhance the prediction of pandemic dynamics.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミック対応は、ケースの頻度や死亡率などの重要な結果を予測するために、統計モデルと機械学習モデルに大きく依存した。 これらの予測は、伝達サイクルを断ち切るのに役立つタイムリーな公衆衛生介入を可能にするのに役立った。 既存のほとんどのモデルは、伝統的な疫学データに基礎を置いているが、ゲノム情報や人間の行動から派生したデータセットの可能性を未発見のまま残している。 本研究は,ケースサージの予測における特徴量の多様性の有用性について検討した。 本研究は, 生物学的(突然変異など), 公衆衛生(事例数, 政策介入など) および人的行動的特徴(モビリティ, ソーシャルメディアの会話など) の, 国レベルでのケースサージの予測における相対的効果を強調した。 重要なことは、各国の予測性能のかなりの異質性や特徴量を明らかにし、急激な予測モデルが特定の国家状況やパンデミックの段階に合わせて調整される必要があることを示唆している。 我々の研究は、パンデミックのダイナミクスの予測を強化するために、代替データソースを既存の疾病監視フレームワークに統合する価値を強調している。

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)
• A Short Survey of Human Mobility Prediction in Epidemic Modeling from Transformers to LLMs [0.0]
  疫病の流行をモデル化するためには、人々がどう動くかを理解することが不可欠である。 人口移動の予測は、公衆衛生上の緊急時のモデルや効果的な対応計画の策定に不可欠である。 BERTやLLM(Large Language Models)のような事前訓練された言語モデルを用いて,モビリティ予測タスクに特化して,さまざまなアプローチをレビューする。
  論文  参考訳（メタデータ） (2024-04-25T17:52:19Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• 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)
• 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)
• Data-driven Simulation and Optimization for Covid-19 Exit Strategies [16.31545249131776]
  コロナウイルスSARS-2の急速な普及は、世界中のほぼ全ての政府が悲劇に対応するために徹底的な対策を講じる大きな課題である。 我々は,疫学パラメータの深層学習推定を組み合わせたパンデミックシミュレーションと予測ツールキットを構築した。
  論文  参考訳（メタデータ） (2020-06-12T11:18:25Z)
• Learning to Forecast and Forecasting to Learn from the COVID-19 Pandemic [10.796851110372593]
  疫病モデルのためのヒトの移動性を考慮した異種感染率モデルを提案する。 モデルを線形化し、重み付けされた最小二乗を用いることで、我々のモデルは変化傾向に迅速に適応できる。 疫病の初期には、旅行データを用いて予測が増加することが示されている。
  論文  参考訳（メタデータ） (2020-04-23T07:25:46Z)

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。