論文の概要: Forecasting Coccidioidomycosis (Valley Fever) in Arizona: A Graph Neural Network Approach
- arxiv url: http://arxiv.org/abs/2507.10014v1
- Date: Mon, 14 Jul 2025 07:50:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:24.479661
- Title: Forecasting Coccidioidomycosis (Valley Fever) in Arizona: A Graph Neural Network Approach
- Title（参考訳）: アリゾナ州におけるCoccidioidomycosis(Valley Fever)の予測 : グラフニューラルネットワークによるアプローチ
- Authors: Ali Sarabi, Arash Sarabi, Hao Yan, Beckett Sterner, Petar Jevtić,
- Abstract要約: コクシディオイドマイコシス(英: Coccidioidomycosis)、通称バレー・フィーバー(英: Valley Fever)は、アメリカ合衆国において重要な公衆衛生上の問題である。
本研究では,アリゾナにおけるバレーフェバーの発生を予測するための最初のグラフニューラルネットワーク(GNN)モデルを開発した。
- 参考スコア（独自算出の注目度）: 7.124477581549397
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coccidioidomycosis, commonly known as Valley Fever, remains a significant public health concern in endemic regions of the southwestern United States. This study develops the first graph neural network (GNN) model for forecasting Valley Fever incidence in Arizona. The model integrates surveillance case data with environmental predictors using graph structures, including soil conditions, atmospheric variables, agricultural indicators, and air quality metrics. Our approach explores correlation-based relationships among variables influencing disease transmission. The model captures critical delays in disease progression through lagged effects, enhancing its capacity to reflect complex temporal dependencies in disease ecology. Results demonstrate that the GNN architecture effectively models Valley Fever trends and provides insights into key environmental drivers of disease incidence. These findings can inform early warning systems and guide resource allocation for disease prevention efforts in high-risk areas.
- Abstract（参考訳）: コシジオイドマイコシス(英: Coccidioidomycosis)、通称バレー・フィーバー(英: Valley Fever)は、アメリカ合衆国南西部の内科領域において重要な公衆衛生上の問題である。
本研究では,アリゾナにおけるバレーフェバーの発生を予測するための最初のグラフニューラルネットワーク(GNN)モデルを開発した。
このモデルは、土壌条件、大気変数、農業指標、大気質指標などのグラフ構造を用いて、監視ケースデータを環境予測器と統合する。
本研究は,疾患伝達に影響を与える変数間の相関に基づく関係について検討する。
このモデルは、ラガー効果による疾患進行の重要な遅延を捉え、疾患生態学における複雑な時間的依存関係を反映する能力を高める。
その結果、GNNアーキテクチャはバレー・フィーバーのトレンドを効果的にモデル化し、疾患発生の鍵となる環境要因についての洞察を提供することがわかった。
これらの知見は、早期警戒システムや、高リスク地域における疾病予防のための資源配分の指針となる。
関連論文リスト
- Epidemic-guided deep learning for spatiotemporal forecasting of Tuberculosis outbreak [0.0]
本稿では,先進的な深層学習技術と機械的疫学の原則を融合させるEGDL手法を提案する。
我々のフレームワークは、飽和入射率とグラフラプラシア拡散を付加したネットワーク化された感受性-感染-回復モデル(MN-SIR)に基づいて構築されている。
全国47都道府県と中国本土31県で実施したTB頻度データから,本手法が堅牢かつ正確な予測を行うことを示す。
論文 参考訳（メタデータ） (2025-02-15T12:39:42Z) - Epidemiology-informed Graph Neural Network for Heterogeneity-aware Epidemic Forecasting [46.63739322178277]
最近の研究では、異種時相の流行パターンを抽出する際の時空間ニューラルネットワーク(STGNN)の強い可能性を示している。
HeatGNNは、疫学的にインフォームドされた場所を、時間とともに自分自身の伝達メカニズムを反映するさまざまな場所に埋め込むことを学ぶ。
HeatGNNは、HeatHeatのさまざまな強力なベースラインを異なるサイズで上回る。
論文 参考訳（メタデータ） (2024-11-26T12:29:45Z) - 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) - Epicasting: An Ensemble Wavelet Neural Network (EWNet) for Forecasting
Epidemics [2.705025060422369]
感染性疾患は、世界中でヒトの病気や死亡の原因となっている。
感染拡大の予測は、利害関係者が目の前の状況に対処するのに役立つ。
論文 参考訳（メタデータ） (2022-06-21T19:31:25Z) - An integrated recurrent neural network and regression model with spatial
and climatic couplings for vector-borne disease dynamics [4.254099382808598]
本研究は,病原性疾患の進展に対するニューラルネットワークと非線形回帰モデルを構築した。
我々は、気候データの季節性や、昆虫(ハエなど)と相関する外部要因として、また、関心のある地域を囲む近隣地域からの感染を考慮に入れている。
統合モデルは、2013年から2018年にかけてスリランカで発生したリーシュ・マニアシスデータに基づいて、神経側頭葉の降下によって訓練され、試験された。
論文 参考訳（メタデータ） (2022-01-23T23:04:58Z) - 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) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳（メタデータ） (2021-03-14T17:56:17Z) - 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) - 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) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。