論文の概要: Forecasting Occupational Survivability of Rickshaw Pullers in a Changing Climate with Wearable Data
- arxiv url: http://arxiv.org/abs/2511.00081v1
- Date: Wed, 29 Oct 2025 19:52:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 16:37:26.569869
- Title: Forecasting Occupational Survivability of Rickshaw Pullers in a Changing Climate with Wearable Data
- Title（参考訳）: ウェアラブルデータを用いた変質気候におけるRickshaw Pullersの職業生存予測
- Authors: Masfiqur Rahaman, Maoyejatun Hasana, Shahad Shahriar Rahman, MD Sajid Mostafiz Noor, Razin Reaz Abedin, Md Toki Tahmid, Duncan Watson Parris, Tanzeem Choudhury, A. B. M. Alim Al Islam, Tauhidur Rahman,
- Abstract要約: サイクル・リックショー・プルアーは極端な熱に対して非常に弱いが、生理的バイオマーカーがそのような条件下でどのように反応するかは分かっていない。
本研究はバングラデシュのダッカにある100個のリキュールトリガーのウェアラブルセンサーを用いて、リアルタイムの天気と生理的データを収集した。
- 参考スコア（独自算出の注目度）: 7.655187232135156
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Cycle rickshaw pullers are highly vulnerable to extreme heat, yet little is known about how their physiological biomarkers respond under such conditions. This study collected real-time weather and physiological data using wearable sensors from 100 rickshaw pullers in Dhaka, Bangladesh. In addition, interviews with 12 pullers explored their knowledge, perceptions, and experiences related to climate change. We developed a Linear Gaussian Bayesian Network (LGBN) regression model to predict key physiological biomarkers based on activity, weather, and demographic features. The model achieved normalized mean absolute error values of 0.82, 0.47, 0.65, and 0.67 for skin temperature, relative cardiac cost, skin conductance response, and skin conductance level, respectively. Using projections from 18 CMIP6 climate models, we layered the LGBN on future climate forecasts to analyze survivability for current (2023-2025) and future years (2026-2100). Based on thresholds of WBGT above 31.1{\deg}C and skin temperature above 35{\deg}C, 32% of rickshaw pullers already face high heat exposure risk. By 2026-2030, this percentage may rise to 37% with average exposure lasting nearly 12 minutes, or about two-thirds of the trip duration. A thematic analysis of interviews complements these findings, showing that rickshaw pullers recognize their increasing climate vulnerability and express concern about its effects on health and occupational survivability.
- Abstract（参考訳）: サイクル・リックショー・プルアーは極端な熱に対して非常に弱いが、生理的バイオマーカーがそのような条件下でどのように反応するかは分かっていない。
本研究はバングラデシュのダッカにある100個のリキュールトリガーのウェアラブルセンサーを用いて、リアルタイムの天気と生理的データを収集した。
さらに、12人の引っ張り手へのインタビューは、気候変動に関する知識、認識、経験を探求した。
我々は,活動,天候,人口動態から重要な生理的バイオマーカーを予測するために,線形ガウスベイズネットワーク(LGBN)回帰モデルを開発した。
平均絶対誤差値は0.82,0.47,0.65,0.67であった。
気候モデル18 CMIP6 の予測を用いて,LGBN を将来の気候予測に重層化し,現在の (2023-2025) と将来の (2026-2100) の生存可能性を分析した。
31.1{\deg}C以上のWBGTのしきい値と35{\deg}C以上の皮膚温度に基づいて、リックショープルラーの32%はすでに高い熱暴露リスクに直面している。
2026-2030年までに、この割合は37%まで上昇し、平均被曝時間は12分近く、または旅行時間の約3分の2に達する。
インタビューのテーマ分析はこれらの知見を補完し、リックショーの引力は気候の脆弱性の増加を認識し、健康と職業の生存可能性にその影響について懸念を表明していることを示している。
関連論文リスト
- Attention-Enhanced LSTM Modeling for Improved Temperature and Rainfall Forecasting in Bangladesh [0.0]
既存のモデルは、気候データにおける長距離依存や複雑な時間パターンを捉えるのに苦労することが多い。
本研究では,長期記憶モデル(LSTM)を注意機構と統合し,気温と降雨の動態を予測する手法を提案する。
論文 参考訳（メタデータ） (2025-10-12T17:03:45Z) - Maximum Temperature Prediction Using Remote Sensing Data Via Convolutional Neural Network [0.11249583407496218]
本研究では,Sentinel-3衛星からのデータと気象予報,リモートセンシング入力を併用する新しい機械学習モデルを提案する。
実験の結果、2023年の平均絶対誤差(MAE)は209°Cで、解像度は1ピクセルあたり20mである。
論文 参考訳（メタデータ） (2024-05-31T09:39:41Z) - OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。
1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
論文 参考訳（メタデータ） (2024-05-12T09:32:40Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Towards Clinical Prediction with Transparency: An Explainable AI
Approach to Survival Modelling in Residential Aged Care [0.0]
この研究は、機械学習を用いて高齢者ケアの生存モデルを作成し、死亡リスク要因に関する臨床的知見と一致させる。
主な死亡率予測には、年齢、男性性、移動性、健康状態、圧力潰瘍リスク、食欲などが含まれる。
論文 参考訳（メタデータ） (2023-12-01T01:11:16Z) - CMIP X-MOS: Improving Climate Models with Extreme Model Output
Statistics [40.517778024431244]
自然災害リスクの予測を改善するために, エクストリームモデル出力統計(X-MOS)を導入する。
この手法は, 気象観測所から得られた実測値にCMIPモデル出力を正確にマッピングするために, 深部回帰手法を用いる。
これまでの研究とは対照的に,本研究では,将来の気候パラメータ分布の尾部推定の強化に重点を置いている。
論文 参考訳（メタデータ） (2023-10-24T13:18:53Z) - Transferring climate change physical knowledge [13.529445977186635]
本研究では,地球系モデルによりシミュレーションされた地球温度マップから得られた知識を最適に活用し,マージするために機械学習が利用できることを示す。
我々は最先端のアプローチに関して50%以上の不確実性削減に達している。
論文 参考訳（メタデータ） (2023-09-26T09:24:53Z) - Forecasting COVID-19 Case Counts Based on 2020 Ontario Data [3.04585143845864]
我々は,過去14日間の環境・移動データから1日当たりのCOVID-19感染者数を予測できる機械学習モデルを開発した。
本研究は,新型コロナウイルスなどのウイルスの感染に対する室内湿度の重要性を示唆するものである。
論文 参考訳（メタデータ） (2023-03-18T00:19:43Z) - Exploring Social Media for Early Detection of Depression in COVID-19
Patients [44.76299288962596]
早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。
我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。
うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
論文 参考訳（メタデータ） (2023-02-23T14:13:52Z) - Disentangling the Roles of Curation, Data-Augmentation and the Prior in
the Cold Posterior Effect [45.46732383818331]
コールド後部効果(CPE)は、ベイズニューラルネットワークの予測性能を著しく改善できるという不快な観察を記述している。
冷後効果に関する既存の説明に関係のある,新規かつ曖昧な証拠を提示する。
以上の結果から,CPEは合成キュレーション,データ拡張,不良前駆体から分離される可能性が示唆された。
論文 参考訳（メタデータ） (2021-06-11T20:04:20Z)
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。