論文の概要: CompARE: A Computational framework for Airborne Respiratory disease Evaluation integrating flow physics and human behavior
- arxiv url: http://arxiv.org/abs/2511.21782v1
- Date: Wed, 26 Nov 2025 12:53:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-01 19:47:55.235409
- Title: CompARE: A Computational framework for Airborne Respiratory disease Evaluation integrating flow physics and human behavior
- Title（参考訳）: CompARE: 流体物理と人間の行動を統合した空中呼吸障害評価のための計算フレームワーク
- Authors: Fong Yew Leong, Jaeyoung Kwak, Zhengwei Ge, Chin Chun Ooi, Siew-Wai Fong, Matthew Zirui Tay, Hua Qian, Chang Wei Kang, Wentong Cai, Hongying Li,
- Abstract要約: 共同配置された個人間の屋内空気伝達のリスクは一般に一様ではない。
本報告では,室内空気感染のリスク評価フレームワークであるCompAREについて述べる。
- 参考スコア（独自算出の注目度）: 4.272788079372737
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The risk of indoor airborne transmission among co-located individuals is generally non-uniform, which remains a critical challenge for public health modelling. Thus, we present CompARE, an integrated risk assessment framework for indoor airborne disease transmission that reveals a striking bimodal distribution of infection risk driven by airflow dynamics and human behavior. Combining computational fluid dynamics (CFD), machine learning (ML), and agent-based modeling (ABM), our model captures the complex interplay between aerosol transport, human mobility, and environmental context. Based on a prototypical childcare center, our approach quantifies how incorporation of ABM can unveil significantly different infection risk profiles across agents, with more than two-fold change in risk of infection between the individuals with the lowest and highest risks in more than 90% of cases, despite all individuals being in the same overall environment. We found that infection risk distributions can exhibit not only a striking bimodal pattern in certain activities but also exponential decay and fat-tailed behavior in others. Specifically, we identify low-risk modes arising from source containment, as well as high-risk tails from prolonged close contact. Our approach enables near-real-time scenario analysis and provides policy-relevant quantitative insights into how ventilation design, spatial layout, and social distancing policies can mitigate transmission risk. These findings challenge simple distance-based heuristics and support the design of targeted, evidence-based interventions in high-occupancy indoor settings.
- Abstract（参考訳）: 共同配置された個人間の屋内空気感染のリスクは一般的に一様ではなく、公衆衛生モデルにとって重要な課題である。
そこで本研究では,空気流動態と人的行動によって引き起こされる感染リスクの顕著なバイモーダル分布を明らかにする,室内空気感染のリスク評価フレームワークであるCompAREを提案する。
計算流体力学(CFD)、機械学習(ML)、エージェントベースモデリング(ABM)を組み合わせることで,エアロゾル輸送,人体移動,環境コンテキストの複雑な相互作用を捉える。
本研究は, ABM の法人化によって, 感染リスクのリスクが, 感染リスクの2倍以上に変化し, 感染リスクが90%以上であるにもかかわらず, 全体の環境が同じであるにもかかわらず, 感染リスクの2倍以上に変化することが示唆された。
感染リスク分布は,特定の活動において顕著なバイモーダルパターンを示すだけでなく,他の活動において指数関数的崩壊や脂肪尾の挙動を示すことが判明した。
具体的には、ソース封じ込めによる低リスクモードと、長時間の近接接触による高リスクテールを同定する。
提案手法は, ほぼリアルタイムなシナリオ分析を可能にし, 換気設計, 空間配置, ソーシャルディスタンシングポリシが伝達リスクを軽減する方法について, 政策関連定量的知見を提供する。
これらの知見は、単純な距離に基づくヒューリスティックスに挑戦し、高占有の屋内環境における標的的、エビデンスに基づく介入の設計を支援する。
関連論文リスト
- Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models [70.64969663547703]
AdaCVDは、英国バイオバンクから50万人以上の参加者を対象に、大規模な言語モデルに基づいて構築された適応可能なCVDリスク予測フレームワークである。
包括的かつ可変的な患者情報を柔軟に取り込み、構造化データと非構造化テキストの両方をシームレスに統合し、最小限の追加データを使用して新規患者の集団に迅速に適応する。
論文 参考訳（メタデータ） (2025-05-30T14:42:02Z) - CRISP-NAM: Competing Risks Interpretable Survival Prediction with Neural Additive Models [0.22940141855172033]
CRISP-NAMは、競合するリスクサバイバル分析のための解釈可能なニューラル加算モデルである。
各機能は、専用ニューラルネットワークによるリスク推定に独立して寄与する。
既存のアプローチと比較して,複数のデータセット上での競合性能を実証する。
論文 参考訳（メタデータ） (2025-05-27T15:52:15Z) - 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) - Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance
of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。
我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。
スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文 参考訳（メタデータ） (2023-07-28T08:01:05Z) - Two steps to risk sensitivity [4.974890682815778]
条件付きバリュー・アット・リスク(CVaR)は、人間と動物の計画のモデル化のためのリスク尺度である。
CVaRに対する従来の分布的アプローチを逐次的に導入し、人間の意思決定者の選択を再分析する。
次に,リスク感度,すなわち時間的整合性,さらに重要な特性について考察し,CVaRの代替案を示す。
論文 参考訳（メタデータ） (2021-11-12T16:27:47Z) - Towards Accurate Spatiotemporal COVID-19 Risk Scores using High
Resolution Real-World Mobility Data [15.302926747159557]
比較的細かい空間的および時間的リスクスコアを割り当てるHawkesプロセスベースの技術を開発する。
位置密度と移動行動に基づくリスクスコアの開発に重点を置いている。
以上の結果から,高分解能モビリティデータに基づく細粒度リスクスコアは,有用な洞察を提供し,安全に再オープンできることが示された。
論文 参考訳（メタデータ） (2020-12-14T06:31:28Z) - Infection Risk Score: Identifying the risk of infection propagation
based on human contact [4.080171822768553]
我々は,ヒトの接触による感染リスクを推定する感染リスクスコアを導入する。
実世界の人間接触データを用いて,提案したリスクスコアが,人口のリスクレベルを現実的に推定できることを示す。
論文 参考訳（メタデータ） (2020-09-26T13:25:06Z) - 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) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z)
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。