論文の概要: Mining Citywide Dengue Spread Patterns in Singapore Through Hotspot Dynamics from Open Web Data

• arxiv url: http://arxiv.org/abs/2601.12856v1
• Date: Mon, 19 Jan 2026 09:10:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.826206
• Title: Mining Citywide Dengue Spread Patterns in Singapore Through Hotspot Dynamics from Open Web Data
• Title（参考訳）: オープンなWebデータからホットスポットのダイナミクスを通して、シンガポールの都市全域でデング・スプレッドパターンをマイニングする
• Authors: Liping Huang, Gaoxi Xiao, Stefan Ma, Hechang Chen, Shisong Tang, Flora Salim,
• Abstract要約: デングは、都市部、特にシンガポールなどの熱帯地域で、引き続き公衆衛生上の課題に直面している。 本研究は,公用デング事例データから直接抽出した都市部間の遅延伝送リンクを明らかにする新しい枠組みを提案する。
• 参考スコア（独自算出の注目度）: 13.39497094708001
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dengue, a mosquito-borne disease, continues to pose a persistent public health challenge in urban areas, particularly in tropical regions such as Singapore. Effective and affordable control requires anticipating where transmission risks are likely to emerge so that interventions can be deployed proactively rather than reactively. This study introduces a novel framework that uncovers and exploits latent transmission links between urban regions, mined directly from publicly available dengue case data. Instead of treating cases as isolated reports, we model how hotspot formation in one area is influenced by epidemic dynamics in neighboring regions. While mosquito movement is highly localized, long-distance transmission is often driven by human mobility, and in our case study, the learned network aligns closely with commuting flows, providing an interpretable explanation for citywide spread. These hidden links are optimized through gradient descent and used not only to forecast hotspot status but also to verify the consistency of spreading patterns, by examining the stability of the inferred network across consecutive weeks. Case studies on Singapore during 2013-2018 and 2020 show that four weeks of hotspot history are sufficient to achieve an average F-score of 0.79. Importantly, the learned transmission links align with commuting flows, highlighting the interpretable interplay between hidden epidemic spread and human mobility. By shifting from simply reporting dengue cases to mining and validating hidden spreading dynamics, this work transforms open web-based case data into a predictive and explanatory resource. The proposed framework advances epidemic modeling while providing a scalable, low-cost tool for public health planning, early intervention, and urban resilience.
• Abstract（参考訳）: 蚊を媒介とするデングは、特にシンガポールなどの熱帯地域では、都市部で公衆衛生上の課題が続いている。 効果的で手頃な価格の制御には、感染リスクが出現する可能性のある場所を予測する必要があるため、介入を反応的にではなく積極的に展開することができる。 本研究は,公用デング事例データから直接抽出した都市部間の潜伏送電網を解明し,活用する新しい枠組みを提案する。 ケースを独立した報告として扱う代わりに、近隣地域での流行のダイナミクスによって、ある地域でのホットスポットの形成がどのように影響するかをモデル化する。 蚊の移動は高度に局所化されているが、長距離の移動はしばしば人間の移動によって駆動され、このケーススタディでは、学習ネットワークは通勤の流れと密接に一致し、都市全体に広がることの解釈可能な説明を提供する。 これらの隠れリンクは勾配降下によって最適化され、ホットスポット状態の予測だけでなく、連続した数週間にわたって推論されたネットワークの安定性を調べることによって、拡散パターンの一貫性を検証するためにも使われる。 2013-2018年と2020年のシンガポールでのケーススタディでは、ホットスポットの歴史の4週間は平均的なFスコア0.79を達成するのに十分であることが示された。 重要なことは、学習された送信リンクは通勤の流れと一致し、隠れた伝染病と人間の移動性の間の解釈可能な相互作用を強調している。 単にデングケースを報告することから、隠れた拡散ダイナミクスのマイニングと検証に移行することで、オープンなWebベースのケースデータを予測的かつ説明的なリソースに変換する。 このフレームワークは、公衆衛生計画、早期介入、都市レジリエンスのためのスケーラブルで低コストなツールを提供しながら、流行のモデリングを推進している。

関連論文リスト

• MiCA: A Mobility-Informed Causal Adapter for Lightweight Epidemic Forecasting [7.767240728772616]
  移動データはノイズが多く、間接的であり、病気の記録と確実に統合することは困難である。 流行予測のための軽量モジュールであるMICA(Mobility-Informed Causal Adapter)を提案する。 MiCAは因果発見を通じてモビリティ関係を推論し、時間的予測モデルに統合する。
  論文  参考訳（メタデータ） (2026-01-16T08:41:06Z)
• 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)
• The impact of spatio-temporal travel distance on epidemics using an interpretable attention-based sequence-to-sequence model [2.203043417301343]
  距離の異なる旅行者の数量と、新型コロナウイルス(COVID-19)の軌跡との間には、強い関係がある。 異なる移動距離における人口移動の地理的変動が流行のダイナミクスに与える影響を明らかにする。
  論文  参考訳（メタデータ） (2022-05-26T08:24:35Z)
• Exploring the Scope and Potential of Local Newspaper-based Dengue Surveillance in Bangladesh [1.181206257787103]
  デング熱は21世紀の公衆衛生問題の一つと考えられている。 このような地域では、監視のきめ細かいレベルを強制することは、非常に不可能である。 進行中の状況をタイムリーに更新できる代替のコスト効果ソリューションを探究することが不可欠である。
  論文  参考訳（メタデータ） (2021-07-07T18:48:15Z)
• Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
  疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。 本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。 深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
  論文  参考訳（メタデータ） (2021-05-31T19:28:17Z)
• Policy-Aware Mobility Model Explains the Growth of COVID-19 in Cities [36.94575237918065]
  新型コロナウイルスの感染拡大を遅らせるためには、非医薬品の介入を考慮する必要がある。 都市内モビリティと政策導入を新しいメタポピュレーションSEIRモデルに組み込むことで、米国の都市における複雑なCOVID-19成長パターンを正確に予測できることを示す。
  論文  参考訳（メタデータ） (2021-02-21T07:39:17Z)
• C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods Ahead of COVID-19 Outbreak [54.39837683016444]
  C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。 C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。 新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
  論文  参考訳（メタデータ） (2020-12-22T17:02:54Z)
• 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)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• Quantifying the Effects of Contact Tracing, Testing, and Containment Measures in the Presence of Infection Hotspots [18.227721607607183]
  複数の証拠は、一人が他の多くの人に感染するホットスポットが、新型コロナウイルスの感染動態において重要な役割を担っていることを強く示唆している。 個人が接触し、互いに感染するサイトへの訪問を具体的に表現する、時間的ポイントプロセスモデリングフレームワークを導入する。 我々のモデルでは、自然に感染した個体によって引き起こされる感染の数が過度に分散する。
  論文  参考訳（メタデータ） (2020-04-15T17:18:32Z)

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。