論文の概要: Toward World Models for Epidemiology

• arxiv url: http://arxiv.org/abs/2604.09519v1
• Date: Fri, 10 Apr 2026 17:39:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.983239
• Title: Toward World Models for Epidemiology
• Title（参考訳）: 疫学の世界モデルに向けて
• Authors: Zeeshan Memon, Yiqi Su, Christo Kurisummoottil Thomas, Walid Saad, Liang Zhao, Naren Ramakrishnan,
• Abstract要約: 我々は、計算疫学は世界モデルにとって自然で未発達の環境であると主張している。 本研究では,疫学世界モデルの概念的枠組みを導入し,疫病を制御された部分的に観察された動的システムとして定式化する。 政策関連推論に明示的な世界モデリングがなぜ必要かを示す3つのケーススタディを示す。
• 参考スコア（独自算出の注目度）: 45.965729493797824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models have emerged as a unifying paradigm for learning latent dynamics, simulating counterfactual futures, and supporting planning under uncertainty. In this paper, we argue that computational epidemiology is a natural and underdeveloped setting for world models. This is because epidemic decision-making requires reasoning about latent disease burden, imperfect and policy-dependent surveillance signals, and intervention effects are mediated by adaptive human behavior. We introduce a conceptual framework for epidemiological world models, formulating epidemics as controlled, partially observed dynamical systems in which (i) the true epidemic state is latent, (ii) observations are noisy and endogenous to policy, and (iii) interventions act as sequential actions whose effects propagate through behavioral and social feedback. We present three case studies that illustrate why explicit world modeling is necessary for policy-relevant reasoning: strategic misreporting in behavioral surveillance, systematic delays in time-lagged signals such as hospitalizations and deaths, and counterfactual intervention analysis where identical histories diverge under alternative action sequences.
• Abstract（参考訳）: 世界モデルは、潜在力学を学習し、反現実的な未来をシミュレートし、不確実性の下で計画を支援するための統一パラダイムとして登場した。 本稿では,計算疫学は世界モデルにとって自然かつ未発達の環境である,と論じる。 これは、流行の意思決定には潜伏する病気の重荷、不完全で政策に依存した監視信号、介入効果は適応的な人間の行動によって媒介されるためである。 我々は疫学世界モデルの概念的枠組みを導入し、疫病を制御された部分的に観察された動的システムとして定式化する。 (i)真流行状態は遅れている。 (二)観察は、政策に内在的にうるさく、かつ、 3)介入は、行動的・社会的フィードバックを通じて効果が伝播する逐次的行動として機能する。 本稿では, 行動監視における戦略的ミスレポート, 入院や死亡などのタイムラタグ信号の体系的遅延, および, 同一の履歴が代替行動シーケンスの下で分岐する対実的介入分析の3つの事例について, 政策関連推論に明示的世界モデリングがなぜ必要かを説明する。

関連論文リスト

• Investigating the effectiveness of multimodal data in forecasting SARS-COV-2 case surges [1.7265273723115717]
  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。
  論文  参考訳（メタデータ） (2025-05-28T01:00:02Z)
• 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)
• Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
  得られた知識を有向非巡回因果グラフの形で公開することを提案する。 また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。 提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
  論文  参考訳（メタデータ） (2023-09-30T20:59:42Z)
• 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)
• An Extended Epidemic Model on Interconnected Networks for COVID-19 to Explore the Epidemic Dynamics [2.89591830279936]
  パンデミックコントロールは、感染した個人の傾向や影響を捉える疫病モデルを必要とする。 多くのエキサイティングなモデルはこれを実装できるが、実践的な解釈性に欠ける。 本研究は疫学とネットワーク理論を融合し,因果解釈能力を持つ枠組みを提案する。
  論文  参考訳（メタデータ） (2021-04-10T06:46:01Z)
• Digital Epidemiology: A review [0.0]
  疫学は近年、計算モデルに基づく大きな進歩を目撃している。 ビッグデータとアプリによって、大規模な実データによるモデルの検証と精錬が可能になる。 エボラは、システム解を必要とするため、複雑性のレンズからアプローチする必要がある。
  論文  参考訳（メタデータ） (2021-04-08T08:45:20Z)
• An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
  本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。 我々はイタリアとフランスの疫病の進化を予報する。
  論文  参考訳（メタデータ） (2020-10-28T10:58:59Z)

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。