論文の概要: A Logistic Regression Model to Predict Malaria Severity in Children

• arxiv url: http://arxiv.org/abs/2605.18900v1
• Date: Sun, 17 May 2026 12:53:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.860869
• Title: A Logistic Regression Model to Predict Malaria Severity in Children
• Title（参考訳）: 小児のマラリア重症度予測のためのロジスティック回帰モデル
• Authors: Mary Opokua Ansong, Asare Yaw Obeng, Samuel King Opoku,
• Abstract要約: 本研究は, 環境および生物学的要因に基づくマラリアの重症度を予測する。 調査はガーナのBosomtwe地区で実施され、回答者は417人だった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: One of the main causes of death around the globe is malaria. Researchers have sought to develop predictive models for malaria outbreaks based on meteorological data, climate data and the breeding cycle of Plasmodium, the causative agent of malaria. This study predicts the severity of malaria based on environmental and biological factors. A logistic regression model was developed in this study to predict the severity of malaria based on such factors as sickle cell disease, stagnant water, garbage dump, wet lawns, and the use of treated mosquito nets, with an 83.3% accuracy rate. The study was carried out in the Bosomtwe District of Ghana with 417 respondents. It was deduced that although children in the District are highly prone to malaria infection, the severity is very low. The study recommends that not just having a good sample size alone is important during machine learning model development, but also having a good sample representation of the various class labels is equally important.
• Abstract（参考訳）: 主な死因の1つはマラリアである。 研究者らは、気象データ、気候データ、マラリアの原因物質であるプラスモジウムの繁殖サイクルに基づいて、マラリアの発生を予測するモデルの開発を模索してきた。 本研究は, 環境および生物学的要因に基づくマラリアの重症度を予測する。 本研究は, マラリアの重症度を予測するためのロジスティック回帰モデルを構築し, 病原菌病, 停滞水, ゴミ捨て場, 濡れた芝生, 治療用蚊網の使用率を83.3%の精度で予測した。 調査はガーナのBosomtwe地区で実施され、回答者は417人だった。 この地区の子供たちはマラリアの感染が激しいが、重症度は非常に低いと推測された。 この研究は、機械学習モデル開発において、優れたサンプルサイズのみを持つことが重要であるだけでなく、様々なクラスラベルの優れたサンプル表現を持つことも重要であることを推奨している。

関連論文リスト

• Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
  本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。 最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。 以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T13:26:34Z)
• 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)
• Predicting malaria dynamics in Burundi using deep Learning Models [0.0]
  ブルンジのマラリアを推定するために、機械学習ベースのモデルを構築しました。 地域レベルでも全国的にもマラリア発生率の予測が実施された。
  論文  参考訳（メタデータ） (2023-06-05T08:22:18Z)
• Computer-aided Diagnosis of Malaria through Transfer Learning using the ResNet50 Backbone [0.0]
  マラリアの原因は寄生虫のプラスモジウム(Plasmodium parasite)である。 本稿では、ResNet50 Deep Neural Networkを用いて、マラリアの細いスミア細胞像を寄生・無感染と分類するための、コンピュータ支援による自動診断手法を提案する。
  論文  参考訳（メタデータ） (2023-04-06T08:31:15Z)
• MOSQUITO-NET: A deep learning based CADx system for malaria diagnosis along with model interpretation using GradCam and class activation maps [9.01199960262149]
  マラリアは世界でも最も致命的な病気の1つで、毎年数千人が死亡している。 マラリアの原因となる寄生虫は、科学的にはプラスモジウムと呼ばれ、ヒトの赤血球に感染する。 マラリアの診断には、顕微鏡的血腫の医療従事者による寄生細胞の同定と手動計測が必要である。
  論文  参考訳（メタデータ） (2020-06-17T13:00:30Z)
• A Malaria Control Model Using Mobility Data: An Early Explanation of Kedougou's Case in Senegal [1.2599533416395767]
  本論文は, 訪問する地域の移動性や特徴に依存する, 個人状態の日々の進化に依拠するモデルを提案する。 その結果,ケドゥグウ地域での疾患管理の失敗に関する知見を提供する上で,モデルがいかに有望かが示唆された。
  論文  参考訳（メタデータ） (2020-04-12T12:44:45Z)

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。