論文の概要: EpiFlow: A framework for improving the utility of wastewater signals for disease forecasting
- arxiv url: http://arxiv.org/abs/2608.06671v1
- Date: Fri, 07 Aug 2026 00:34:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.319807
- Title: EpiFlow: A framework for improving the utility of wastewater signals for disease forecasting
- Title（参考訳）: EpiFlow: 病気予測のための排水信号の有用性向上のためのフレームワーク
- Abstract要約: 我々は, 排水データ処理手法を開発し, 負荷指標との関係を特徴づけ, リアルタイム予測を生成する。
我々は,WVLの時間的ダイナミクスと先行指標の挙動を捉える因果性テストを用いて,WVLと重み指標の関係を解析した。
以上の結果から,WVL信号は,低頻度や遅延報告の条件下であっても,感染症の予測を改善できることが示唆された。
- 参考スコア（独自算出の注目度）: 35.21749763080943
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Wastewater-based surveillance is an effective tool for disease monitoring and can provide early warning of outbreaks. Although wastewater viral loads (WVL) correlate with disease burden, their utility for improving real-time forecasting remains under investigation. During the early phases of an epidemic, many indicators can effectively monitor disease spread, but their reliability may decline because of reporting fatigue and low prevalence. Hospital burden can vary substantially even during low-prevalence periods, making accurate forecasting of burden indicators essential for minimizing disease impacts. In this paper, we present principled approaches for processing wastewater data, characterizing its relationship with burden indicators, and generating real-time forecasts. We assess the predictability of WVL using entropy measures. We analyze the relationship between WVL and burden indicators using causality tests that capture temporal dynamics and the leading-indicator behavior of WVL. We incorporate these insights into a time-varying forecasting model that accounts for the evolving relationship between the signals. We also evaluate the effects of delays in WVL reporting through simulations. We test the utility of our methods by forecasting COVID-19 hospital admissions across Virginia and its health regions during periods of varying disease prevalence. Incorporating WVL improves forecast accuracy relative to baseline models, particularly during critical epidemic phases, and results in a 20 percentage point improvement in forecast coverage. Our results demonstrate that WVL signals can improve infectious disease forecasting even under conditions of low prevalence or delayed reporting.
- Abstract（参考訳）: 排水をベースとした監視は、病気のモニタリングに有効なツールであり、アウトブレイクの早期警告を提供することができる。
廃水ウイルス負荷(WVL)は病気の重荷と相関するが、リアルタイム予測を改善するための実用性は検討中である。
流行の初期段階では、多くの指標が病気の拡散を効果的に監視できるが、報告の疲労と頻度の低さにより信頼性は低下する可能性がある。
病院の負担は、低頻度の期間であっても大きく変化し、病気の影響を最小限に抑えるために必要な負担指標の正確な予測を行うことができる。
本稿では, 排水データ処理の原則的アプローチ, 負荷指標との関係, リアルタイム予測の生成について述べる。
エントロピー測度を用いてWVLの予測可能性を評価する。
我々は,WVLの時間的ダイナミクスと先行指標の挙動を捉える因果性テストを用いて,WVLと重み指標の関係を解析した。
これらの知見を時間変化予測モデルに組み込んで,信号間の関係の進化を考慮に入れた。
また,シミュレーションによるWVLレポートにおける遅延の影響についても検討した。
本手法の有効性は,病の流行の異なる期間にバージニア州とその保健所の入院を予測することによって検証する。
WVLを組み込むことで、特に致命的な流行期において、ベースラインモデルと比較して予測精度が向上し、予測カバレッジが20パーセント向上する。
以上の結果から,WVL信号は,低頻度や遅延報告の条件下であっても,感染症の予測を改善できることが示唆された。
関連論文リスト
- Understanding Key Features of Time Series Foundation Models from Epidemic Forecasting [1.7191952770783792]
季節性インフルエンザは何百万人もの人に感染し、毎年アメリカ合衆国で深刻な死亡率と死亡率を引き起こす。
予防接種時期, 病院職員, 資源配分など, 予防接種時期の信頼性を予測できる。
インフルエンザ様疾患のサーベイランスとインフルエンザ関連入院時間時系列を用いた地域インフルエンザ予報の評価を行った。
論文 参考訳（メタデータ） (2026-06-17T20:01:48Z) - Beyond Traditional Diagnostics: Transforming Patient-Side Information into Predictive Insights with Knowledge Graphs and Prototypes [55.310195121276074]
本稿では,病気を予測するための知識グラフ,プロトタイプ認識,解釈可能なフレームワークを提案する。
構造化された信頼された医療知識を統合された疾患知識グラフに統合し、臨床的に意味のある疾患のプロトタイプを構築し、予測精度を高めるために対照的な学習を利用する。
臨床的に有効な説明を提供し、患者の物語と密接に一致し、患者中心のヘルスケアデリバリーの実践的価値を強調している。
論文 参考訳（メタデータ） (2025-12-09T05:37:54Z) - A Generative Framework for Causal Estimation via Importance-Weighted Diffusion Distillation [55.53426007439564]
観察データから個別化された治療効果を推定することは因果推論における中心的な課題である。
逆確率重み付け(IPW)は、この問題に対するよく確立された解決策であるが、現代のディープラーニングフレームワークへの統合は依然として限られている。
本稿では,拡散モデルの事前学習と重み付きスコア蒸留を組み合わせた新しい生成フレームワークであるIWDDを提案する。
論文 参考訳（メタデータ） (2025-05-16T17:00:52Z) - SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
セプシスは米国での院内死亡の主な原因である。
既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。
限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-24T04:47:36Z) - Vital Sign Forecasting for Sepsis Patients in ICUs [5.543372375499915]
本稿では,最先端のディープラーニング(DL)アーキテクチャを用いて,多段階予測システムを提案する。
我々は,過去6時間のデータから,今後3時間分のバイタルサインを予測できるDLベースのバイタルサイン予測システムを導入する。
平均二乗誤差 (MSE) と動的時間歪み (DTW) 測定値を用いて, モデルの性能評価を行った。
論文 参考訳（メタデータ） (2023-11-08T15:47:58Z) - Interpreting Forecasted Vital Signs Using N-BEATS in Sepsis Patients [0.5541644538483947]
本研究は,集中治療室(ICU)における敗血症患者の3時間の生命予後を予測できる,解釈可能な深層学習予測モデルであるN-BEATSについて検討する。
我々はN-BEATSの解釈可能な構成を用いて、バイタルサインの傾向を予測し、それらを実際の傾向と比較し、患者の変化状況と、輸液剤がバイタルサインに与える影響をよりよく理解する。
その結果, 実際の傾向と予測傾向が一致した場合の死亡率(92%)は, 類似しない時期に比べて高かった。
論文 参考訳（メタデータ） (2023-06-24T16:23:54Z) - Forecast reconciliation for vaccine supply chain optimization [61.13962963550403]
ワクチンサプライチェーン最適化は階層的な時系列予測の恩恵を受けることができる。
異なる階層レベルの予測は、上位レベルの予測が下位レベルの予測の総和と一致しないときに不整合となる。
我々は2010年から2021年にかけてのGSKの販売データを階層的時系列としてモデル化し,ワクチン販売予測問題に取り組む。
論文 参考訳（メタデータ） (2023-05-02T14:34:34Z) - Forecasting Patient Flows with Pandemic Induced Concept Drift using
Explainable Machine Learning [0.0]
本研究では,患者フローの予測モデルを改善する新しい準リアルタイム変数群について検討した。
新型コロナウイルス(COVID-19)のアラートレベル(Alert Level)機能は、Googleの検索語や歩行者のトラフィックとともに、一般的な予測を生成するのに効果的だった。
論文 参考訳（メタデータ） (2022-11-01T20:42:26Z) - Epicasting: An Ensemble Wavelet Neural Network (EWNet) for Forecasting
Epidemics [2.705025060422369]
感染性疾患は、世界中でヒトの病気や死亡の原因となっている。
感染拡大の予測は、利害関係者が目の前の状況に対処するのに役立つ。
論文 参考訳（メタデータ） (2022-06-21T19:31:25Z) - 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)
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。