文献

J-GLOBAL ID：202002240368450260   整理番号：20A2464235

COVID-19スプレッドの地理空間予測と到達病院容量のリスク【JST・京大機械翻訳】

Geospatial forecasting of COVID-19 spread and risk of reaching hospital capacity

著者 (6件)： Bobashev Georgiy (RTI International) ,  Segovia-Dominguez Ignacio (University of Texas at Dallas) ,  Gel Yulia R. (University of Texas at Dallas) ,  Rineer James (RTI International) ,  Rhea Sarah (RTI International) ,  Sui Hui (University of North Carolina at Chapel Hill)
資料名： SIGSPATIAL Special  (SIGSPATIAL Special)
巻： 12  号： 2  ページ： 25-32  発行年： 2020年 
JST資料番号： W5738A  ISSN： 1946-7729  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： COVID-19スプレッドのプロミット監視と予測は,パンデミックを減速し,公共緩和努力の成功のために極めて重要である。しかし,迅速な伝染と高い病原性を有する感染症と同様に,近リアルタイム予測のためのCOVID-19観察の欠如は,まだ,操作疾患予測と制御を妨げる重要な挑戦である。この文脈において,COVID-19動力学を予測する2つのアプローチ,即ち,機構モデルおよび機械学習に基づく。機構モデルは,低量のデータを用い,疾患動力学の全体的軌跡を記述し,従って,疾患が進行する可能性のある長期洞察を提供する,疫学的曲線を捉えるのにより良い。機械学習は,次に,限られた解釈可能性に悩まし,通常,感染性疾患に関するバックログ履歴を必要とする間,より精密なデータ駆動予測を提供できる。2つのアプローチを組み合わせた統一強化学習フレームワークを提案した。すなわち,機械学習技法では長期軌道予測を用いて,機構モデルによって捉えられない局所変動を予測した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 地理学 ,  スプレッド ,  感染症 ,  病原性 ,  緩和現象 ,  疫学 ,  軌道推定 ,  *機械学習 ,  強化学習
準シソーラス用語： 実時間 ,  汎発流行性 ,  データ駆動 , 【Automatic Indexing@JST】

分類 (1件)： 感染症・寄生虫症一般  (GD01010H)

タイトルに関連する用語 (5件)： スプレッド ,  地理 ,  予測 ,  病院 ,  リスク