文献

J-GLOBAL ID：202002256413934528   整理番号：20A2580640

ヒトモビリティパターンと社会人口学的指標からのCOVID-19の広がりの特性化【JST・京大機械翻訳】

Characterizing the spread of COVID-19 from human mobility patterns and SocioDemographic indicators

著者 (2件)： Roy Avipsa (Arizona State University) ,  Kar Bandana (Oak Ridge National Laboratory)
資料名： ACM Proceedings  (ACM Proceedings)
号： ARIC ’20  ページ： 39-48  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 移動性は空間と時間を通して人間の動きの指標である。ジオロケーションデータ(GPS,加速度計など)のアベイラビリティの増加とともに,個人およびグループ人間移動性パターンを調べることが可能である。ヒトの移動性は,固有(すなわち,個人の動機)と外因性(すなわち,自然災害やCOVID-19のような流行のような事象)の両方に影響される。しかし,パンデミックの文脈における人間移動性パターンと社会人口統計学的特性の間の複雑な関係は,まだ十分に調査されていない。著者らの目標は,携帯電話からの調査ブロックグループレベルの人間移動性データを用いて,このギャップを克服し,社会的脆弱性指標と組み合わせ,局所空間規模でのCOVID-19の全体的広がりを調べた。著者らは,Los Angeles(LA)の都市における2,820の国勢調査ブロックグループにおける移動性指数と社会的ジスタンシングメトリックを,フェーズ1とフェーズ2再開口の間と同様に,Los Angeles(LA)の都市における2,820の国勢調査ブロックグループにおいて,37,871ポイントの関心(POI)に対して,585,878の毎週の訪問を使用した。最後に,教師つき機械学習アルゴリズムを用いて,著者らは,2020年7月24日までのCOVID-19事例の累積数に基づいて,これらのブロック群の脆弱性を表す高,中および低カテゴリーにLAにおける調査ブロック群を分類した。結果は,ツリーベースの分類器がサポートベクターマシンと多項ロジットモデルと比較してよく機能することを示した。勾配ブースティングは,0.987のAUCスコアで97.4%のCOVID-19の最も高い分類精度を有した。また,高いCOVID-19症例を有するブロック群は,社会的に脆弱な集団,高いヒト移動性指数,および低い社会的ジスタンシング指数の高濃度を有した。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： アルゴリズム ,  *移動度 ,  加速度計 ,  国勢調査 ,  都市 ,  ヒト ,  アベイラビリティ ,  自然災害 ,  キャラクタリゼーション ,  GPS ,  携帯電話 ,  サポートベクトルマシン
準シソーラス用語： *人口統計学 ,  ブースティング ,  移動性 , 【Automatic Indexing@JST】

著者キーワード (5件)： COVID-19 ,  人間のモビリティ ,  社会的脆弱性 ,  時空間解析 ,  教師つき学習

分類 (2件)： ネットワーク法  (KA03040X) ,  電子航法一般  (ND14010O)

タイトルに関連する用語 (6件)： 社会 ,  人口学 ,  指標 ,  COVID-19 ,  広がり ,  特性化