抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
抗疫学プロセスにおける感染数の予測は,特に細粒の地理的ユニットにおいて,抗疫学戦略を開発する政府にとって非常に有益である。以前の研究は,低空間分解能予測,例えば郡レベル,および同じ地理的レベルに対する前処理データに焦点を当て,それはいくつかの有用な情報を失いていた。本論文では,コミュニティレベルのCOVID-19予測のための2つの地理的レベルのデータを用いて,細粒ポピュレーション移動度データベースモデル(FGC-COVID)を提案した。グラフを構築し,グラフニューラルネットワーク(GNNs)を用いてCBGs間の依存性を捉えるために,コミュニティより細粒の地理的レベルであるCensusブロックグループ(CBG)間の個体群移動データを使用した。予測のためにできるだけ微細粒パターンとして採掘するために,空間加重凝集モジュールを導入して,それらの地理的な関係と空間的自己相関に基づいて,コミュニティレベルへのCBGsの埋込みを集約した。300日のLA都市COVID-19データに関する広範な実験は,著者らのモデルがコミュニティレベルのCOVID-19予測に関する既存の予測モデルより優れていることを示した。【JST・京大機械翻訳】