已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Predicting COVID-19 positivity and hospitalization with multi-scale graph neural networks

计算机科学 利用 大流行 图形 比例(比率) 2019年冠状病毒病(COVID-19) 数据科学 人口 人工神经网络 机器学习 人工智能 数据挖掘 地理 地图学 医学 计算机安全 理论计算机科学 传染病(医学专业) 疾病 环境卫生 病理
作者
Konstantinos Skianis,Giannis Nikolentzos,B. Gallix,Rodolphe Thiébaut,Georgios Exarchakis
出处
期刊:Scientific Reports [Springer Nature]
卷期号:13 (1) 被引量:4
标识
DOI:10.1038/s41598-023-31222-6
摘要

The pandemic of COVID-19 is undoubtedly one of the biggest challenges for modern healthcare. In order to analyze the spatio-temporal aspects of the spread of COVID-19, technology has helped us to track, identify and store information regarding positivity and hospitalization, across different levels of municipal entities. In this work, we present a method for predicting the number of positive and hospitalized cases via a novel multi-scale graph neural network, integrating information from fine-scale geographical zones of a few thousand inhabitants. By leveraging population mobility data and other features, the model utilizes message passing to model interaction between areas. Our proposed model manages to outperform baselines and deep learning models, presenting low errors in both prediction tasks. We specifically point out the importance of our contribution in predicting hospitalization since hospitals became critical infrastructure during the pandemic. To the best of our knowledge, this is the first work to exploit high-resolution spatio-temporal data in a multi-scale manner, incorporating additional knowledge, such as vaccination rates and population mobility data. We believe that our method may improve future estimations of positivity and hospitalization, which is crucial for healthcare planning.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
小泽爱学术完成签到 ,获得积分10
2秒前
自由冰凡完成签到 ,获得积分10
4秒前
5秒前
难过的疾发布了新的文献求助10
8秒前
WindaQ发布了新的文献求助10
8秒前
Dream发布了新的文献求助10
9秒前
慕青应助科研通管家采纳,获得10
11秒前
大个应助科研通管家采纳,获得10
11秒前
11秒前
浅尝离白应助科研通管家采纳,获得30
12秒前
爱静静应助科研通管家采纳,获得30
12秒前
小二郎应助科研通管家采纳,获得10
12秒前
12秒前
李健应助ZSQ采纳,获得10
13秒前
晚街听风完成签到 ,获得积分10
17秒前
18秒前
20秒前
慢歌完成签到 ,获得积分10
21秒前
共享精神应助LiS采纳,获得10
27秒前
Lucas选李华完成签到 ,获得积分10
28秒前
Nakjeong完成签到 ,获得积分10
29秒前
Dream完成签到,获得积分10
32秒前
Lucas选李华关注了科研通微信公众号
32秒前
35秒前
35秒前
难过的疾发布了新的文献求助100
36秒前
丘比特应助LiS采纳,获得10
40秒前
43秒前
爱心完成签到 ,获得积分10
49秒前
57秒前
58秒前
dogontree发布了新的文献求助10
1分钟前
MYYYZ发布了新的文献求助10
1分钟前
1分钟前
大家好完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
冷艳的一区完成签到 ,获得积分10
1分钟前
zzyh307完成签到 ,获得积分0
1分钟前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
麻省总医院内科手册(原著第8版) (美)马克S.萨巴蒂尼 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
COSMETIC DERMATOLOGY & SKINCARE PRACTICE 388
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142628
求助须知:如何正确求助?哪些是违规求助? 2793515
关于积分的说明 7806758
捐赠科研通 2449763
什么是DOI,文献DOI怎么找? 1303403
科研通“疑难数据库(出版商)”最低求助积分说明 626871
版权声明 601314