RAPID: Collaborative: Transfer Learning Techniques for Better Response to COVID-19 in the US

RAPID:协作:迁移学习技术以更好地应对美国的 COVID-19

基本信息

项目摘要

This project will use available data sets for COVID-19 in other countries, and in NYC, Virginia, and Maryland to build compartmental and metapopulation models to quantify the events that transpired there, and what interventions at various stages may have achieved. This will permit gaining control of future situations earlier. The epidemic models developed during this project will lead to innovations in computational epidemiology and enable approaches that mitigate the negative effects of COVID-19 on public health, society, and the economy.Based on publicly available data sets for COVID-19 in other countries, and in NYC, Virginia, and Maryland, the researchers propose to build compartmental and metapopulation models to quantify the events that transpired there, understand the impacts of interventions at various stages, and develop optimal strategies for containing the pandemic. The basic model will subdivide the population into classes according to age, gender, and infectious status; examine the impact of the quarantine that was imposed; and then consider additional strategies that could have been imposed, in particular to reduce contact rates. The project will apply and extend the approach of "transfer learning" to this problem. The research team is well positioned to conduct this research; they have a long history of experience tracking and modeling infectious disease spread (e.g., Ebola, SARS) and are already participating in the CDC forecasting challenge for COVID-19.This award reflects NSF's statutory mission and has been deemed worthy of support through evaluation using the Foundation's intellectual merit and broader impacts review criteria.
该项目将在其他国家使用可用数据集,以及在纽约,弗吉尼亚州和马里兰州使用隔间和群体群体模型来量化那里发生的事件,以及在各个阶段进行哪些干预措施。这将允许更早地控制未来情况。 该项目期间开发的流行模型将导致计算流行病学的创新,并启用方法来减轻Covid-19对公共卫生,社会和经济的负面影响。基于其他国家的Covid-19的公共可用数据集,以及在纽约,弗吉尼亚州,弗吉尼亚州,纽约,尼西亚州和马里兰州的跨越型号的事件,以使其构建的模型能够实现构建模型,以了解该模型的构建模型。在各个阶段进行干预措施,并制定最佳策略以包含大流行。基本模型将根据年龄,性别和感染状态将人口分为阶级;检查所施加的隔离的影响;然后考虑可能采取的其他策略,特别是以降低接触率。 该项目将应用并将“转移学习”方法扩展到此问题。 研究团队在进行这项研究方面有好处。他们有悠久的经验跟踪和建模传染病传播的历史(例如埃博拉病毒,SARS),并且已经参与了COVID-COVID-12的CDC预测挑战。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Martin Blaser其他文献

Carbon isotope fractionation of Thermoanaerobacter kivui in different growth media and at different total inorganic carbon concentration
基伍热厌氧杆菌在不同生长培养基和不同总无机碳浓度下的碳同位素分馏
  • DOI:
  • 发表时间:
    2015
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Martin Blaser;Lisa K. Dreisbach;R. Conrad
  • 通讯作者:
    R. Conrad
Carbon Isotope Fractionation during Catabolism and Anabolism in Acetogenic Bacteria Growing on Different Substrates
在不同基质上生长的产乙酸细菌的分解代谢和合成代谢过程中的碳同位素分馏
Sediment methane dynamics along the Elbe River
易北河沿岸沉积物甲烷动态
  • DOI:
    10.1016/j.limno.2019.125716
  • 发表时间:
    2019
  • 期刊:
  • 影响因子:
    1.7
  • 作者:
    A. Bednařík;Martin Blaser;Anna Matoušů;M. Tušer;P. Chaudhary;K. Šimek;M. Rulík
  • 通讯作者:
    M. Rulík
THE CONTRIBUTION OF GASTROINTESTINAL MICROBIOME ALTERATIONS TO ATHEROSCLEROTIC PLAQUE REGRESSION
  • DOI:
    10.1016/s0735-1097(19)32655-5
  • 发表时间:
    2019-03-12
  • 期刊:
  • 影响因子:
  • 作者:
    Michael S. Garshick;Cyrus Nikain;Michael Tawil;Benjamin Wu;Zhan Gao;Martin Blaser;Edward Fisher
  • 通讯作者:
    Edward Fisher

Martin Blaser的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

相似国自然基金

数智背景下的团队人力资本层级结构类型、团队协作过程与团队效能结果之间关系的研究
  • 批准号:
    72372084
  • 批准年份:
    2023
  • 资助金额:
    40 万元
  • 项目类别:
    面上项目
双单亲遗传贝类线粒体与核氧化磷酸化基因动态协作调控机制
  • 批准号:
    32302965
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
降水变化下土壤动物协作效应对土壤有机质形成过程的影响
  • 批准号:
    42307409
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
反硝化厌氧甲烷氧化菌群信号交流协作机制与调控策略
  • 批准号:
    52300068
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
在线医疗团队协作模式与绩效提升策略研究
  • 批准号:
    72371111
  • 批准年份:
    2023
  • 资助金额:
    41 万元
  • 项目类别:
    面上项目

相似海外基金

RAPID: Collaborative: Transfer Learning Techniques for Better Response to COVID-19 in the US
RAPID:协作:迁移学习技术以更好地应对美国的 COVID-19
  • 批准号:
    2027908
  • 财政年份:
    2020
  • 资助金额:
    $ 2.5万
  • 项目类别:
    Standard Grant
RAPID: Collaborative: Transfer Learning Techniques for Better Response to COVID-19 in the US
RAPID:协作:迁移学习技术以更好地应对美国的 COVID-19
  • 批准号:
    2028004
  • 财政年份:
    2020
  • 资助金额:
    $ 2.5万
  • 项目类别:
    Standard Grant
Collaborative Research: RAPID: GeoGONAF - An observatory to study the active deformation and strain transfer along the Izmit Bay-Marmara Sea segment of the North Anatolian Fault
合作研究:RAPID:GeoGONAF - 研究北安纳托利亚断层伊兹米特湾-马尔马拉海段活动变形和应变传递的观测站
  • 批准号:
    1349851
  • 财政年份:
    2013
  • 资助金额:
    $ 2.5万
  • 项目类别:
    Standard Grant
Collaborative Research: RAPID: GeoGONAF - An observatory to study the active deformation and strain transfer along the Izmit Bay-Marmara Sea segment of the North Anatolian Fault
合作研究:RAPID:GeoGONAF - 研究北安纳托利亚断层伊兹米特湾-马尔马拉海段活动变形和应变传递的观测站
  • 批准号:
    1349838
  • 财政年份:
    2013
  • 资助金额:
    $ 2.5万
  • 项目类别:
    Standard Grant
Collaborative Research: Testing for Rapid Pulses of Crustal-scale Heat and Mass Transfer by Fluids in Metamorphic "Hot Spots", New Hampshire, USA
合作研究:测试美国新罕布什尔州变质“热点”中流体的地壳尺度传热传质快速脉冲
  • 批准号:
    0948102
  • 财政年份:
    2010
  • 资助金额:
    $ 2.5万
  • 项目类别:
    Continuing Grant
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了