Singularity and Coordination Problems: Pandemic Lessons from 2020
是否有任何迹象表明技术奇点可能即将出现？为了回答这些问题，作者对人工智能的安全研究领域做了一个小小的介绍。作者回顾了当前自主智能系统发展的一些范式，寻找可能表明技术奇点到来的证据。最后，作者利用COVID-19大流行进行了反思，这表明全球社会在管理存在风险方面的最大问题是缺乏作为全球社会的协调技能。
2021-10-01 cs.CY
Data Resource Profile: Egress Behavior from Select NYC COVID-19 Exposed Health Facilities March-May 2020
病媒控制策略是缓解和遏制COVID-19的核心，并以市政条例的形式出现，限制公共和私人空间及相关服务的运营状态。然而，人们对特定人群在风险行为方面的反应知之甚少。为了帮助了解这些病媒控制变量策略的影响，在纽约市最初的COVID-19高峰期（20年3月22日至20年5月19日），在19家纽约市医疗机构外进行了一项为期多周、多地点的观察性研究。其目的是捕捉触摸，目的地选择和个人防护设备使用行为的易腐数据离开医院和紧急护理中心。一个主要的目标是建立一个经验基础，为未来的研究，人们与三维矢量环境的互动方式。通过智能手机收集分析数据。每个数据记录包括个人离开医疗机构的时间，数据和位置，他们的路线，与构建环境，其他个人和他们自己的交互。大多数记录还注明了个人防护设备的使用情况、目的地、中途停留地点和交通选择。这些记录通过设施邮政编码与61个社会经济因素和7个同期天气因素相关联，并在ARCGIS系统中合并为统一的shapefile。本文介绍了用于产生超过5，100个可公开访问的观测记录的项目团队和协议，以及可用于研究个人行为与地面条件之间联系的附属代码本。
2021-01-18 cs.CY
Internet of Things Technologies for Managing COVID-19 Pandemic: Recommendations and Proposed Framework
物联网，通常称为IoT，是一种连接我们周围的数字设备的创新技术，允许世界各地的数字设备之间进行机器对机器（M2M）通信。由于便利性、连接性和可负担性，这种物联网正在包括医疗保健在内的各个领域提供服务，它为改善患者护理带来了非凡的好处，将医疗资源提升到了一个新的水平。其中一些例子包括监控网络，医疗保健提供技术和智能热检测。到目前为止，物联网服务于医疗保健的各个方面，使许多医疗过程比以前更容易。这种物联网可以使用的最重要的方面之一是，在全球流行病期间管理医疗保健的各个方面，因为在大流行病期间，大流行病可能会给医疗保健资源带来巨大的压力。由于没有适当的研究是关于正确使用物联网管理流行病，在这方面，通过我们的研究，我们的目标是审查物联网管理流行病的各种用例，特别是在COVID-19方面;由于我们目前正在经历的事情。在这方面，我们提出了一个综合现有文献和资源的概念框架，可以在管理全球流行病时采用，以加快与这些致命流行病的战斗步伐，并专注于整个世界目前正在经历的事情，其中近400多万人因COVID-19大流行而减少。
2021-10-20 cs.CY
Forecasting Daily COVID-19 Related Calls in VA Health Care System: Predictive Model Development
背景：COVID-19已成为全球性挑战，妥善规划医疗资源是抗击COVID-19的关键。在美国退伍军人事务医疗保健系统（VA）中，许多登记者易受COVID-19影响。预测COVID-19以及时分配医疗资源成为一个关键问题。当退伍军人事务部登记者有COVID-19症状时，建议他们的第一步应该是致电退伍军人事务部呼叫中心。对于确诊的COVID-19患者，从首次出现症状到入院的中位时间为7天。通过预测与COVID-19相关的呼叫数量，我们可以预测医疗保健使用的即将激增，并提前规划医疗资源。目的：该研究旨在开发一种方法来预测110个VA医疗中心中每个中心的COVID-19相关呼叫的每日数量。方法：在所提出的方法中，我们使用一组医疗中心预训练模型，并针对单个医疗中心进行微调。在聚类级别，我们执行特征选择以选择重要特征，并执行自动超参数搜索以选择模型的最佳超参数值组合。结论：本研究提出了一种准确的方法来预测VA医疗中心的COVID-19相关呼叫的每日数量。所提出的方法能够通过将相似的医疗中心分组为集群来扩大训练模型的数据集，并使用超参数搜索来自动找到模型的最佳超参数值组合，从而克服建模挑战。使用所提出的方法，可以提前预测医疗保健的激增。这使医疗保健从业者能够更好地规划医疗资源和抗击COVID-19。
2022-09-12 cs.CY cs.LG
Optimal Resource and Demand Redistribution for Healthcare Systems Under Stress from COVID-19
当面临极端压力时，如COVID-19大流行，医疗保健系统通常会做出反应，在达到或接近其基线容量的设施中建立激增容量。然而，在每个设施处创建单独的能力不一定是最佳方法，并且在设施之间重新分配需求和关键资源可以减少所需的总能力。数据显示，在2019冠状病毒病大流行期间，这些额外的负荷在医院之间分布不均，需要一些医院创建激增的能力，而附近的医院则有未使用的能力。这不仅效率低下，而且还可能导致能力过剩的医院的护理质量下降。在这项工作中，我们研究的问题，找到最佳的需求和资源转移，以尽量减少所需的激增能力和资源短缺期间的需求增加。我们开发和分析了一系列的线性和混合整数规划模型，解决需求和资源再分配问题的变种。我们还考虑了需求的不确定性，并使用稳健的优化来确保解决方案的可行性。我们还纳入了决策者在实施此类计划时可能需要考虑的一系列运营限制和成本。我们的模型使用新泽西州、德克萨斯州和迈阿密的COVID-19住院数据进行了回顾性验证，相对于每个病例的观察结果，所需的浪涌能力至少减少了85%。结果表明，这样的解决方案是可行的操作和足够强大的需求不确定性。总之，这项工作为医疗保健系统的决策者提供了一个实用而灵活的工具，以减少在某些设施能力过剩的情况下适当照顾患者所需的浪涌能力。
2020-11-06 cs.CY math.OC
Digital Resilience to Covid-19: A Model for National Digital Health Systems to Bounce Forward From the Shock of a Global Pandemic
2019冠状病毒病对全球卫生系统造成重大冲击，尤其是对南半球资源短缺的地区。我们报告了一个数字化信息系统弹性案例，以应对全球南方两个国家的COVID-19大流行的数据需求。与数字弹性能够反弹或维持现状的主流观点相反，我们确定了五个反弹的弹性前提条件（i）分布式培训，（ii）本地专业知识（iii）本地自主权和所有权（iv）本地基础设施和（v）平台设计基础设施。这些先决条件能够提高抵御能力，在面对COVID-19等外部冲击时，能够使信息系统反弹或加强，超越冲击前的状态。
2021-08-22 cs.CY
COVID-19-related Nepali Tweets Classification in a Low Resource Setting
NepAl Applied Mathematics and Informatics Institute for research (NAAMII)（尼泊尔应用数学与信息学研究所（NAAMII））；Institute of Engineering, Pulchowk Campus, Tribhuvan University（特里布文大学普尔乔克校区工程学院）
全球数十亿人一直在使用当地语言的社交媒体平台，就COVID-19疫情相关的各种话题发表意见。包括世界卫生组织在内的几个组织已经开发了自动化的社交媒体分析工具，将COVID-19相关推文分类为各种主题。然而，这些有助于防治这一流行病的工具仅限于极少数几种语言，使一些国家无法从中受益。虽然正在开发多种语文或低资源语文专用工具，但仍需扩大其覆盖面，例如尼泊尔语。在本文中，我们确定了使用尼泊尔语的Twitter社区中最常见的8个COVID-19讨论主题，建立了一个在线平台，自动收集包含COVID-19相关关键词的尼泊尔推文，将推文分类为8个主题，并在基于网络的仪表板中可视化整个期间的结果。我们比较了两个国家的最先进的多语言语言模型尼泊尔推文分类，一个通用（mBERT）和其他尼泊尔语言的家庭特定的模型（MuRIL）的性能。我们的研究结果表明，模型的相对性能取决于数据大小，MuRIL在更大的数据集上做得更好。带注释的数据、模型和基于Web的仪表板在https://github.com/naamiinepal/covid-tweet-classification上开源。
2022-10-11 cs.AI cs.CL cs.CY
Vaccine Credential Technology Principles
有效的COVID-19疫苗的历史性快速发展使政策制定者面临有关疫苗接种记录和验证的长期公共卫生问题。世界各国政府和机构已经在数字疫苗证书方面采取行动，包括欧盟委员会、世卫组织和拜登政府的指导和建议。这些可能是令人鼓舞的努力：一个有效的疫苗证书系统可能是安全返回工作，旅行和日常生活的一部分，安全的技术实施可以改善现有系统，以优先考虑隐私，简化访问，并建立必要的跨国家和背景的互操作性。然而，疫苗证书并非没有潜在的危害，特别是考虑到疫苗获取和推广方面的严重不平等，人们有理由担心它们可能以无效或排斥性的方式使用，加剧不平等，允许歧视，侵犯隐私，并假定同意。虽然当前形势紧迫，但我们也必须承认，在COVID-19疫苗认证推出过程中所做的选择可能会产生长期影响，必须谨慎行事。在本文中，我们概述了现在和未来技术支持的疫苗认证计划可能产生的潜在实施和伦理问题，并讨论了这些问题中涉及的技术权衡。我们提出了一套原则，如果采用，可以减轻这些问题，预防可预防的伤害，并指出前进的方向;本文的结构是深入研究这些原则。
2021-05-28 cs.CY
A Survey of Requirements for COVID-19 Mitigation Strategies. Part I: Newspaper Clips
本文通过收集并分类新闻剪报，识别公众和媒体关注的COVID-19缓解策略需求，为后续形式化规范奠定基础。
2023-10-18 cs.CY cs.MA
Learnings from Technological Interventions in a Low Resource Language: A Case-Study on Gondi
Microsoft（微软）
为低资源语言开发技术的主要障碍是缺乏可用的数据。在本文中，我们报告了4种技术驱动的数据汇集方法的采用和部署，Gondi是印度南部和中部约230万部落人口使用的一种低资源脆弱语言。在数据汇集的过程中，我们还通过创建可供社区使用的语言资源，如字典、儿童故事、来自多个来源的Gondi内容应用程序和基于交互式语音应答（IVR）的大众意识平台，扩大Gondi信息的获取，帮助其复兴。在这些干预措施结束时，我们收集了不到12，000个翻译单词和/或句子，并确定了650多名社区成员，他们可以为未来的翻译工作提供帮助。该项目的更大目标是收集足够的Gondi数据，以构建和部署可行的语言技术，如机器翻译和语音到文本系统，这些系统可以帮助将语言带到互联网上。
2021-01-27 cs.CL cs.CY
covid19.analytics: An R Package to Obtain, Analyze and Visualize Data from the Coronavirus Disease Pandemic
随着一种新的全球大流行病的出现，出现了一种新的应对策略。在“开放科学”的保护伞下采取的几项举措正在为应对这一前所未有的局面作出贡献。特别是，“R语言和统计计算环境”为专注于开放科学和可重复结果的方法提供了一个优秀的工具和生态系统。因此，随着疫情的爆发，大量R包和资源可用于疫情研究并不令人惊讶。在本文中，我们提出了一个R包，允许用户访问和分析来自公开资源的全球数据。我们将介绍covid19.analytics包，重点介绍其功能，并介绍一个特定的研究案例，其中我们描述了如何部署“COVID19.ANALYTICS仪表板浏览器”。
2021-04-20 cs.CY cs.IR q-bio.PE
Learnings from Technological Interventions in a Low Resource Language: Enhancing Information Access in Gondi
Microsoft Research India（微软印度研究院）；Voicedeck Technologies（Voicedeck科技公司）
为低资源语言开发技术的主要障碍是缺乏代表性的可用数据。在本文中，我们报告了技术驱动的数据汇集方法的部署，用于创建从印地语到冈地语的60，000多个翻译的语料库，冈地语是印度南部和中部约230万部落人民使用的一种低资源脆弱的语言。在此过程中，我们帮助在两个不同的方面扩大Gondi的信息访问：（a）创建可供社区使用的语言资源，例如字典，儿童故事，来自多个来源的Gondi翻译和基于交互式语音应答（IVR）的大众意识平台;（b）通过开发印地语-贡地语机器翻译模式，使其能够在数字领域使用，它被压缩了近4倍，以使其能够在低资源边缘设备上以及在几乎没有互联网连接的区域中进行边缘部署。我们还提出了初步的评估，利用发达的机器翻译模型，以提供帮助志愿者参与收集更多的数据为目标语言。通过这些干预措施，我们不仅创建了一个由26，240个印地语-贡地语翻译组成的经过精炼和评估的语料库，用于构建翻译模型，还吸引了近850名社区成员，他们可以帮助将贡地语带到互联网上。
2022-11-29 cs.CL cs.CY
Cross-Platform Social Dynamics: An Analysis of ChatGPT and COVID-19 Vaccine Conversations
本研究分析超过1200万条跨平台数据，采用主题建模和情感分析，比较ChatGPT发布与COVID-19疫苗讨论的传播动态，发现疫苗话题因即时性传播更快，而ChatGPT话题传播较缓。
2023-10-17 cs.CY physics.soc-ph
An Automated Contact Tracing Approach for Controlling Covid-19 Spread Based on Geolocation Data from Mobile Cellular Networks
冠状病毒（COVID-19）由于其持续的结构进化以及缺乏针对这种特定病毒的适当解毒剂，因此似乎是最大的挑战。该病毒主要通过密切接触在大规模人群中传播和复制，不幸的是，这可能以许多不可预测的方式发生。因此，为了减缓这种新型病毒的传播，唯一相关的措施是保持社交距离，进行接触者追踪，使用适当的安全装备和实施隔离措施。但是，尽管这些方法在理论上是可行的，但在人口稠密的国家和地区很难坚持。因此，为了控制病毒传播，研究人员和当局正在考虑使用基于智能手机的移动应用程序（应用程序）来识别可能的感染者以及高风险区域，以保持隔离和封锁措施。然而，这些方法严重依赖于先进的技术特征，并暴露出重大的隐私漏洞。在本文中，我们提出了一种基于手机用户地理位置数据的COVID-19接触者追踪新方法。拟议的方法将有助于当局在不使用基于智能手机的移动应用程序的情况下确定可能感染的人数。此外，所提出的方法可以帮助人们做出何时寻求医疗援助的重要决定，让他们知道他们是否已经在暴露人员名单上。数值算例表明，该方法可以显着优于智能手机应用程序为基础的解决方案。
2020-07-06 cs.CR cs.CY
CovidTracker: A comprehensive Covid-related social media dataset for NLP tasks
2019冠状病毒病大流行引发了前所未有的全球公共卫生紧急事件，同时也为调查公众对不利社会状况的反应提供了前所未有的机会。在社交媒体平台上发布信息的广泛能力为这种公众情绪的宣泄提供了宝贵的渠道，不仅包括表达社会团结，而且还包括传播关于这一流行病的影响和潜在风险的错误信息和误解。因此，这些信息内容档案是了解公众对卫生危机的反应的关键资源，对这些信息内容的分析有助于为公共政策干预提供信息，以更好地应对未来的类似事件。我们为学术研究目的提供了一个英国与新冠肺炎疫情相关的公共社交媒体帖子的基准数据库，以及一些初步分析，包括按关键词组织的关键主题分类。本新闻稿支持苏格兰政府首席科学家办公室资助的一项研究的结果，该研究旨在调查社会情绪，以了解对大流行期间实施的公共卫生措施的反应。
2022-06-17 cs.CY cs.SI
Surrogate Parameters Optimization for Data and Model Fusion of COVID-19 Time-series Data
我们的研究重点是开发一个计算框架，以模拟COVID-19大流行的传播动态。我们研究了一个名为ADRIANA的系统的开发，以南非为例进行模拟研究。ADRIANA系统的设计将三个子模型相互连接，以建立一种计算技术，为有关封锁措施的政策提供建议，以减少COVID-19在南非的传播模式。此外，ADRIANA的输出可以被医疗管理部门用来预测治疗感染个体所需资源的高峰需求时间。ABM是适合我们的研究实验，但为了防止使用ABM为基础的框架，这项研究的计算限制，我们开发了一个SEIR房室模型，离散事件模拟器，和一个优化的代理模型，形成一个系统名为ADRIANA。我们还确保代理人的调查结果足够准确，以提供最佳解决方案。我们使用遗传算法（GA）的优化，估计最佳的超参数配置的代理。我们通过讨论ADRIANA系统提出的解决方案来结束这项研究，该系统与我们研究的主要目标相一致，即为政府的封锁政策和医院管理人员的资源管理提供最佳指导。
2021-09-09 cs.CY cs.NE
Leveraging Administrative Data for Bias Audits: Assessing Disparate Coverage with Mobility Data for COVID-19 Policy
基于智能手机的移动数据已被广泛用于设计和评估COVID-19应对策略，例如针对公共卫生资源。然而，很少有人注意到测量的有效性和人口统计学偏见，部分原因是缺乏关于哪些用户被代表的文件，以及获得独特访问和人口统计学的地面真实数据的挑战。我们说明了如何连接大规模的行政数据可以使审计的流动性数据的偏见，在没有人口统计信息和地面真相标签。更准确地说，我们表明，链接选民名册数据-包含个人层面的投票率为特定的投票地点以及种族和年龄-可以促进严格的偏见和可靠性测试的建设。这些测试揭示了一种抽样偏差，在大流行的背景下尤其值得注意：老年人和非白人选民不太可能被流动性数据所捕获。我们表明，根据这些流动性数据分配公共卫生资源可能会对高风险老年人和少数群体造成不成比例的伤害。
2021-04-16 cs.CY stat.AP
Optimal Testing and Containment Strategies for Universities in Mexico amid COVID-19
本文提出了一个针对墨西哥高校在COVID-19期间重新开放的检测与遏制框架，将诊断检测视为资源分配问题，开发了检测分配机制和Web应用，并在ITESM进行了试点。
2023-06-27 cs.CY cs.GT math.OC
Ensuring the Inclusive Use of Natural Language Processing in the Global Response to COVID-19
United Nations Global Pulse（联合国全球脉动）；Mila Québec Artificial Intelligence Institute（魁北克人工智能研究所）；Université de Montréal（蒙特利尔大学）；NYU Stern School of Business（纽约大学斯特恩商学院）；Institute for Data Science, Durham University（杜伦大学数据科学研究所）
自然语言处理（NLP）在COVID-19大流行应对工具中发挥着重要作用，从检测社交媒体上的错误信息到帮助提供准确的临床信息或总结科学研究。然而，迄今为止制定的方法并没有平等地惠及所有人口、区域或语言。我们讨论了如何通过覆盖低资源语言（包括替代模式）、利用开箱即用的工具和形成有意义的合作伙伴关系，使当前和未来的NLP方法更具包容性。我们为有兴趣最大限度地发挥NLP的积极社会影响的研究人员提出了几个未来的方向。
2021-08-11 cs.CL cs.CY
Interpretable Machine Learning for Resource Allocation with Application to Ventilator Triage
HEC Paris（巴黎高等商学院）；Columbia University（哥伦比亚大学）；Albert Einstein College of Medicine（阿尔伯特·爱因斯坦医学院）；Montefiore（蒙特菲奥里医疗中心）
针对医疗资源分配中的呼吸机分诊问题，提出基于马尔可夫决策过程的可解释树策略模型，利用动态规划算法生成分诊指南，并在COVID-19数据上显著减少超额死亡。
2024-11-11 cs.CY cs.LG
COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data
Stony Brook University（石溪大学）；University of Waterloo（滑铁卢大学）；Waterloo Artificial Intelligence Institute（滑铁卢人工智能研究所）；DarwinAI Corp.（达尔文人工智能公司）；McGill University（麦吉尔大学）
本研究提出COVID-Net Biochem框架，通过整合领域专业知识与可解释性工具，利用临床和生化数据透明地预测COVID-19患者生存及急性肾损伤风险，提升医疗决策的透明度与可解释性。
2023-10-17 cs.CY cs.LG
Technological Factors Influencing Videoconferencing and Zoom Fatigue
本文提出了一种概念性的多维方法来理解被认为甚至已经被证明有助于产生变焦疲劳（ZF）或更普遍的视频会议疲劳（VCF）的技术因素。随着新冠肺炎疫情的到来，VC服务的使用量急剧增加，导致越来越多关于ZF或VCF现象的报道。这篇论文的动机是，一些媒体最初开始讨论什么是变焦疲劳以及如何避免变焦疲劳，以及一些讨论这一主题的科学论文，其中包含的假设是假设性的，没有足够的科学证据支持。这些工作大多是承认缺乏证据，并部分建议未来的研究方向。本文旨在深化对风险投资技术相关文献的调查，并在可能的情况下提供更多现有证据，同时回顾一些已经提供的支持或证据，以支持某些因果假设。本文提出的技术因素维度及其确定的子维度嵌入在一个更全面的四维概念因素模型中，描述了ZF或VCF的原因。描述这一整体概念模型的论文是由同一组作者撰写的，目前正在为开放获取期刊出版物进行修订。本文扩展了整体模型文件中提供的技术因素维度描述，并提供了更详细的分析和概念，与VC技术如何影响用户的感知，认知负荷，互动和沟通，可能导致压力，疲惫和疲劳。该文件目前是一份活的文件，将在支持或反对某些技术因素影响的证据方面进一步扩充。
2022-02-03 cs.CY cs.HC cs.MM
Visualising COVID-19 Research
2020年，全球爆发了前所未有的SARS-CoV-2，这是一种新型冠状病毒，导致COVID-19大流行，并从根本上改变了我们的生活和工作条件。许多科学家正在不知疲倦地寻找治疗方法和可能的疫苗。此外，各国政府、科研机构和公司正在迅速采取行动，提供资金和开放大容量数据库等资源，以加速旨在解决这一流行病的创新和发现。在本文中，我们开发了一种新的自动化的基于主题的可视化方法，结合先进的数据建模的大型语料库，信息映射和趋势分析，提供一个自上而下和自下而上的浏览和搜索界面，快速发现的主题和研究资源。我们将这种方法应用于两个最近发布的出版物数据集（Dimensions的COVID-19数据集和Allen Institute for AI的CORD-19）。研究结果揭示了一些有趣的信息，包括在社交距离等主题上的努力增加;跨领域举措（例如心理健康和教育）;医学主题的不断发展的研究;以及通过出版物在不同地区展开的病毒轨迹。结果还表明，需要快速和自动启用搜索和浏览大型语料库。我们相信我们的方法将改善未来的大容量可视化和发现系统，但也希望我们的可视化界面目前将帮助科学家，研究人员和公众解决抗击COVID-19大流行的众多问题。
2020-05-15 cs.CY cs.HC cs.IR
Uncovering socioeconomic gaps in mobility reduction during the COVID-19 pandemic using location data
我们使用来自哥伦比亚、墨西哥和印度尼西亚的智能手机位置数据，研究旨在缓解COVID-19大流行蔓延的非药物政策干预措施如何影响人类流动。在所有这三个国家，我们发现，在实施流动限制措施后，人员流动大幅减少。重要的是，我们还发现了财富群体之间流动性降低的巨大而持久的差异：平均而言，财富最高10%的用户减少的流动性是最低10%用户的两倍。对于寻求有效分配资源以应对工作的决策者来说，这些研究结果强调，可以利用智能手机位置数据来调整政策，以满足特定社会经济群体，特别是最弱势群体的需求。
2020-07-27 cs.CY physics.soc-ph
Is Blockchain for Internet of Medical Things a Panacea for COVID-19 Pandemic?
COVID-19疫情的爆发深刻影响了公众的生活方式和社会的医疗体系。作为应对新冠肺炎等传染病流行所带来的新挑战的一种有前途的方法，部署在医院、诊所和医疗中心的医疗物联网（IoMT）可以节省诊断时间，提高医疗资源的效率，尽管IoMT的隐私和安全问题阻碍了广泛采用。为了解决IoMT的隐私，安全和互操作性问题，我们通过将区块链引入现有的IoMT系统，提出了一个基于区块链的IoMT框架。在本文中，我们回顾了这种架构的好处，并说明了支持区块链的IoMT带来的机遇。我们还提供了基于区块链的IoMT在抗击COVID-19大流行方面的用例，包括预防传染病、位置共享和接触者追踪以及注射药物供应链。我们还概述了这一领域今后的工作。
2022-04-16 cs.CR cs.CY cs.DC
