Buchumschlag

Correlations Between COVID-19 and Dengue

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bergero, Paula, Schaposnik, Laura P., Wang, Grace
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Populations and Evolution Machine Learning Physics and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Age-structured estimation of COVID-19 ICU demand from low quality data
von: Veiga, Rodrigo, et al.
Veröffentlicht: (2020)

Global Prediction of COVID-19 Variant Emergence Using Dynamics-Informed Graph Neural Networks
von: Aawar, Majd Al, et al.
Veröffentlicht: (2024)

Animal Synchrony and agents' segregation
von: Schaposnik, Laura P., et al.
Veröffentlicht: (2022)

Dynamics of Infection Spread and Hotspot Growth in Bi-Pathogen Networks
von: Yu, Alyssa, et al.
Veröffentlicht: (2025)

SIR-RL: Reinforcement Learning for Optimized Policy Control during Epidemiological Outbreaks in Emerging Market and Developing Economies
von: Jain, Maeghal, et al.
Veröffentlicht: (2024)

Disease Outbreak Detection and Forecasting: A Review of Methods and Data Sources
von: Babanejaddehaki, Ghazaleh, et al.
Veröffentlicht: (2024)

Counting the uncounted : estimating the unaccounted COVID-19 infections in India
von: Saikia, Debashis, et al.
Veröffentlicht: (2024)

Spatial Super-Infection and Co-Infection Dynamics in Networks
von: Yu, Alyssa, et al.
Veröffentlicht: (2025)

Calibrating COVID-19 SEIR models with time-varying effective contact rates
von: Gleeson, James P., et al.
Veröffentlicht: (2021)

Approaching epidemiological dynamics of COVID-19 with physics-informed neural networks
von: Han, Shuai, et al.
Veröffentlicht: (2023)

COVID-19 Modeling Based on Real Geographic and Population Data
von: Baysazan, Emir, et al.
Veröffentlicht: (2022)

Demography-independent behavioural dynamics influenced the spread of COVID-19 in Denmark
von: Meynent, Léo, et al.
Veröffentlicht: (2025)

Confirmation of the centrality of the Huanan market among early COVID-19 cases
von: Débarre, Florence, et al.
Veröffentlicht: (2024)

No evidence of systematic proximity ascertainment bias in early COVID-19 cases in Wuhan Reply to Weissman (2024)
von: Débarre, Florence, et al.
Veröffentlicht: (2024)

Revealing the unseen: Likely half of the Americans relied on others' experience when deciding on taking the COVID-19 vaccine
von: Aghaeeyan, Azadeh, et al.
Veröffentlicht: (2023)

Apparent structural changes in contact patterns during COVID-19 were driven by survey design and long-term demographic trends
von: Harris, Thomas, et al.
Veröffentlicht: (2024)

Wastewater-based Epidemiology for COVID-19 Surveillance and Beyond: A Survey
von: Chen, Chen, et al.
Veröffentlicht: (2024)

MSGNN: Multi-scale Spatio-temporal Graph Neural Network for Epidemic Forecasting
von: Qiu, Mingjie, et al.
Veröffentlicht: (2023)

A data augmentation strategy for deep neural networks with application to epidemic modelling
von: Awais, Muhammad, et al.
Veröffentlicht: (2025)

Modeling, Inference, and Prediction in Mobility-Based Compartmental Models for Epidemiology
von: Jiang, Ning, et al.
Veröffentlicht: (2024)

Modeling the Spread of COVID-19 in University Communities
von: Herrmann, Jeffrey W., et al.
Veröffentlicht: (2024)

The impact of Covid-19 vaccination in Aotearoa New Zealand: a modelling study
von: Datta, Samik, et al.
Veröffentlicht: (2024)

Limited data on infectious disease distribution exposes ambiguity in epidemic modeling choices
von: Di Domenico, Laura, et al.
Veröffentlicht: (2024)

Nonlinear trend of COVID-19 infection time series
von: Ishiyama, Fumihiko
Veröffentlicht: (2024)

A Stochastic Mobility-Driven Spatially Explicit SEIQRD COVID-19 Model with VOCs, Seasonality, and Vaccines
von: Alleman, Tijs W., et al.
Veröffentlicht: (2022)

Estimating the population-level effects of non-pharmaceutical interventions when transmission rates of COVID-19 vary by orders of magnitude from one contact to another
von: Sear, Richard P.
Veröffentlicht: (2024)

Dynamic Systems Framework for Modeling COVID-19 with Lévy Noise
von: Tesfay, Daniel, et al.
Veröffentlicht: (2021)

A self-supervised neural-analytic method to predict the evolution of COVID-19 in Romania
von: Stochiţoiu, Radu D., et al.
Veröffentlicht: (2020)

Analysis of COVID-19 Infection Dynamics: Extended SIR Model Approach
von: Traxler, Caleb, et al.
Veröffentlicht: (2025)

A Review of Graph Neural Networks in Epidemic Modeling
von: Liu, Zewen, et al.
Veröffentlicht: (2024)

Bayesian analysis of diffusion-driven multi-type epidemic models with application to COVID-19
von: Bouranis, Lampros, et al.
Veröffentlicht: (2022)

Evaluating the Impact of Vaccine Hesitancy on the Allocation of Vital Resources During COVID-19 Pandemic
von: Bui, Hieu, et al.
Veröffentlicht: (2024)

Evolution of social behaviors in noisy environments
von: Wang, Guocheng, et al.
Veröffentlicht: (2025)

Household size can explain 40% of the variance in cumulative COVID-19 incidence across Europe
von: Contreras, Seba, et al.
Veröffentlicht: (2026)

Investigating Forecasting Models for Pandemic Infections Using Heterogeneous Data Sources: A 2-year Study with COVID-19
von: Komodromos, Zacharias, et al.
Veröffentlicht: (2025)

Testing Paradox May Explain Increased Observed Prevalence of Bacterial STIs among MSM on HIV PrEP: A Modeling Study
von: Müller, Laura, et al.
Veröffentlicht: (2025)

Viral mutation spread controlled by inter-host network dynamics
von: López-Pedrares, Javier, et al.
Veröffentlicht: (2025)

Opinion dynamics on biased dynamical networks: beyond rare opinion updating
von: Wang, Xunlong, et al.
Veröffentlicht: (2024)

Reconstructing MSM Sexual Networks to Guide PrEP Distribution Strategies for HIV Prevention
von: Brázia, João, et al.
Veröffentlicht: (2026)

Reputation-based synergy and discounting mechanism promotes cooperation
von: Zhu, Wenqiang, et al.
Veröffentlicht: (2023)