Artificial Intelligence Model of Drive-Through Vaccination Simulation.
Artificial Intelligence Model of Drive-Through Vaccination Simulation.
复制标题
DOI：
10.3390/ijerph18010268
复制
发表时间：
2020-12-31
影响因子：
--
通讯作者：
Wu J
中科院分区：
文献类型：
--
作者：
Asgary A;Valtchev SZ;Chen M;Najafabadi MM;Wu J
许多国家正在计划大规模接种SARS-Cov-2疫苗，因为在不久的将来公众将可获得疫苗。在大流行持续期间进行快速大规模疫苗接种需要使用传统的和新的临时疫苗接种诊所。在其他方法中，使用免下车服务被认为是可能有效的临时大规模疫苗接种方法之一。在这项研究中，我们提出了一个机器学习模型，该模型是基于一个大型数据集开发的，该数据集来自125 K次免下车大规模疫苗接种模拟工具。结果表明，该模型能够合理地预测仿真工具的关键输出。因此，该模型已转向在线应用程序，可以帮助大规模疫苗接种规划人员更快地评估不同类型的免下车大规模疫苗接种设施的结果。
Planning for mass vaccination against SARS-Cov-2 is ongoing in many countries considering that vaccine will be available for the general public in the near future. Rapid mass vaccination while a pandemic is ongoing requires the use of traditional and new temporary vaccination clinics. Use of drive-through has been suggested as one of the possible effective temporary mass vaccinations among other methods. In this study, we present a machine learning model that has been developed based on a big dataset derived from 125K runs of a drive-through mass vaccination simulation tool. The results show that the model is able to reasonably well predict the key outputs of the simulation tool. Therefore, the model has been turned to an online application that can help mass vaccination planners to assess the outcomes of different types of drive-through mass vaccination facilities much faster.
登录
查看更多内容
影响因子：
3.6
作者：
Beeler, Michael F.;Aleman, Dionne M.;Carter, Michael W.
通讯作者：
Carter, Michael W.
影响因子：
4.2
作者：
Gupta, Aman;Evans, Gerald W.;Heragu, Sunderesh S.
通讯作者：
Heragu, Sunderesh S.
影响因子：
5
作者：
Ramirez-Nafarrate, Adrian;Lyon, Joshua D.;Araz, Ozgur M.
通讯作者：
Araz, Ozgur M.
DOI：
10.3390/ijerph17082750
发表时间：
2020-04-01
影响因子：
--
作者：
Qeadan, Fares;Honda, Trenton;Shoaf, Kimberley
通讯作者：
Shoaf, Kimberley
DOI：
10.1016/j.trip.2020.100111
发表时间：
2020-05-01
影响因子：
--
作者：
Lee, David;Lee, Jaehong
通讯作者：
Lee, Jaehong