کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5118950 1485759 2016 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Accelerating the discovery of space-time patterns of infectious diseases using parallel computing
ترجمه فارسی عنوان
سرعت کشف الگوهای فضا-زمان بیماری های عفونی با استفاده از محاسبات موازی
کلمات کلیدی
تب دنگی، محاسبات موازی، تجزیه و تحلیل زمان فضایی،
ترجمه چکیده
بیماری های عفونی دارای چرخه های پیچیده انتقال هستند و پاسخ های بهداشت عمومی موثر نیاز به توانایی برای نظارت بر شیوع بیماری را به موقع می گذارد. آمار فضا-زمان، کشف پویایی بیماری از جمله میزان گسترش و الگوهای چرخه فصلی را تسهیل می کند، اما به لحاظ محاسباتی، مخصوصا برای مجموعه های داده ها با افزایش اندازه، تنوع و قابلیت دسترسی، بسیار دشوار است. محاسبات با کارایی بالا باعث کاهش تلاش لازم برای شناسایی این الگوها می شود، با این حال ناهمگونی در داده ها باید مورد توجه قرار گیرد. ما یک رویکرد تجزیه دامنه فضای زمان سازگار را برای محاسبه موازی تراکم هسته فضا-زمان طراحی می کنیم. ما روش خود را در مورد موارد دنگی گزارش شده از 2010 تا 2011 در شهر کلای کلمبیا اعمال می کنیم. اجرای موازی در مقایسه با همتایان متوالی سرعت قابل توجهی دارد. مقادیر تراکم در یک محیط سه بعدی تعاملی تجسم می شود، که شناسایی و ارتباط ناگهانی توزیع فضا و زمان رویدادهای بیماری را تسهیل می کند. چارچوب ما این امکان را برای افزایش نظارت به موقع بیماری های عفونی فراهم می کند.
موضوعات مرتبط
علوم پزشکی و سلامت پزشکی و دندانپزشکی سیاست های بهداشت و سلامت عمومی
پیش نمایش مقاله
سرعت کشف الگوهای فضا-زمان بیماری های عفونی با استفاده از محاسبات موازی
چکیده انگلیسی
Infectious diseases have complex transmission cycles, and effective public health responses require the ability to monitor outbreaks in a timely manner. Space-time statistics facilitate the discovery of disease dynamics including rate of spread and seasonal cyclic patterns, but are computationally demanding, especially for datasets of increasing size, diversity and availability. High-performance computing reduces the effort required to identify these patterns, however heterogeneity in the data must be accounted for. We develop an adaptive space-time domain decomposition approach for parallel computation of the space-time kernel density. We apply our methodology to individual reported dengue cases from 2010 to 2011 in the city of Cali, Colombia. The parallel implementation reaches significant speedup compared to sequential counterparts. Density values are visualized in an interactive 3D environment, which facilitates the identification and communication of uneven space-time distribution of disease events. Our framework has the potential to enhance the timely monitoring of infectious diseases.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Spatial and Spatio-temporal Epidemiology - Volume 19, November 2016, Pages 10-20
نویسندگان
, , , ,