Mobility-GCN：基于人类流动性的图卷积网络，用于追踪和分析美国合成阿片类药物危机的空间动态（2013-2020年）
机器学习
2024-10-14 v4 计算机与社会
物理与社会
摘要
合成阿片类药物是美国药物过量致死中最常见的药物。美国疾病控制与预防中心报告称，2018年约70%的药物过量致死涉及阿片类药物，其中67%的阿片类药物致死由合成阿片类药物造成。在本研究中，我们调查了2013年至2020年间合成阿片类药物在美国的传播情况。我们分析了合成阿片类药物致死事件的时空模式与另一种关键阿片类药物海洛因之间的关系，并比较了这两种药物在此期间致死模式的差异。我们将县际空间联系和人类流动性纳入图卷积神经网络模型，以在先前海洛因致死模式的背景下表示和分析合成阿片类药物致死事件的传播。
引用
@article{arxiv.2409.09945,
title = {Mobility-GCN: a human mobility-based graph convolutional network for tracking and analyzing the spatial dynamics of the synthetic opioid crisis in the USA, 2013-2020},
author = {Zhiyue Xia and Kathleen Stewart},
journal= {arXiv preprint arXiv:2409.09945},
year = {2024}
}
备注
Upon further review, my co-authors and I have realized that the paper is a working draft and not yet ready for public dissemination. We plan to continue refining the content and addressing certain issues before resubmitting the paper for consideration in its final form