• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    全球新冠病毒疫情防控能力研究

    2021-01-10 10:41:09李卓香付春龍
    科學(xué)與生活 2021年26期
    關(guān)鍵詞:新型冠狀病毒疫情防控特征分析

    李卓香 付春龍

    摘要:新冠病毒威脅著人類的生命安全,研究全球各國的疫情防控能力對控制疫情有著重要的意義。本文搜集了與疫情防控相關(guān)的特征數(shù)據(jù),然后對這些特征進(jìn)行了皮爾遜相關(guān)性分析,得出感染人數(shù)、死亡人數(shù)、治愈人數(shù)最能反映國家的疫情防控能力。運用了因子分析法,主成分分析法,熵值法,獨立性權(quán)重法,信息量權(quán)重法計算影響疫情控制因素的權(quán)重,然后對這些權(quán)重進(jìn)行取均值得到特征的最終權(quán)重。最后利用疫情防控公式計算得到各國的疫情防控能力排名。

    關(guān)鍵詞:新型冠狀病毒;特征分析 ;特征權(quán)重;疫情防控

    1 引言

    冠狀病毒名為COVID-19,是一種新型呼吸道病毒,于2019年起,該病毒在全球傳播了200多個國家和地區(qū),威脅著人們的生命安全。

    在控制和消除新型冠狀病毒的研究領(lǐng)域,Ball S等人基于機(jī)器學(xué)習(xí)時間序列方法對Covid-19數(shù)據(jù)進(jìn)行了短期累積病例預(yù)測[1]。Malki Z等人在研究溫度、濕度與新冠病毒傳播的關(guān)系中發(fā)現(xiàn),溫度越高死亡率越低[2]。Atchaya K等人使用支持向量機(jī)、邏輯回歸對未來疫情數(shù)據(jù)進(jìn)行了預(yù)測,發(fā)現(xiàn)邏輯回歸具有較好的預(yù)測效果[3]。

    目前關(guān)于新冠病毒研究主要圍繞藥物、傳播、預(yù)測等方面的研究,沒有對疫情的防控進(jìn)行一個全面的分析和解讀。本文從全球疫情控制的角度出發(fā),對全球的疫情控制能力進(jìn)行定量研究。因此我們對2021年7月21日不同國家對疫情的控制力進(jìn)行研究,并為各國的控制力大小進(jìn)行排名。疫情防控能力的排名可以充分的反應(yīng)全球的疫情控制的總體情況,這對全球共同協(xié)助抗擊疫情有非常重要的意義。它不僅可以反應(yīng)一個國家控制疫情的力度,還可以反應(yīng)各國在國際上發(fā)布的疫情數(shù)據(jù)與實際的疫情情況是否存在偏差,為疫情情況提供參考,以便能及時的采取相應(yīng)的抗疫措施。

    2 數(shù)據(jù)處理及特征篩選

    2.1數(shù)據(jù)獲取及處理

    為了研究哪些因素是影響疫情防控的主要因素,本文對新型冠狀病毒的傳播和治愈過程進(jìn)行了分析。從疫情傳播角度出發(fā),可能影響疫情傳播的因素有該國人口密度,能直接反映疫情傳播的數(shù)據(jù)有新冠感染人數(shù)。從治愈上來看,可能影響新冠患者死亡和治愈的因素有該國醫(yī)療水平和患者自身治療新冠的儲蓄,以及該國GDP發(fā)展是否能為患者提供充足的醫(yī)療物資,能直接反映疫情治愈情況的數(shù)據(jù)有新型冠狀病毒的治愈人數(shù)和死亡人數(shù)。

    綜上所述,影響疫情防控的因素有人口密度、人均儲蓄、GDP、醫(yī)療水平、新冠感染人數(shù)、新冠治愈人數(shù)、新冠死亡人數(shù)。

    數(shù)據(jù)來源:2021年7月21日21時的累計治愈人數(shù)、累計感染人數(shù)、累計死亡人數(shù)源于GitHub。2021年7月最新人口總數(shù)源于ModelWhale。人口密度,GDP,儲蓄源于World Bank Open Data。醫(yī)療水平HAQ指數(shù),源于《柳葉刀》發(fā)布全球醫(yī)療質(zhì)量排行[4]。HAQ指數(shù)是通過對32項評估指標(biāo)計算出具體醫(yī)療質(zhì)量和可及性指數(shù)(Healthcare Access and Quality Index,以下簡稱HAQ),分值在0-100之間。分?jǐn)?shù)越高說明醫(yī)療質(zhì)量和可及性越好。疫情防控研究范圍包含了143個感染人數(shù),治愈人數(shù)和死亡人數(shù)不為零的國家,由于部分國家地區(qū)的新冠疫情數(shù)據(jù)不完整,本文未對所有國家及地區(qū)進(jìn)行統(tǒng)計。

    2.2相關(guān)性分析

    為了研究全球各國對疫情防控能力的一個現(xiàn)狀,通過前面的分析,本文選取了如下特征:GDP,HAQ指數(shù)、總儲蓄、人口密度、累計感染人數(shù)、累計死亡人數(shù)和累計治愈人數(shù)。為了確定數(shù)據(jù)間的相關(guān)性,本文對各指標(biāo)進(jìn)行皮爾遜相關(guān)分析去度量兩個變量之間的相關(guān)程度,其公式如下:

    其中 為X與Y的協(xié)方差, 為X的方差, 為Y的方差。根據(jù)該公式可以計算得到各特征之間的相關(guān)性,其結(jié)果通過熱力圖展示,參見圖1。

    圖1中Y代表醫(yī)療水平,C代表儲蓄,M代表平均人口密度,S代表累計死亡人數(shù),Z代表累計治愈人數(shù),G代表累計感染人數(shù)。使用Pearson相關(guān)系數(shù)去研究特征之間的相關(guān)性強(qiáng)度,其反映了兩個特征相關(guān)系數(shù)值,當(dāng)相關(guān)系數(shù)值大于0則呈現(xiàn)正相關(guān)。Pearson相關(guān)系數(shù)顯著性檢驗方法所得到的p值能反映某一事件發(fā)生的可能性大小,在線性回歸中,p<0.05表示兩個特征顯著線性相關(guān)。

    結(jié)果分析:由相關(guān)性分析可知兩個特征相關(guān)系數(shù)值大于0.8的有S與G、Z與G、Z與S、C與GDP,呈現(xiàn)正相關(guān)。兩個特征p值小于0.05的有S與G、Z與G、Z與S 、C與GDP、G與GDP、 S與GDP,呈現(xiàn)顯著性。因此可知GDP、醫(yī)療水平、總儲蓄、平均人口密度對疫情防控影響作用不大。能反映疫情防控的主要特征是累計死亡人數(shù)、累計治愈人數(shù)、累計感染人數(shù),可用這些特征來研究疫情防控。

    3 疫情防控分析

    3.1特征權(quán)重

    為了確定疫情控制中死亡人數(shù),感染人數(shù)和治愈人數(shù)分別占的比重,本文分析8種確定權(quán)重的方法,分別是:因子分析法、主成分分析、AHP層次法、優(yōu)序圖法、熵值法、CRITIC權(quán)重、獨立性權(quán)重、信息量權(quán)重法[5]。

    其中AHP層次法和優(yōu)序圖法是通過為指標(biāo)的重要性打分來確定權(quán)重,其結(jié)果包含太多主觀因素,因此在研究過程中排除。CRITRC權(quán)重方法在結(jié)果檢驗中出現(xiàn)異常值,也排除。最后確定研究權(quán)重的方法為剩下5種,并使用SPSS軟件進(jìn)行數(shù)據(jù)分析分別計算累積感染人數(shù),累積死亡人數(shù)和累積治愈人數(shù)在疫情防控的權(quán)重。為了確保權(quán)重信息更具有代表性,需再求5種方法的權(quán)重均值,權(quán)重均值是我們研究疫情防控的重要數(shù)據(jù),最終結(jié)果見表2。

    3.2防控能力排名

    研究全球疫情防控能力,首先計算了143個國家的累計感染人數(shù)、累計死亡人數(shù)、累計治愈人數(shù)與權(quán)重相乘的結(jié)果。接著對各國感染率、死亡率、治愈率進(jìn)行排名。其中感染率為累計感染人數(shù)除以總?cè)丝跀?shù),死亡率為累計死亡人數(shù)除以感染總?cè)藬?shù),治愈率為累計治愈人數(shù)除以感染總?cè)藬?shù)。感染率越小,排名越靠前。治愈率越大,排名越靠前。死亡率越小,排名越靠前。最終排名越靠前,說明疫情防控越好。

    設(shè)某個國家疫情控制力排名為 ,感染率排名為 ,治愈率排名為 ,死染率排名為 。累計感染人數(shù)權(quán)重為 ,累計治愈人數(shù)權(quán)重為 ,累計死亡人數(shù)權(quán)重為 。各國疫情防控能力的排名公式如下,通過計算得到最終的排名結(jié)果見表3。

    4 結(jié)論

    本文對全球的疫情防控能力進(jìn)行定量研究,充分的反應(yīng)疫情控制的總體情況,這對全球共同抗擊疫情有非常重要的意義。在實驗中,相關(guān)性分析檢驗排除對疫情防控影響力較小的特征。權(quán)重分析和排序解決了特征總數(shù)不同帶來的影響,得到準(zhǔn)確的疫情防控的排名。由表6可見,排名靠前的有很多是發(fā)展中國家,而排名靠后的也有很多發(fā)達(dá)國家。結(jié)合前人對新冠病毒藥物、傳播、預(yù)測等方面的研究,可證明疫情防控與國家發(fā)達(dá)程度關(guān)系不大,與各國的氣候、文化、防控措施、民眾配合度有較大的關(guān)系。

    參考文獻(xiàn)

    [1]Ball S . Data Analysis of Covid-19 Pandemic and Short-Term Cumulative Case Forecasting Using Machine Learning Time Series Models[J]. Chaos Solitons & Fractals, 2021, 142:110512.

    [2]Malki Z , ?Atlam E S , ?Hassanien A E , et al. Association between Weather Data and COVID-19 Pandemic Predicting Mortality Rate: Machine Learning Approaches[J]. Chaos Solitons & Fractals, 2020, 138:110137.

    [3]Atchaya K , ?Darshinii M , ?Harini R , et al. Administered Machine Learning Models for Covid-19 Future Forecasting[J]. Journal of Physics: Conference Series, 2021, 1916(1):012157 (6pp).

    [4]Measuring performance on the Healthcare Access and Quality Index for 195 countries and territories and selected subnational locations: a systematic analysis from the Global Burden of Disease Study 2016[J]. Lancet, 2018, 391(10136):2236-2271.

    [5]金新政, 厲巖. 優(yōu)序圖和層次分析法在確定權(quán)重時的比較研究及應(yīng)用[J].中國衛(wèi)生統(tǒng)計, 2001, 018(002):119-120.

    基金項目:四川大學(xué)錦江學(xué)院2020年青年教師科研基金項目“基于 Matlab 的疫情傳播研究與算法設(shè)計”(項目編號:QNJJ-2020-A02)。

    作者簡介:付春龍,男,通訊作者,碩士,研究方向:人工智能、機(jī)器學(xué)習(xí);李卓香,女,本科,研究方向:人工智能、數(shù)據(jù)挖掘。

    猜你喜歡
    新型冠狀病毒疫情防控特征分析
    突發(fā)公共衛(wèi)生事件中的藥物使用法規(guī)依據(jù)
    疫情防控下的高校網(wǎng)上財務(wù)管理思考
    會計之友(2020年6期)2020-03-11 13:18:22
    “新型冠狀病毒”該如何防治
    2013~2018年烏魯木齊市猩紅熱流行病學(xué)特征分析
    安徽省人畜共患病細(xì)菌性傳染病綜述
    2013~2017年東莞市大嶺山醫(yī)院急診科接種狂犬疫苗情況分析
    傳染病信息披露制度的法律建構(gòu)與反思
    2012 年南海夏季風(fēng)特征分析
    關(guān)于埃博拉病毒預(yù)防控制的幾點建議
    中國市場(2016年2期)2016-01-16 17:41:50
    基于PowerPC的脈內(nèi)特征分析算法的工程實現(xiàn)
    福清市| 罗山县| 泾源县| 侯马市| 财经| 襄城县| 潮安县| 美姑县| 怀化市| 东方市| 潼南县| 巴马| 玉田县| 翼城县| 兴隆县| 门源| 怀安县| 吉木乃县| 玛沁县| 都匀市| 荆州市| 通化县| 南和县| 崇信县| 阳西县| 长兴县| 景宁| 兴安县| 姜堰市| 彰化县| 昭平县| 穆棱市| 德兴市| 乌兰县| 沅陵县| 色达县| 盘山县| 井研县| 铁岭县| 光山县| 增城市|