論文の概要: Correlation between COVID-19 morbidity and mortality rates in Japan and
local population density, temperature and absolute humidity
- arxiv url: http://arxiv.org/abs/2007.14065v2
- Date: Thu, 30 Jul 2020 01:27:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-07 23:27:17.635211
- Title: Correlation between COVID-19 morbidity and mortality rates in Japan and
local population density, temperature and absolute humidity
- Title(参考訳): 日本におけるCOVID-19死亡率と死亡率と地域人口密度・温度・絶対湿度との関係
- Authors: Sachiko Kodera, Essam A. Rashed, Akimasa Hirata
- Abstract要約: 本研究は、各都道府県における新型コロナウイルス感染症の死亡率と死亡率について分析した。
死亡率と人口密度との間には軽度の相関が認められた。
低い死亡率と死亡率は、高温と絶対湿度で観測される。
- 参考スコア(独自算出の注目度): 2.750124853532831
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study analyzed the morbidity and mortality rates of the COVID-19
pandemic in different prefectures of Japan. Under the constraint that daily
maximum confirmed deaths and daily maximum cases should exceed 4 and 10,
respectively, 14 prefectures were included, and cofactors affecting the
morbidity and mortality rates were evaluated. In particular, the number of
confirmed deaths was assessed excluding the cases of nosocomial infections and
nursing home patients. A mild correlation was observed between morbidity rate
and population density (R2=0.394). In addition, the percentage of the elderly
per population was also found to be non-negligible. Among weather parameters,
the maximum temperature and absolute humidity averaged over the duration were
found to be in modest correlation with the morbidity and mortality rates,
excluding the cases of nosocomial infections. The lower morbidity and mortality
are observed for higher temperature and absolute humidity. Multivariate
analysis considering these factors showed that determination coefficients for
the spread, decay, and combined stages were 0.708, 0.785, and 0.615,
respectively. These findings could be useful for intervention planning during
future pandemics, including a potential second COVID-19 outbreak.
- Abstract(参考訳): 本研究は,全国各都道府県における新型コロナウイルス(covid-19)パンデミックの病状と死亡率を分析した。
1日当たりの死亡確認数と1日当たり死亡数を4,10以上とする制約の下,14都道府県を対象とし,死亡率と死亡率に影響を与える因子について検討した。
特に院内感染と老人ホーム患者を除く死者数について検討した。
死亡率と人口密度(r2=0.394)との間に軽度相関が認められた。
また、人口当たりの高齢者の割合も無視できないことが判明した。
気象パラメータのうち, 持続期間の平均最高気温と絶対湿度は, 院内感染例を除き, 死亡率, 死亡率と緩やかに相関することが判明した。
低い死亡率と死亡率は、高温と絶対湿度で観測される。
これらの因子を考慮した多変量解析の結果, 拡散, 崩壊, 複合ステージの判定係数はそれぞれ0.708, 0.785, 0.615であった。
これらの発見は、新型コロナウイルスの2回目の感染拡大を含む将来のパンデミックにおける介入計画に有用かもしれない。
関連論文リスト
- Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳(メタデータ) (2024-07-28T02:42:36Z) - Computing the Death Rate of COVID-19 [0.34376560669160383]
新型コロナウイルスの感染率(IFR)は、感染数は不明であるため、推定が難しい。
当科では, 当院における当院における当院における当院における当院における当院における当院における当院における当院におけるIFRの実態について検討した。
論文 参考訳(メタデータ) (2021-09-09T19:38:50Z) - Factors affecting the COVID-19 risk in the US counties: an innovative
approach by combining unsupervised and supervised learning [0.0]
新型コロナウイルスの感染リスクや死亡率に影響を及ぼす要因を郡レベルで分析した。
その結果、温度、貧困以下の人の割合、肥満、空気圧、人口密度、風速、経度、そして被保険者の比率が最も重要な属性であった。
論文 参考訳(メタデータ) (2021-06-24T04:29:00Z) - Machine Learning and Meta-Analysis Approach to Identify Patient
Comorbidities and Symptoms that Increased Risk of Mortality in COVID-19 [1.221966660783828]
感染者の多くは、症状の重症度と死亡リスクを高めるために、新型コロナウイルスと相互作用する既往の状態を持っている。
我々は、公表されたグローバル文献のメタ分析と、集約されたCOVID-19グローバルデータセットを用いた機械学習予測分析を行った。
結果: 慢性閉塞性肺疾患 (COPD) , 脳血管疾患 (CEVD) , 心血管疾患 (CVD) , 2型糖尿病, 悪性度, 高血圧を, COVID-19重症度に最も有意な関連が認められた。
論文 参考訳(メタデータ) (2020-08-21T12:31:54Z) - An early warning tool for predicting mortality risk of COVID-19 patients
using machine learning [0.0]
2020年1月10日から2月18日にかけて、東寺病院(中国)に入院した375人の新型コロナウイルス陽性患者を対象に、振り返り調査を行った。
新型コロナウイルス患者の死亡リスクを予測するため,ノモグラムが開発された。
総合スコア(LNLCA)を対応する死亡確率で算出した。
論文 参考訳(メタデータ) (2020-07-29T15:16:09Z) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳(メタデータ) (2020-06-23T03:36:19Z) - Influence of Absolute Humidity, Temperature and Population Density on
COVID-19 Spread and Decay Durations: Multi-prefecture Study in Japan [2.4469484645516837]
本研究は、各都道府県における新型コロナウイルスの感染拡大と崩壊期間について分析した。
パンデミックの間、日本国内では手頃な医療が広く利用され、医療制度は崩壊には至らなかった。
論文 参考訳(メタデータ) (2020-06-03T12:10:17Z) - Joint Prediction and Time Estimation of COVID-19 Developing Severe
Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。
提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。
提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文 参考訳(メタデータ) (2020-05-07T12:16:37Z) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳(メタデータ) (2020-04-02T21:49:14Z) - Severity Assessment of Coronavirus Disease 2019 (COVID-19) Using
Quantitative Features from Chest CT Images [54.919022945740515]
本研究の目的は,胸部CT画像に基づく新型コロナウイルスの重症度自動評価(非重症度または重症度)を実現することである。
ランダム・フォレスト(RF)モデルは、量的特徴に基づいて重症度(非重症度または重症度)を評価するために訓練される。
新型コロナウイルスの重症度を反映する可能性のあるいくつかの定量的特徴が明らかになった。
論文 参考訳(メタデータ) (2020-03-26T15:49:32Z) - Large-Scale Screening of COVID-19 from Community Acquired Pneumonia
using Infection Size-Aware Classification [41.85283468679224]
症例は新型コロナウイルス1658例,CAP1027例であった。
すべての画像は、感染症と肺野の両方の領域を取得するために前処理された。
iSARF (Size Aware Random Forest) 法が提案され, 感染範囲の異なる群に自動的に分類された。
実験結果から,提案手法の感度は0.907,特異性は0.833,精度は0.879であった。
論文 参考訳(メタデータ) (2020-03-22T11:12:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。