MétaCan
Menu
Retour à la cohorte
Enregistrement W3106931212 · doi:10.2196/20495

The Influence of Average Temperature and Relative Humidity on New Cases of COVID-19: Time-Series Analysis

2020· article· en· W3106931212 sur OpenAlexvenueno aff
Zonglin He, Yiqiao Chin, Shinning Yu, Jian Huang, Casper J. P. Zhang, Zhu Ke, Nima Azarakhsh, Jie Sheng, Yi He, Pallavi Jayavanth, Qian Liu, Babatunde Akinwunmi, Wai‐Kit Ming

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBeijingRelative humidityCoronavirus disease 2019 (COVID-19)Kuala lumpurDemographyGeographyApparent temperatureMathematicsStatisticsMedicineMeteorologyChinaInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The influence of meteorological factors on the transmission and spread of COVID-19 is of interest and has not been investigated. OBJECTIVE: This study aimed to investigate the associations between meteorological factors and the daily number of new cases of COVID-19 in 9 Asian cities. METHODS: Pearson correlation and generalized additive modeling (GAM) were performed to assess the relationships between daily new COVID-19 cases and meteorological factors (daily average temperature and relative humidity) with the most updated data currently available. RESULTS: The Pearson correlation showed that daily new confirmed cases of COVID-19 were more correlated with the average temperature than with relative humidity. Daily new confirmed cases were negatively correlated with the average temperature in Beijing (r=-0.565, P<.001), Shanghai (r=-0.47, P<.001), and Guangzhou (r=-0.53, P<.001). In Japan, however, a positive correlation was observed (r=0.416, P<.001). In most of the cities (Shanghai, Guangzhou, Hong Kong, Seoul, Tokyo, and Kuala Lumpur), GAM analysis showed the number of daily new confirmed cases to be positively associated with both average temperature and relative humidity, especially using lagged 3D modeling where the positive influence of temperature on daily new confirmed cases was discerned in 5 cities (exceptions: Beijing, Wuhan, Korea, and Malaysia). Moreover, the sensitivity analysis showed, by incorporating the city grade and public health measures into the model, that higher temperatures can increase daily new case numbers (beta=0.073, Z=11.594, P<.001) in the lagged 3-day model. CONCLUSIONS: The findings suggest that increased temperature yield increases in daily new cases of COVID-19. Hence, large-scale public health measures and expanded regional research are still required until a vaccine becomes widely available and herd immunity is established.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,040
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,968

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,150
Tête enseignante GPT0,407
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetCOVID-19 epidemiological studiesTravaux en français237 207