Regional differences in COVID-19 attack and case fatality rates in the first quarter of 2020: a comparative study
Notice bibliographique
Résumé
Background and Objective: The COVID-19 (Coronavirus disease 2019) outbreak has become a public health threat all over the world. From December 31, 2019 to March 19, 2020, 146 countries were affected. Evidence on the management approaches of current COVID-19 pandemic is still limited though the numbers of affected countries are increasing as the days go by. This study was aimed at determining the attack rate (AR) and case fatality rate (CFR) of Covid-19 in six different regions around the world in the first quarter of 2020. An attempt was also made to provide an overview of the ongoing situation of COVID-19. Methods: The design of the study was mixed approach where a retrospective analysis of surveillance data of six different regions around the world were collected from COVID-19 dashboard of World Health organization, between 31 December 2019 to 19 March 2020 (Time: 2:00 pm. BST [CET: 9 am]). Besides, other different validated sources (example: Worldometer, Center for Disease Control and Prevention) were used to assess the ongoing situation regarding COVID-19. A statistical software SPSS version 26 was used to analyze the data. Results: There were a total of 207,860 confirmed cases and 8779 deaths across six different regions around the world from 31 December 2019 to 19 March 2020, with the highest AR of 9.92/100,000 population in Europe region, followed by Asia (2.7/ 100,000), Australia (1.75/100,000), North America (1.42/100,000), South America (0.23/100,000) and Africa (0.06/100,000) regions. Study results revealed statistically significant association between attack rates and the six regions of the world (p=0.002), meaning that AR varied in the regions around the world. The CFR was high in Europe region (4.81%), followed by Asia (4.06%), Africa (2.72%), South America (1.41%), Australia (1.12%), and North America (0.69%) regions. Data reviewed from different countries revealed that the highest number of cases was confirmed in the United States, followed by Spain and Italy. The findings revealed that the reported confirmed cases varied widely in different regions of the world. Conclusion: The severity and variation in -geographical distribution of COVID-19 cases and deaths suggest that urgent response from various government and public health authorities should be taken and research regarding underlying factors determining this severity should be sought for. Ibrahim Med. Coll. J. 2020; 14(2): 1-10
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».