Data analysis of COVID-19 wave peaks in relation to latitude and temperature for multiple nations
Notice bibliographique
Résumé
Abstract It was observed that the multiple peaks of coronavirus disease-19 (COVID-19) appeared in different seasons in different countries. There were countries where the COVID-19 peak occurred during extremely low temperatures, such as Norway, Canada and on the other hand there were countries with high-temperature ranges such as Brazil, India, UAE. Most of the high-latitude countries received their outbreak in winter and most of the countries near the equator mark the outbreak during the summer. Most of the biological organisms have their growth dependant on the temperature, and hence we explored that if there is any relation of temperature versus COVID-19 outbreak in the particular country. It was also seen that people are not behaving differently during the peak of the COVID-19 wave, hence it was important to know whether the COVID-19 virus has evolved or the global temperature variation caused these multiple peaks. This work focuses on finding the effect of temperature variation on the COVID-19 outbreak. We used Levenberg–Marquardt technique to find the correlation between the temperature at which COVID-19 outbreak peaks and the latitude of the particular country. We found that between the temperature range of 14 ° C to 20 ° C spread of the COVID-19 is minimal. Based on our results we can also say that the COVID-19 outbreak is seen in lower temperature (0 ° C to 13 ° C) ranges as well as in the higher temperature ranges (21 ° C to 35 ° C). The current data analysis will help the authorities to manage their resources in advance to prepare for any further outbreaks that might occur in the COVID-19 or even in the next pandemic.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».