MétaCan
Menu
Retour à la cohorte
Enregistrement W3196371171 · doi:10.31584/jhsmr.2021836

Age, Sex, Population Density and COVID-19 Pandemic in Thailand: A Nationwide Descriptive Correlational Study

2021· article· en· W3196371171 sur OpenAlexaff
Suebsarn Ruksakulpiwat, Wendie Zhou, Chantira Chiaranai, Phongthon Saengchut, Jane E. Vonck

Notice bibliographique

RevueJournal of Health Science and Medical Research · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésDemographyPandemicCoronavirus disease 2019 (COVID-19)PopulationDescriptive statisticsMedicineChristian ministryGerontologyGeographyDiseaseStatisticsInfectious disease (medical specialty)SociologyMathematicsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objective: It is reported that age and sex have been identified as potential risk factors for severe outcomes and the distribution of coronavirus disease (COVID-19), although the specifics of these relationships are unclear. Furthermore, little is known about the relationship between age, sex, COVID-19, and population density in Thailand. This study proposed to examine the relationships among age, sex, population density, and the number of COVID-19 patients in Thailand.Material and Methods: In this nationwide descriptive correlational study, the dataset of daily COVID-19 cases in Thailand between January 12, 2020, and November 30, 2020, and population density (people/km2 ) in each province of Thailand was retrieved from the Open Government Data of Thailand, the Registration Office Department of the Interior, the Ministry of the Interior, and the National Statistical Office of Thailand. Chi-square and Pearson product-moment correlation were used to determine the difference and relationships among studied variables. Simple linear regression was used to predict the number of COVID-19 cases based on population density.Results: The findings illustrated a significant difference between male and female patients, in which the number of male patients was higher than female patients across age groups 31-45 years, 40-60 years, and >60 years (p-value<0.010). Further, population density was significantly associated with the number of COVID-19 cases.Conclusion: This investigation would provide intervention planning implications during potential future pandemics, especially in groups at higher risk (males, age 17-46 years old, and people living in high-density population areas).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,588
Tête enseignante GPT0,597
Écart entre enseignants0,009 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health Science and Medical ResearchMême sujetCOVID-19 epidemiological studiesTravaux en français237 207