Do the weather parameters have influences on the proliferation of Covid-19? An analysis based on metrological reports of geographically different eight regions over the globe.
Notice bibliographique
Résumé
A contagious disease caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) is known as Coronavirus disease 2019 (Covid-19). It engendered the whole civilization within a couple of months over the globe since it was first detected in Wuhan, China in late December 2019. Variation of proliferation rates in different regions assume that climatic parameters might have a vital role in Covid-19 transmission. In this study, the correlation between Covid-19 proliferation with demographic parameter (population density), and weather parameters (temperature, humidity, precipitation, wind speed, and sunshine hour) were investigated separately within the first 60 days of Covid-19 cases. To obtain a precedent correlation, weather and infection-related data of eight different geographically coordinated regions such as Alberta (Canada), Barcelona (Spain), Dhaka (Bangladesh), Île-de-France (France), Lombardy (Italy), New York (USA), Rio de Janeiro (Brazil) and West Bengal (India) having the diversity of climates were considered. It was observed that less densely populated regions (New York, Lombardy, Barcelona) were even highly affected than the highly populated regions like Bangladesh, West Bengal. A negative correlation between total cases and temperature perhaps made this difference. The higher the wind speed perhaps accountable for long-distance viral transmission. The non-steady humidity tentatively makes the people vulnerable towards Covid-19 infections. Higher precipitation may positively affect viral infection. Sunshine along with the higher temperatures are suspected to impede the contagion by Covid-19. Consequently, peoples in the regions of lower temperatures, higher wind speed, and unstable humidity have higher risks of Covid-19 infection.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».