Attributable Fraction and Forecasting for COVID-19 Confirmed Cases in Nigeria Using Facebook- Prophet Machine Learning Model
Notice bibliographique
Résumé
Aims: The motivation is to know the attributable fraction among Nigerians who tested positive for covid-19 and forecast the covid-19 cases.
 Place and Duration of Study: We extracted data from (https://covid19.ncdc.gov.ng/) on 8th September,2021 and covid.19analytics package on 7th September, 2021, from Data Repository by Johns Hopkins University Center for Systems Science and Engineering , Status of Cases in Toronto – City of Toronto , COVID-19: Open Data Toronto ,COVID-19: Health Canada , Severe acute respiratory syndrome coronavirus 2 isolate Wuhan-Hu-1, COViD-19 Vaccination and Testing records from “Our World In Data” and Pandemics historical records from Visual Capitalist. Data in Nigeria contained the number of samples tested, confirmed cases, active cases, discharged cases and deaths.
 Methodology: Attributable fraction was used to compute the proportion of patients who tested positive to Covid-19. By using the time for regressor, Prophet model will fit many non-linear and linear functions of time components. Prophet uses the Fourier series to get flexible model to forecast and fit the seasonality effects. A fast solution for L-BFGS which stands for Limited memory Broyden-Fletcher-Goldfarb-Shannon algorithm, is used with Stan backend for the prediction problem.
 Results: As at Saturday 11th September 2021,7:18am Nigeria local time, a total of 2884034 samples have been tested for covid-19, with 198239 confirmed cases,9871 active cases,185780 discharged cases and 2588 deaths. The attributable fraction for covid-19 in Nigeria was 0.0687. The r square is very high (0.999), and the p value is very low (2.2e-16).
 Conclusion: The attributable fraction gives the percentage of the patients who tested positive to covid-19, among the 2884034 samples tested. It implies that the remaining percentage of patients who tested negative to covid-19 only exhibit covid-19 symptoms or were exposed to the virus. The confirmed cases were found to be highest on Saturdays with the lowest on Tuesdays.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».