A Theoretical Analysis of the COVID-19 Pandemic using a Public Database
Notice bibliographique
Résumé
This thesis investigates several issues (incubation and recovery periods, effect of lockdown, digital prognosis, prediction of new cases) of the pandemic COVID-19 based on mathematical models, computational methods and a publicly available database.Traditional compartment-based models have various partitions such as lockdown, susceptible, infected, confirmed cases, recovered, deaths, etc., with the inclusion of several model parameters.The first model is based on a set of coupled delay differential equations with fourteen delays to estimate the incubation period.The estimated mean incubation period we obtain is 6.74 days (95% Confidence Interval(CI): 6.35 to 7.13), and the 90th percentile is 11.64 days (95% CI: 11.22 to 12.17), which is a good agreement with statistical supported studies.The second model is a large-scale extension of the first model, including several hundred groups for recovered individuals and the death toll.This proposed model generate a new refined database of recovery as well as the death toll, the key source for studying recovery and decease periods.The estimated mean recovery period we obtain is 22.14 days (95% CI: 22.00 to 22.27), and the 90th percentile is 28.91 days (95% CI: 28.71 to 29.13), which is in agreement with statistical-supported studies.The third model is an extended SIRS model that includes lockdown as a model compartment.In addition, an electronic application has been developed that allows for a rapid digital prognosis of COVID-19 patients using the information, extracted from the publicly available database of Canadian patients.This tool aims to assist health specialists in their decision regarding COVID-19 patients, based on symptoms and age.Finally, a hybrid approach a combination of neural networks, inverse problem and Taylor series expansion, based on a second order nonlinear differential equation for the total cases has been derived to forecast COVID-19 cases.The test results show that the proposed prediction model can forecast a range of 55 days.
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 | 0,008 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».