MétaCan
Menu
Retour à la cohorte
Enregistrement W4393751104 · doi:10.5281/zenodo.3950057

Geostatistical Analysis of SARS-CoV-2 in the United States

2020· dataset· en· W4393751104 sur OpenAlexaff
Peter K. Rogan

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2020
Typedataset
Langueen
DomaineEngineering
ThématiqueMineral Processing and Grinding
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakVirologyGeographyBiologyMedicineOutbreakInternal medicine

Résumé

récupéré en direct d'OpenAlex

Geostatistics analyzes and predicts the values associated with spatial or spatio-temporal phenomena. It incorporates the spatial (and in some cases temporal) coordinates of the data within the analyses. It is a practical means of describing spatial patterns and interpolating values for locations where samples were not taken (and measures the uncertainty of those values, which is critical to informed decision making). This update to the Zenodo archive (version 3) consists of two archives consisting of geostatistical analyses of SARS-CoV-2 testing data: Archive #1: "1. Updated Geostatistical Analysis of SARS-CoV-2 in the United States (version 3 - July 17th 2020).zip" - a new set of results from geostatistical analyses performed against corrected COVID-19 case data (according to source-based errata documents) for the continental United States, spanning from March 24<sup>th</sup> through to July 13<sup>th</sup> 2020. Archive #2: "2. Initial Geostatistical Analysis of SARS-CoV-2 in the United States (version 2 - first published June 15th, 2020).zip" - the results from the geostatistical analyses performed for version 2 of this Zenodo archive which analyzed COVID-19 case data prior to any case correction step. These archives consist of map files (as both static images and as animations) and data files (including text files which contain the underlying data of said map files [where applicable]) which were generated when performing the following Geostatistical analyses: Hot Spot analysis (Getis-Ord Gi*), Cluster and Outlier analysis (Anselin Local Moran's I), and Spatial Autocorrelation (Global Moran's I). Note that the older archive also provides analytics that are not yet available in version 3, but will be incorporated in future releases of this archive (e.g. spatial-temporal analyses, and point-to-point comparisons with Kriging and Densification analysis). The Word document ("Description-of-Archive.Updated-Geostatistical-Analysis-of-SARS-CoV-2 (version 3 - published July 17th 2020).docx") describes in detail the contents of each file and folder within these two archives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,281
Écart entre enseignants0,226 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetMineral Processing and GrindingTravaux en français237 207