Numerical study and dynamics analysis of diabetes mellitus with co-infection of COVID-19 virus by using fractal fractional operator
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
COVID-19 is linked to diabetes, increasing the likelihood and severity of outcomes due to hyperglycemia, immune system impairment, vascular problems, and comorbidities like hypertension, obesity, and cardiovascular disease, which can lead to catastrophic outcomes. The study presents a novel COVID-19 management approach for diabetic patients using a fractal fractional operator and Mittag-Leffler kernel. It uses the Lipschitz criterion and linear growth to identify the solution singularity and analyzes the global derivative impact, confirming unique solutions and demonstrating the bounded nature of the proposed system. The study examines the impact of COVID-19 on individuals with diabetes, using global stability analysis and quantitative examination of equilibrium states. Sensitivity analysis is conducted using reproductive numbers to determine the disease's status in society and the impact of control strategies, highlighting the importance of understanding epidemic problems and their properties. This study uses two-step Lagrange polynomial to analyze the impact of the fractional operator on a proposed model. Numerical simulations using MATLAB validate the effects of COVID-19 on diabetic patients and allow predictions based on the established theoretical framework, supporting the theoretical findings. This study will help to observe and understand how COVID-19 affects people with diabetes. This will help with control plans in the future to lessen the effects of COVID-19.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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 découle