佛罗里达州新冠疫情综合研究

在任何高度传染性和不可预测的疾病中，都存在一种可预测且可获得的增长率，研究人员可以据此对该特定疾病及其受影响地区的对应情况做出逻辑性结论。研究人员在研究特定疾病并寻找其增长率时所依赖的基础是易感-感染-移除（SIR）模型，该模型由一系列微分方程表示。SIR模型的问题不在于其复杂性，而在于其简单性以及缺乏潜在的大量有限因素；其限制受限于该特定因素可用数据的数量。我们的研究涉及应用多元回归来精确定位和识别我们的新冠封锁期，随后对SIR模型进行修改。这包括创建新的模型近似，如时滞SIR模型和再感染SIR模型，以考虑潜伏期和再感染等因素，并尽可能降低我们感染率的误差差异。我们能够得出结论，我们考虑的因素越多，我们的错误率就越低，结果就越准确。我们还可以识别出异常的大都市统计区，并就其表现水平及其背后的原因得出某些结论。随后，我们着手寻找感染率与外部因素之间可能存在的相关性。我们研究了人口统计和天气数据，以证明是否出现了相关性。我们发现，包括研究生教育和低温在内的少数因素具有高度相关性。