基于类规则挖掘与模式匹配分析全球人口统计学特征对 COVID-19 传播的影响
机器学习
2021-02-02 v3 计算机与社会
摘要
自 2019 年 12 月冠状病毒病（COVID-19）爆发以来，已有研究涉及 COVID-19 及关切变异株 202012/01（VOC 202012/01）的多个方面，例如潜在症状和预测工具。然而，关于全球范围内组合人口属性与 COVID-19 感染多变特性之间复杂关联的建模工作十分有限。本研究提出了一种智能方法来探究人口属性与 COVID-19 全球变异之间的多维关联。我们从可靠来源收集了多个人口属性和 COVID-19 感染数据（截至 2021 年 1 月 8 日），随后通过智能算法处理以识别数据中的显著关联与模式。统计结果和专家报告表明，全球 COVID-19 严重程度水平与某些人口属性（例如女性吸烟者）在与其他属性组合时存在强关联。这些成果将有助于理解疾病传播及其进展的动态，进而可能支持政策制定者、医学专家和社会更好地认识并有效管理该疾病。
引用
@article{arxiv.2009.12923,
title = {Analysing the impact of global demographic characteristics over the COVID-19 spread using class rule mining and pattern matching},
author = {Wasiq Khan and Abir Hussain and Sohail Ahmed Khan and Mohammed Al-Jumailey and Raheel Nawaz and Panos Liatsis},
journal= {arXiv preprint arXiv:2009.12923},
year = {2021}
}
备注
Diversity in global death rate due to COVID-19 and Variant of Concern 202012/01 (VOC 202012/01)