居住地至关重要：COVID-19死亡率的空间分析
计算机视觉与模式识别
2021-01-13 v1 机器学习
摘要
COVID-19大流行已造成约200万死亡。在增进对该疾病过程的理解方面已取得重大进展，然而未解问题之一是以墨西哥为典型例子的病例/死亡率异常。本文通过空间分析探讨这一异常，并考察死亡率是否随局部因素在局部发生变化。为此，使用六边形 cartogram 地图（hexbin）对 COVID-19 死亡率进行空间映射，并可视化其与患者层面的人口统计学和既往健康状况数据的关联。进一步通过 choropleth 制图在墨西哥城地方层面加以探究。我们的数据显示，六边形 cartogram 是墨西哥 COVID-19 数据空间映射的更好方法，因其解决了面积大小和人口方面的偏差。我们报告了墨西哥各州中死亡率与性别/年龄相关的空间关系，以及州层面上健康状况与死亡率之间的趋势。在墨西哥城内，存在明显的南北分界，北部市镇死亡率更高。这些北部市镇中逝者既往健康状况最为严重。综上，本研究改进了墨西哥 COVID-19 制图呈现，并揭示了墨西哥死亡率的空间差异。
引用
@article{arxiv.2101.04199,
title = {Where you live matters: a spatial analysis of COVID-19 mortality},
author = {Behzad Javaheri},
journal= {arXiv preprint arXiv:2101.04199},
year = {2021}
}