抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
早期CoVID-19成長は,tdblがパンデミック成長倍加時間であるKo=[(ln2)/(tdbl)]を有する[Formula]に従う。[Formula]を考えると,新しいCoVID-19症例の日常数は[Formula]である。社会全体の社会的障害の実装は,tdbl倍加時間を増加させ,tdblの時間の線形関数を著者らの初期モデル:O_FD O_INLINEFIG[Formula]C_INLINEFIGC_FDを用いて,Go=[KA/{γ}o]でこれらの変化を記述した。しかし,この方程式は,いくつかの急速に減少する{rho}[t]ケースを容易にモデル化することができず,第2の社会的Distancingプロセスが含まれることを示した。この2番目のプロセスは,中国,韓国,およびイタリアからの初期のCoVID-19データで最も明白である。イタリアのデータをこの2番目のプロセスの代表として詳細に解析した。指数カットオフを可能にするためのZo[t]の修正:O_FD O_INLINEFIG[Formula]C_INLINEFIGC_FDは,新しい増強初期モデル(EIM)を提供し,そこでは,[Formula]がデータ適合を著しく改善する。大きい変動が{rho}データ[t]に存在するので,これらのモデルを直交関数級数に一般化し,追加データフィッティングパラメータ:O_FDO_INLINEFIG[Formula]C_INLINEFIGC_FDの1項は,Z[t][->]Ze[t]またはZ[t][->]Ze[t]に対してNo[t]またはNE[t]を与えることができる。Lm(Z)はLaguerre多項式で,L0(Z)=1と{gm;m=0,MF}は各データセットから導かれる定数である。{rho}[t]=dN[t]/dtが徐々に減少すると,Zo[t]を用いると小さなMF値で良好なデータフィットが得られたが,{rho}[t]がより速く減少すると不適切であった。これらの事例に対して,ZE[t]を上記のN(Z)系列で用いて,ここで開発した最も一般的な強化直交関数[EOF]モデルを与えた。MF=0 qo=0でも,このEOFモデルは,{rho}[t]=dN[t]/dtに対して,イタリアのCoVID-19データに良く適合した。{rho}[t]ポストピーク挙動がGaussでないとき,ZE[t]は{δ}o=0,qo=0;また,ZA[t]と呼ぶことは,Zo[t]モデルの十分な拡張である。また,EOFモデルは,小さなΔΔΔ}o,qo}値[6図]を用いて,徐々に減少する{rho}[t]テールをモデル化できる。【JST・京大機械翻訳】
