文献

J-GLOBAL ID：202202231927458629   整理番号：22A0827744

指数および非線形成長モデルを用いたCOVID-19活性事例の予測【JST・京大機械翻訳】

Prediction of COVID-19 active cases using exponential and non-linear growth models

著者 (6件)： Mahanty Chandrakanta (Department of Computer Science and Engineering, GIET University, Gunupur, India) ,  Kumar Raghvendra (Department of Computer Science and Engineering, GIET University, Gunupur, India) ,  Mishra Brojo Kishore (Department of Computer Science and Engineering, GIET University, Gunupur, India) ,  Hemanth D. Jude (Department of ECE, Karunya Institute of Technology and Sciences, Coimbatore, India) ,  Gupta Deepak (Department of Computer Science and Engineering, Maharaja Agrasen Institute of Technology, New Delhi, India) ,  Khanna Ashish (Department of Computer Science and Engineering, Maharaja Agrasen Institute of Technology, New Delhi, India)
資料名： Expert Systems  (Expert Systems)
巻： 39  号： 3  ページ： e12648  発行年： 2022年 
JST資料番号： T0510A  ISSN： 0266-4720  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 世界保健機関は,2020年3月11日に大流行としてCOVID-19を認識した。世界中の合計213の国と地域が,2020年9月9日に確認された合計27,948,441例を報告した。本論文は,2つの非線形成長モデル(Gompertz,Verhulst)と指数モデル(SIR)を採用して,世界中のコロナウイルスパンデミックを分析した。すべてのモデルは,2020年1月30日,2020年6月4日の期間において,John Hopkins大学リポジトリから収集したデータに基づいて,活発なCOVID-19患者予測のために使用した。インド,パキスタン,ミャンマー(Burma),ブラジル,イタリアおよびドイツのCOVID-19疾患のアウトブレイクについて,2020年6月4日までに分析し,次の28日間の陽性事例の数について予測を行った。Verhulstモデル適合効果は,Rスコア0.9973のGompertzとSIRモデルより良い。提案モデルは,Rスコア0.9981の他の3つの既存のモデルと比較して,より良く機能した。これらのモデルを,2020年6月5日,2020年6月30日,パキスタン,イタリア,ドイツ,ブラジル,およびミャンマーの短期間隔の予測に基づいて,インド,パキスタン,イタリア,ドイツ,ブラジル,およびミャンマーについて予測し,(236,170,88,998,234,066,184,922,645,057,および235),および(486,357,218,6,240,545,193,727,111,567,および309)と予測した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 大学 ,  世界保健機関 ,  イタリア共和国 ,  インド ,  ドイツ連邦共和国 ,  パキスタン・イスラム共和国 ,  ブラジル連邦共和国 ,  *モデル ,  ミャンマー連邦共和国 ,  リポジトリ
準シソーラス用語： *成長モデル ,  汎発流行性 ,  指数モデル , 【Automatic Indexing@JST】

著者キーワード (6件)： COVID-19 ,  Gompertzモデル ,  流行 ,  予測 ,  SIRモデル ,  Verhulstモデル

分類 (1件)： 感染症・寄生虫症一般  (GD01010H)

タイトルに関連する用語 (6件)： 指数 ,  非線形 ,  成長モデル ,  COVID-19 ,  活性 ,  予測