×
卡纳夫·辛格·拉纳;尼图库马里

动态模式分解和兼容窗口动态模式分解在解读印度新冠肺炎疫情动态中的应用。 （英语） Zbl 1518.92158号

计算。数学。生物物理学。 11，第1号，文章ID 20220152，16 p.（2023）.
摘要：新冠肺炎疫情最近对印度造成了巨大影响，不仅在健康方面，而且在经济方面。了解疾病传播的时空模式对控制疫情至关重要。在本研究中，我们将兼容的窗口动态模式分解（CwDMD）和动态模式分解技术应用于印度的COVID-19数据，以建模疫情的时空模式。我们在州一级将新冠肺炎数据预处理为每周时间序列，并应用CwDMD和DMD方法将数据分解为一组时空模式。我们确定了捕捉新冠肺炎在印度传播主要特征的关键模式，并分析其相位、幅度和频率关系，以提取时间和空间模式。通过在每个窗口中合并秩截断，我们可以更好地控制系统的输出，从而获得更好的结果。我们的结果表明，印度的新冠肺炎疫情是由区域、人口和环境因素的复杂相互作用驱动的。我们确定了几种关键模式，这些模式可以捕捉不同地区和一段时间内的疾病传播模式，包括季节波动、人口趋势和局部疫情。总的来说，我们的研究使用CwDMD和DMD方法对印度新冠肺炎疫情的模式提供了有价值的见解。这些发现可以帮助公共卫生组织制定更有效的战略来控制疫情的传播。CwDMD和DMD方法可以应用于其他国家，以确定疫情的独特驱动因素并制定有效的控制策略。

引用于1文件

MSC公司：

92天30分 流行病学

关键词：

降维;疾病建模;传染病;秩截断

软件：

github
PDF格式BibTeX公司 XML格式引用
\textit{K.S.Rana}和\textit{N.Kumari}，计算。数学。生物物理学。11，第1号，文章ID 20220152，16 p.（2023；Zbl 1518.92158）
全文： 内政部
OA许可证

参考文献：

[1] Andrews，M.，Areekal，B.，Rajesh，K.，Krishnan，J.，Suryakala，R.，Krishinan，B.，…Santhosh，P.（2020年）。印度第一例确诊的新型冠状病毒感染病例：病例报告。《印度医学研究杂志》，151（5），490。
[2] Babu，J.、Shukla，A.和Bharath。印度的新冠肺炎地区数据。https://github.com/covid19india/data/tree/gh-pages。访问时间：2022年11月。
[3] 巴纳吉，M.（2021）。估计2020年孟买的新型冠状病毒感染死亡率。medRxiv，（第2021-04页）。
[4] Bistrian，D.、Dimitriu，G.和Navon，I.（2019年）。使用动态模式分解方法处理流行病学数据。AIP会议记录，2164，080002，AIP出版有限责任公司。
[5] Bistrian，D.A.、Dimitriu，G.和Navon，I.M.（2020年）。确定性和随机动态模式分解在流行病学和流体动力学中的应用。亚历山德鲁·伊昂库扎大学数学年鉴，66（2），251-287·Zbl 07621964号
[6] Bistrian，D.A.、Dimitriu，G.和Navon，I.M.（2020年）。使用预测模式下的随机动态模式分解和ARIMA从新冠肺炎数据中建模动态模式。AIP会议记录，2302（1），080002。
[7] Dhamodharavadhani，S.、Rathipriya，R.和Chatterjee，J.M.（2020年）。使用统计神经网络模型预测印度新冠肺炎死亡率。公共卫生前沿，8，第441页
[8] Duke，D.、Soria，J.和Honnery，D.（2012年）。动态模式分解的误差分析。流体实验，52，529-542。
[9] Gupta，A.K.、Singh，V.、Mathur，P.和Travieso-Gonzalez，C.M.（2021年）。使用支持向量机、预测模型和线性回归模型预测印度情境中的新型冠状病毒疫情测量标准。跨学科数学杂志，24（1），89-108。
[10] Kim，S.、Kim，M.、Lee，S.和Lee，Y.J.（2021）。发现韩国新冠肺炎大流行的时空模式。科学报告，11（1），24470。
[11] Kumar，S.、Sharma，S.，Singh，F.、Bhatnagar，P.和Kumari，N.（2021年）。意大利新型冠状病毒肺炎的数学模型及可能的控制策略。N.H.Shah和M.Mittal（编辑），《新型冠状病毒传播的数学分析》（第101-124页），新加坡：施普林格出版社·Zbl 1470.92311号
[12] Kumar，V.M.、Pandi-Perumal，S.R.、Trakht，I.和Thyagarajan，S.P.（2021年）。印度新冠肺炎疫苗接种战略：人口和病例数第二高的国家。NPJ疫苗，6（1），60。
[13] Kutz，J.N.、Brunton，S.L.、Brunton，B.W.和Proctor，J.L.（2016）。动态模式分解：复杂系统的数据驱动建模。SIAM公司·Zbl 1365.65009号
[14] Mahmood，Z.（2022年）。新冠肺炎期间的选举：2020-2021年的印度经验。案例研究，斯德哥尔摩：国际民主和选举援助研究所。
[15] Malavika，B.、Marimuthu，S.、Joy，M.、Nadaraj，A.、Asirvatham，E.S.和Jeyaseelan，L.（2021）。使用SIR和logistic增长模型预测印度和高发州的新冠肺炎疫情。临床流行病学与全球卫生，9，26-33。
[16] Mathieu，E.，Ritchie，H.，Rodés-Guirao，L.，Appel，C.，Giattino，C.，Hasell，J.，…Roser，M.（2020）。冠状病毒大流行（COVID-19）。我们的数据世界。https://ourworldindata.org/冠状病毒。
[17] 卫生和家庭福利部。人口预测报告。https://main.mohfw.gov.in/reports-0，访问日期：2023年2月。
[18] 印度国家门户网站。印度一瞥。https://www.india.gov.in/india-glance/states-india。访问时间：2023年2月。
[19] Proctor，J.L.和Eckhoff，P.A.（2015年）。使用动态模式分解从传染病数据中发现动态模式。国际卫生，7（2），139-145。
[20] Quadri，S.A.和Padala，P.R.（2021）。Kumbh Mela大规模集会和新冠肺炎的一个方面。当前热带医学报告，8225-230。
[21] Rocha，I.C.N.、Pelayo，M.G.A.和Rackimuthu，S.（2021年）。Kumbh Mela宗教集会是一次大规模的传播活动：印度新型冠状病毒疫情呈指数级激增的潜在罪魁祸首。《美国热带医学与卫生杂志》，105（4），868。
[22] Roy，S.、Bhunia，G.S.和Shit，P.K.（2021）。利用ARIMA技术对印度新冠肺炎疫情进行空间预测。地球系统与环境建模，71385-1391。
[23] Schmid，P.J.（2010）。数值和实验数据的动态模式分解。《流体力学杂志》，656，5-28·兹比尔1197.76091
[24] 《柳叶刀》。(2020). 印度被新冠肺炎封锁。《柳叶刀》，395（10233），1315。
[25] Tu，J.H.（2013）。动态模式分解：理论与应用。（博士论文）。美国新泽西州普林斯顿：普林斯顿大学。
[26] Viguerie，A.、Barros，G.F.、Grave，M.、Real，A.和Coutinho，A.L.（2022年）。多部件系统中的耦合和非耦合动态模式分解及其在流行病学和加性制造问题中的应用。应用力学与工程中的计算机方法，391114600·Zbl 1507.65214号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。