Video Experimental Relacionado
Updated: Sep 10, 2025
07:31
Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
7.2K
Predicción de la infección por la enfermedad COVID-19 utilizando un modelo de regresión logística en la ciudad de
Anas Khaleel1, Wael Abu Dayyih2, Lina AlTamimi3
1Department of Pharmacology and Biomedical Sciences, Faculty of Pharmacy, Petra University, Amman, Jordan.
F1000Research
|August 27, 2025
Resumen
En la ciudad de Karak, el género femenino y la edad de más de 45 años fueron predictores significativos del riesgo de infección por COVID-19. Este hallazgo ayuda a comprender la dinámica de transmisión de COVID-19 e informar las estrategias de salud pública.
Área de la Ciencia:
- Epidemiología
- Salud pública
- Estadísticas biológicas
Sus antecedentes:
- La pandemia de COVID-19, declarada por la OMS en marzo de 2020, se extendió rápidamente en todo el mundo, incluso en Jordania, lo que requirió medidas de emergencia.
- A pesar de la extensa investigación, los predictores definitivos de la infección por COVID-19 siguen siendo objeto de debate.
- Este estudio investigó los factores demográficos clave que influyen en las tasas de infección por COVID-19 en la ciudad de Karak, Jordania.
Objetivo del estudio:
- Identificar y analizar las variables demográficas que predicen la probabilidad de infección por COVID-19.
- Desarrollar un modelo predictivo para el riesgo de infección por COVID-19 basado en determinantes identificados.
- Informar la asignación de recursos de salud pública y la planificación en respuesta a la pandemia.
Principales métodos:
- Se empleó un modelo de regresión logística binaria para analizar los datos de 386 participantes en la ciudad de Karak.
- Los datos sobre el estado de infección por COVID-19 y las características demográficas (sexo, edad, trabajo, tabaquismo, enfermedades crónicas, vacunación contra la gripe) se recopilaron a través de hojas de Google.
- El análisis estadístico se centró en determinar la importancia de cada característica demográfica como predictor de la infección.
Principales resultados:
- Las mujeres participantes mostraron un mayor riesgo de infección por COVID-19 en comparación con los hombres (OR = 2,04, p = 0,012).
- Las personas mayores de 45 años tenían un mayor riesgo de infección en comparación con las de 45 años o menos (OR = 1, 91, p = 0,0 20).
- Se identificaron el sexo y la edad como los predictores demográficos más significativos de la infección por COVID-19 en la población del estudio.
Conclusiones:
- El modelo de regresión logística desarrollado, utilizando la edad y el sexo, puede predecir la probabilidad de infección por COVID-19 en la ciudad de Karak.
- Los hallazgos destacan la importancia de la edad y el sexo como factores críticos en la evaluación del riesgo de COVID-19.
- El modelo puede ayudar a los gerentes de atención médica y a los formuladores de políticas a optimizar la asignación de recursos y la planificación de respuesta a la pandemia.
Videos de Conceptos Relacionados
01:11Residuals and Least-Squares Property
7.8K
The vertical distance between the actual value of y and the estimated value of y. In other words, it measures the vertical distance between the actual data point and the predicted point on the line
If the observed data point lies above the line, the residual is positive, and the line underestimates the actual data value for y. If the observed data point lies below the line, the residual is negative, and the line overestimates the actual data value for y.
The process of fitting the best-fit...
If the observed data point lies above the line, the residual is positive, and the line underestimates the actual data value for y. If the observed data point lies below the line, the residual is negative, and the line overestimates the actual data value for y.
The process of fitting the best-fit...
7.8K
01:18Steps in Outbreak Investigation
199
In the ever-evolving field of public health, statistical analysis serves as a cornerstone for understanding and managing disease outbreaks. By leveraging various statistical tools, health professionals can predict potential outbreaks, analyze ongoing situations, and devise effective responses to mitigate impact. For that to happen, there are a few possible stages of the analysis:
199
01:25Statistical Methods for Analyzing Epidemiological Data
532
Epidemiological data primarily involves information on specific populations' occurrence, distribution, and determinants of health and diseases. This data is crucial for understanding disease patterns and impacts, aiding public health decision-making and disease prevention strategies. The analysis of epidemiological data employs various statistical methods to interpret health-related data effectively. Here are some commonly used methods:
532
01:03Prediction Intervals
2.3K
The interval estimate of any variable is known as the prediction interval. It helps decide if a point estimate is dependable.
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y.
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y.
2.3K
01:26Factors Affecting the Risk of Infection
12.3K
The hosts' susceptibility to infection depends on several factors. The integrity of the skin and mucous membranes helps protect the body against microbial attacks. When the skin is altered, the chance of infection, limb loss, and even death increases.
The integrity and count of the white blood cells help the body resist pathogens and fight infection. When impaired, it reduces the body's resistance to pathogens. The acidic pH levels of the gastrointestinal, genitourinary tracts, and skin...
The integrity and count of the white blood cells help the body resist pathogens and fight infection. When impaired, it reduces the body's resistance to pathogens. The acidic pH levels of the gastrointestinal, genitourinary tracts, and skin...
12.3K
01:23Mechanistic Models: Compartment Models in Individual and Population Analysis
86
Mechanistic models are utilized in individual analysis using single-source data, but imperfections arise due to data collection errors, preventing perfect prediction of observed data. The mathematical equation involves known values (Xi), observed concentrations (Ci), measurement errors (εi), model parameters (ϕj), and the related function (ƒi) for i number of values. Different least-squares metrics quantify differences between predicted and observed values. The ordinary least...
86