相关实验视频
Updated: Jul 5, 2025
10:05
High-throughput Detection Method for Influenza Virus
Published on: February 4, 2012
26.2K
泰国流感和COVID-19之间的地质集群与无监督集群分析的比较
Thanin Methiyothin1,2, Insung Ahn1,2
1Department of Data-Centric Problem Solving Research, Infectious Disease AI Team, Korea Institute of Science and Technology Information, Yuseong-gu, Daejeon, Republic of Korea.
PloS one
|January 22, 2024
概括
这项研究使用聚类来分析泰国的疾病趋势,揭示了流行性流感,流行性流感和COVID-19的独特传播模式. 这些发现为管理未来的呼吸道疾病爆发和特有阶段提供了洞察力.
科学领域:
- 流行病学 流行病学
- 公共卫生 公共卫生
- 传染病的动态传染病的动态.
背景情况:
- COVID-19 流行病显著改变了呼吸道病原体的传播,包括流感.
- 由于疫苗接种努力,COVID-19和流感都从流行病转变为流行病阶段.
- 了解区域传播模式对于公共卫生准备至关重要.
研究的目的:
- 在泰国识别和描述流感和COVID-19的不同传播模式.
- 在流行病和流行病过渡期间为公共卫生管理提供定量和空间数据.
- 分析不同阶段的疾病趋势:流行性流感,流行性流感和早期的COVID-19.
主要方法:
- 应用了无监督的集群技术来分析监控数据.
- 使用了三个不同的数据集:流行性流感,流行性流感和早期的COVID-19.
- 评估了省级疾病分布和传播的相似性.
主要成果:
- 在独特和相似的传播集群之间观察到省级分布的显著差异.
- 流行性流感呈现出61:16的集群比例;流行性COVID-19呈现出65:12的比例.
- 流行性流感呈现46:31的比例,在南部,西部和中部地区聚集. 流行性流感和COVID-19都发现了类似的传播模式.
结论:
- 集群分析有效地区分了泰国的疾病传播模式.
- 识别的模式为公共卫生干预提供了有价值的空间和定量见解.
- 这些发现支持为未来的流行病做好准备,并对特有呼吸道疾病进行管理.
