马来西亚国家 COVID-19 的非线性时间序列分析,使用波形和持续的同质性
Piau Phang1, Carey Yu-Fan Ling2, Siaw-Hong Liew2
1Faculty of Computer Science and Information Technology, Universiti Malaysia Sarawak, 94300, Kota Samarahan, Sarawak, Malaysia. pphang@unimas.my.
Scientific reports
|November 11, 2024
概括
这项研究使用非线性时间序列分析来检查马来西亚的COVID-19病例. 发现了7天的周期性,在三角洲和Omicron波中存在温和的相关性,为未来的公共卫生危机提供了洞察力.
科学领域:
- 流行病学 流行病学
- 复杂系统分析 复杂系统分析
- 数据科学数据科学数据科学
背景情况:
- COVID-19病例进展表现出非线性动态,波动和区域相关性,使分析复杂化.
- 了解流行病学模式对于公共卫生准备至关重要.
研究的目的:
- 应用非线性时间序列分析,将波纹和持久同质性结合在马来西亚的COVID-19每日感染数据.
- 在州级COVID-19病例数据中检测定性属性,相似性和异常轨迹.
主要方法:
- 非线性时间序列分析整合波形变换和持久同质学.
- 时间频域分析每日确诊的COVID-19病例,使用波段.
- 基于拓特征的时间序列通过延迟嵌入进行聚类.
主要成果:
- 从2021年中期到2022年底,在COVID-19病例中观察到一个明显的7天周期.
- 在三角洲和Omicron波期间,在州间每日病例的幅度和阶段中发现了适度的相关性.
- 两周平均改善了与这些波相关的拓循环的检测; 塞兰戈尔显示了独特的轨迹, Pahang 显示了最高的相似性.
结论:
- 该方法框架增强了对流行病学时间序列数据的理解.
- 调查结果为预测和管理未来公共卫生紧急情况提供了宝贵的见解.
- 非线性和拓方法为分析复杂的传染病数据提供了先进的工具.
