Bireylerin Kovid-19 Riskinin Uzay-zamansal Olarak Belirlenmesi

Abstract

Mevcut çalışmalar örneğin şüpheli-bulaş-eksiltme modeli ve makine öğrenmesi modelleri her bir kişi ve alan için bulaş riskinin hesaplanmasına uygun değildir. Bu çalışmada mevcut yaklaşımların eksik yönlerinin giderilmesi için toplanan verilerin uzaysal ve zamansal tahminleme modeli olarak bir araya getirildiği bir dönüt işleme tasarımı önerilmektedir. Önerilen tasarım üç ana işleme aşaması içermektedir. Bunlar verinini üretilmesi, geri dönüş analizi ve gerçek zamanlı uzaysal ve zamansal değerlendirme süreçleridir. Verilerin üretilmesi aşamasında her bir bireyin Kovid-19 durumunun Markov olasılık işlemi kullanılarak üretildiği süreç yer alır. Bu aşamada hastalığın çoğalma parametreleri, semptonlu hastaların ve semptonsuz hastaların görülme sıklığı, toplam nüfus, hastalığı geçirmekte olan nüfus, ve hareket halinde olan nüfus sayıları kullanılarak her bir hasta için Kovid durumu ve hareket halinde olma durumu rastsal olarak güncellenir. Hareket verisi ise rastsal olarak belirlenen özel alanlar için oluşturulur. Bu veride kişilerin belirli bir alan içerisindeki etkileşimleri rastsal olarak hesaplanır. Geri dünüş analizi aşamasında toplanan istatistikler ve yerel olay verileri birleştirilerek doğrusal bir model yardımıyla her bir bireyin Kovid-19 riski tahmin edilir. Bu bağlamda yerel istatistilerin elde edilmesinde olasılıksal bir yakınsama yaklaşımı kullanılabilir. Değerlendirme aşamasında, geri dönüş analizinden elde edilen tüm etkileşimler kişilerin periodik olarak güncel Kovid-19 riskinin hesaplanmasında kullanılır. Daha sonra her bir kişinin üretilen verideki Kovid-19 bilgisi kullanılarak tamin başarısı o zaman aralağı için hesaplanır. Populasyon sayısı, yer/zaman ve hareketlilik oranınında bağımsız olarak her bir birey etkileşimi için hesaplanan Kappa önerilen tasarımın etkisinin önemli olduğunu göstermiştir.