群知能と進化的計算の国際ジャーナル

概要

SARS-CoV-2 の地域疫学データにおける低次元カオスアトラクター

カルロス・ペドロ・ゴンサルベス

背景：カオス理論手法を適用した最近の研究では、SARSCoV-2の疫学データにカオスマーカーが存在することが判明しており、これはSARS-CoV-2/COVID-19パンデミックの予測、モデリング、疫学分析に影響を及ぼす証拠であり、医療管理にも影響を与えます。

目的と方法：アフリカ、アジア、ヨーロッパ、南北アメリカ、オセアニアにおけるCOVID-19の100万人あたりの新規感染者数と新規死亡者数の集計データを調査し、埋め込み次元推定、リアプノフスペクトル推定、スペクトル解析、および永続ホモロジー、再帰解析、機械学習を組み合わせた最先端の位相データ解析手法を含むカオス理論の経験的手法を適用して、ダイナミクスの性質とその予測可能性を特徴付けることを目的とした。

結果と結論:結果は、オセアニアを除くすべての地域で、カオスの始まりに近い低次元のノイズの多いカオスアトラクターの証拠があり、最近傍の機械学習モジュールを備えた適応型人工知能ソリューションで使用して、各地域の2つのターゲットシリーズの将来の値を非常に高いパフォーマンスで予測できる反復構造があることを示しています。永続的な相同性分析により、2つのグループへの分割が明らかになりました。最初のグループはアフリカとアジアで構成され、2番目のグループはヨーロッパ、北米、南米で構成されています。オセアニアについては、機械学習と位相解析手法の組み合わせを適用して詳細に特徴付けた分岐の発生の証拠が見つかりました。この地域の分岐は、新しいバリアントの出現に関連していることがわかりました。