Core Concepts
建筑内外环境和社会人口统计数据对COVID-19病例的影响。
Abstract
摘要:
本文探讨了香港公共住宅地区COVID-19病例的预测方法,通过深度学习模型分析建筑内外环境和居民社会人口统计数据对疫情的影响。研究发现在不同阶段,不同类型的因素与COVID-19病例数量有差异性联系,强调了环境和社会人口统计数据对COVID-19演变的重要性。
结构:
背景介绍:先前关于COVID-19爆发因素的文献回顾。
目标:探索各种因素之间复杂关联,并量化其对早期爆发和流行再次出现的贡献。
方法:应用多头分层卷积神经网络模型分析建筑内外环境和社会人口统计数据。
结果:早期爆发与流行再次出现时与COVID-19相关联的不同因素。
结论:特定内部建筑环境元素和社会人口统计数据可帮助预测COVID-19再次流行。
关键亮点:
社会人口统计数据如工作时间、月收入、就业类型等对早期爆发时建筑中的COVID-19案例数量具有重要影响。
内部建筑环境因素如每栋楼房中不同家庭数量、每层楼房中不同家庭数量等在流行再次出现时对建筑级别的COVID-19案例数量具有最大贡献。
Stats
COVID-19案例累积在三个相邻区域内360栋公共住宅楼房中。
2021年12月24日至2022年7月23日期间,不同集团之间工作时间、月收入等因素被认为是高风险群体。
Quotes
"我们提供了一种稳定元素在一个人社会生态系统中如何显著增加预测COVID-19再次流行价值的方法。"
"特定内部建筑环境元素和社会人口统计数据可以帮助针对高风险地区防范或减轻COVID-19再次流行带来的影响。"