Statistical Model for Predicting the COVID-19 Pandemic in South and Southeast Asian Regions
Master of Science (Research Methodology), 2022
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Theses and Dissertations |
| Language: | English |
| Published: |
Prince of Songkla University
2023
|
| Subjects: | |
| Online Access: | http://kb.psu.ac.th/psukb/handle/2016/18086 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Institution: | Prince of Songkhla University |
| Language: | English |
| id |
th-psu.2016-18086 |
|---|---|
| record_format |
dspace |
| institution |
Prince of Songkhla University |
| building |
Khunying Long Athakravi Sunthorn Learning Resources Center |
| continent |
Asia |
| country |
Thailand Thailand |
| content_provider |
Khunying Long Athakravi Sunthorn Learning Resources Center |
| collection |
PSU Knowledge Bank |
| language |
English |
| topic |
COVID-19 Natural Cubic Spline Predicting South and South-East Asian |
| spellingShingle |
COVID-19 Natural Cubic Spline Predicting South and South-East Asian Ameen Mhamad Statistical Model for Predicting the COVID-19 Pandemic in South and Southeast Asian Regions |
| description |
Master of Science (Research Methodology), 2022 |
| author2 |
Nurin Dureh |
| author_facet |
Nurin Dureh Ameen Mhamad |
| format |
Theses and Dissertations |
| author |
Ameen Mhamad |
| author_sort |
Ameen Mhamad |
| title |
Statistical Model for Predicting the COVID-19 Pandemic in South and Southeast Asian Regions |
| title_short |
Statistical Model for Predicting the COVID-19 Pandemic in South and Southeast Asian Regions |
| title_full |
Statistical Model for Predicting the COVID-19 Pandemic in South and Southeast Asian Regions |
| title_fullStr |
Statistical Model for Predicting the COVID-19 Pandemic in South and Southeast Asian Regions |
| title_full_unstemmed |
Statistical Model for Predicting the COVID-19 Pandemic in South and Southeast Asian Regions |
| title_sort |
statistical model for predicting the covid-19 pandemic in south and southeast asian regions |
| publisher |
Prince of Songkla University |
| publishDate |
2023 |
| url |
http://kb.psu.ac.th/psukb/handle/2016/18086 |
| _version_ |
1764209939252772864 |
| spelling |
th-psu.2016-180862023-04-21T09:13:55Z Statistical Model for Predicting the COVID-19 Pandemic in South and Southeast Asian Regions ตัวแบบทางสถิติสำหรับการทำนายการระบาดโรคติดเชื้อไวรัสโคโรนา 2019 ในภูมิภาคเอเชียใต้และเอเชียตะวันออกเฉียงใต้ Ameen Mhamad Nurin Dureh Faculty of Science and Technology (Mathematics and Computer Science) คณะวิทยาศาสตร์และเทคโนโลยี ภาควิชาคณิตศาสตร์และวิทยาการคอมพิวเตอร์ COVID-19 Natural Cubic Spline Predicting South and South-East Asian Master of Science (Research Methodology), 2022 The disease caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has been put in the list of public health emergency of international concern (PHEIC) according to the rapid spreading and expantion of the diseases around the world, later named the coronavirus disease 2019 (COVID-19). With in a year, more than 150 million people were identified as SARS-CoV-2 infected cases, and over 3.23 million deaths were reported from COVID-19 weekly update, 24st January, 2021, since the pandemic announcement from the World Health Organization (WHO). Nowadays, many regions world wide have been facing the crises due to the pandemic of COVID19, also South and Southeast Asian regions. This study aims to construct a model for predicting COVID-19 using natural cubic spline function with equi space knot. The data used in this study were obtained from publicly available databases form Johns Hopkins University coronavirus resource center updated daily and located at GitHub run by Microsoft. The results found that the model fits the data extremely well, defined as that maximizes the r-squared value in India, Pakistan, Bangladesh, Nepal, Sri-Lanka, Philippines, Malaysia, Thailand, Vietnam, and Australia were 0.997, 0.981, 0.992, 0.975, 0.995, 0.957, 0.973, 0.939, 0.989, 0.881, 0.943 and 0.610, respectively. Moreover, model provided mean r-squared 0.936. To access the performance of the natural cubic spline model, apart from using the r-squared values, we compared the RMSE for training and testing data set. We found that the RMSE between these models was not much different. This might be an evidence that the models were not over- fitting. Moreover, the model provides forecasts of daily changes, which signaled when action is needed. Moreover, this model is routinely applicable to all such regions in the world and can be extended to accommodate additional predictors such as environmental and demographic variables. Conclusion, this model is routinely applied to all such regions in the world and can be extended to accommodate additional predictors such as environmental and demographic variables. การระบาดของโรคโควิด-19 (COVID-19) ที่เกิดจากเชื้อไวรัสสายพันธYใหมZ Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) ถูกยกระดับใหFกลายเปnนภาวะ ฉุกเฉินทางสาธารณะสุขระหวZางประเทศ ในระยะเวลาเพียงหนึ่งปsนับตั้งแตZวันที่ 24 มกราคม 2564 ภายหลังจากที่องคYการอนามัยโลกไดFมีการประกาศใหFโรคโควิด-19 เปnนโรคระบาด พบวZามีการ แพรZกระจายอยZางรวดเร็วของเชื้อโรคที่ขยายวงกวFางไปทั่วโลก ประชากรโลกกวZา 150 ลFานคนตรวจ พบการติดเชื้อ และกวZา 3.23 ลFานคนเสียชีวิตจากการติดเชื้อไวรัสโคโรนZาสายพันธYใหมZ SARS-CoV-2 และในปwจจุบันหลายภูมิภาคทั่วโลกยังคงตFองพบกับวิกฤติการแพรZระบาดของโรคโควิด-19 โดยเฉพาะ ในภูมิภาคเอเชียและเอเชียตะวันออกเฉียงใตF การศึกษาในครั้งนี้มีวัตถุประสงคYเพื่อประยุกตYใชFตัวแบบ Natural cubic spline ในการทำนายจำนวนผูFติดเชื้อไวรัสโควิด-19 ซึ่งใชFฐานขFอมูลรายวันจาก ศูนยY ขFอมูลไวรัสโคโรนาแหZงมหาวิทยาลัยจอนดYฮอพกินสY ประเทศสหรัฐอเมริกา (Johns Hopkins University coronavirus resource center) ผลการศึกษาพบวZาตัวแบบสามารถทำนายขFอมูลการ แพรZระบาดในประเทศตZางๆไดFแกZ ประเทศอินเดีย ประเทศปากีสถาน ประเทศบังคลาเทศ ประเทศ เนปาล ประเทศศรีลังกา ประเทศฟàลิปàนสY ประเทศมาเลเซีย ประเทศไทย ประเทศเวียดนาม และ ประเทศออสเตรเลีย ไดFเปnนอยZางดี ซึ่งใหFคZา r-squared ที่ 0.997, 0.981, 0.992, 0.975, 0.995, 0.957, 0.973, 0.939, 0.989, 0.881, 0.943 และ 0.610 ตามลำดับ โดยมีคZาเฉลี่ยของ r-sqared เทZากับ 0.936 ทั้งนี้มีการใชFคZา รากของคZาคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) เพื่อทดสอบ ประสิทธิภาพในการทำนายของตัวแบบ โดยเปรียบเทียบคZา RMSE ที่ไดFจากตัวแบบโดยใชFขFอมูล ฝêกหัด (Tranining data) และตัวแบบที่ไดFจากชุดขFอมูลทดสอบ (Testing data) พบวZาคZา RMSE ของ ตัวแบบระหวZางขFอมูลฝêกหัดและขFอมูลทดสอบไมZมีความแตกตZางกันมากนัก จากผลการศึกษานี้ จึง อาจจะสรุปไดFวZาตัวแบบมีความเหมาะสมกับชุดขFอมูลการติดเชื้อโควิด-19 ในภูมิภาคเอเชียและเอเชีย ตะวันออกเฉียงใตF นอกจากนี้ตัวแบบยังสามารถพยากรณYจำนวนผูFติดเชื้อโควิด-19 ที่เปลี่ยนแปลงไป ในแตZละสัปดาหY (Increasing cases per week) ซึ่งสามารถติดตามและประเมินความรุนแรงของโรค เพื่อออกแบบมาตรการปîองกันไดFทันการณY โดยสรุปแลFวตัวแบบ Natural cubic spline สามารถ นำไปประยุกตYใชFกับขFอมูลโควิด-19 ไดFทั่วภูมิภาคทั่วโลก โดยสามารถเพิ่มตัวแปรทำนาย อาทิเชZน ตัว แปรทางดFานสิ่งแวดลFอม ตัวประทางดFานสังคม และประชาการศาสตรY เพื่อเพิ่มความครอบคลุมและ ความแมZนยำในการทำนายการแพรZการจายของโรคติดเชื้อไวรัสโควิด-19 2023-04-21T09:13:32Z 2023-04-21T09:13:32Z 2022 Thesis http://kb.psu.ac.th/psukb/handle/2016/18086 en Attribution-NonCommercial-NoDerivs 3.0 Thailand http://creativecommons.org/licenses/by-nc-nd/3.0/th/ application/pdf Prince of Songkla University |