La pandémie causée par le virus COVID-19 a fait l'objet de nombreuses analyses et études en raison de ses incidences et conséquences graves dans tous les secteurs du développement humain au niveau mondial. Les données rendent compte de son impact non seulement sur le taux de mortalité mais aussi sur les indices économiques des pays. Lorsque l'on analyse tous ces indicateurs, on se demande si certains d'entre eux, tels que le nombre d'incidences et les variables du facteur reproductif effectif de maladie, ne peuvent pas mieux refléter la prédictibilité des cas et ainsi évaluer les mesures permettant d'atténuer l'incidence de nouveaux cas. Cette analyse est particulièrement significative si l'on considère que la pandémie n'est pas terminée et que de plus importantes et meilleurs résolutions sont encore nécessaires pour faire face à la crise en cours. Dans ce contexte, notre étude se propose d'analyser, à partir des modèles théoriques mathématiques, l'apport de ce secteur de la science pour trouver et prévoir de possibles solutions afin de diminuer les effets de cette pandémie. Pour cela, nous utiliserons des analyses statistiques basées sur trois modèles, phénoménologiques non linéaires, configuration de données et modèle logistique généralisé, en espérant qu'ils contribueront à une meilleure évaluation et compréhension des mesures prises face à la crise sanitaire et qui seront adoptées à l'avenir pour faire face à de nouveaux virus, en utilisant mieux les données et les outils technologiques dont dispose l'humanité.(abstrakt oryginalny)
Możesz również Rozpocznij zaawansowane wyszukiwanie podobieństw dla tego artykułu.