குறியிடப்பட்டது
  • ஜெ கேட் திறக்கவும்
  • ஜெனமிக்ஸ் ஜர்னல்சீக்
  • சீனாவின் தேசிய அறிவு உள்கட்டமைப்பு (CNKI)
  • Ulrich's Periodicals Directory
  • RefSeek
  • ஹம்டார்ட் பல்கலைக்கழகம்
  • EBSCO AZ
  • OCLC- WorldCat
  • பப்ளான்கள்
  • கூகுள் ஸ்காலர்
இந்தப் பக்கத்தைப் பகிரவும்
ஜர்னல் ஃப்ளையர்
Flyer image

சுருக்கம்

தனிநபர் மற்றும் மக்கள்தொகை அளவில் கோவிட்-19 நோய் முன்னேற்றத்தின் தீவிரத்தை கணித்தல்: ஒரு கணித மாதிரி

நரேந்திர சிர்முலே, ரவீந்திர கரே, பிரதீப் நாயர், பேலா தேசாய், விவேக் நெருர்கர், அமிதாப் கவுர்

உடல்நலம் மற்றும் பொருளாதாரத்தில் COVID-19 நோயின் தாக்கம் உலகளாவியது, மேலும் பேரழிவின் அளவு நவீன வரலாற்றில் இணையற்றது. இந்த சிக்கலான நோயை நிர்வகிப்பதற்கான எந்தவொரு சாத்தியமான நடவடிக்கைக்கும் அடிப்படை நோய்க்கிருமி உருவாக்கத்தை வரையறுக்கக்கூடிய தரவுகளின் முறையான மற்றும் திறமையான பகுப்பாய்வு தேவைப்படுகிறது. வயது, கொமொர்பிடிட்டிகள் மற்றும் சில வைரஸ் மற்றும் நோயெதிர்ப்பு அளவுருக்கள் போன்ற COVID-19 நோயியலுக்கு பங்களிக்கும் காரண காரணிகளின் தொகுப்பைப் பயன்படுத்தி, மருத்துவ விளைவுகளைக் கணிக்க, நோய் முன்னேற்றத்தின் கணித மாதிரியை நாங்கள் உருவாக்கியுள்ளோம். சைட்டோகைன் புயல் மற்றும் காய்ச்சலுக்கு பங்களிக்கும் சைட்டோகைன்கள் IL-6 மற்றும் IFNα போன்ற செயலிழந்த நோயெதிர்ப்பு மறுமொழியின் வைரஸ் சுமை மற்றும் தேர்ந்தெடுக்கப்பட்ட குறிகாட்டிகள், அழற்சியின் அளவுருக்கள் d-டைமர் மற்றும் ஃபெரிடின், லிம்போசைட் எண்ணிக்கையில் மாறுபாடுகள், லிம்போபீனியா மற்றும் நடுநிலைப்படுத்தும் ஆன்டிபாடிகள் ஆகியவை இதில் சேர்க்கப்பட்டுள்ளன. பகுப்பாய்வு. SARS-CoV-2 பாதிக்கப்பட்ட நபர்களில் வெளிப்படும் நோயெதிர்ப்பு மறுமொழியின் பல காரணி சிக்கல்களை அவிழ்க்க மாதிரி ஒரு கட்டமைப்பை வழங்குகிறது. மேலும், இந்த மாதிரியானது ஒரு தனிப்பட்ட மட்டத்தில் மருத்துவ விளைவுகளை கணிக்கவும், மக்கள் தொகை மட்டத்தில் கடுமையான நோய்களைத் தணிக்க பொருத்தமான ஆதாரங்களை ஒதுக்குவதற்கான உத்திகளை உருவாக்கவும் மதிப்புமிக்கதாக இருக்கும்.

மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவ