【會議論文發表】COVID-19 Pandemic Analysis of Countries Worldwide: A. Clustering-Based Algorithm for Relative Risk

全球各國嚴重特殊傳染性肺炎疫情控管情形之研究 – 基於分群演算法與等價相對風險

楊明翰 國立政治大學 資訊科學系

短摘要

根據約翰·霍普金斯大學(The John Hopkins University)統計資料，全球正遭遇嚴重特殊傳染性肺炎，已逾39萬人死亡。面對此疾病傳染力，各國專責的衛生單位皆展開對其他國家疫情控管情形的相對風險程度分析。然而，隨著各國疫情不斷變化，新增病例與死亡數不斷增加，若僅依賴統計人員對現有病例資料進行解釋，既無客觀標準，也很難快速掌握各國疫情控管現況。此外，有些國家感染數相對多而死亡數相對少，有些國家卻呈現兩者相反的情形。雖然兩國疫情狀況差異甚大，但放在全球國家當中比較的相對風險卻可能類似。因此，本研究參考有關茲卡病毒(Zika virus)的分群分析 (Souza et al. 2018)，設計了以分群為基礎的風險衡量演算法，同時搭配網路爬蟲取得全球一百多個國家疫情控管情形的相似程度數值，並進行相對風險的即時分析。本研究結果準確指出各國的相對風險排序以及風險指標，確認整體疫情較為嚴重的三個國家，並且可隨時確認近期新增感染數與死亡數對其他國家而言相對風險也是較嚴重的國家。本研究持續進行即時分析，將有助於各國對於持續發展中的疫情，掌握與其他國家交流時相對風險程度資訊，也助於未來可能再次出現類似全球大規模傳染性疾病時，實務上可直接採行的風險評估工具。

關鍵字：分群演算法、風險分析、COVID-19、嚴重特殊傳染性肺炎、網路爬蟲

主題：(根據Call for Abstracts and Paper)

醫療創新之落地執行模式、重大疫情壓力下之醫療決策與危機管理

Reference: Souza, W.V., Albuquerque, F.P.M., Vazquez, E. et al. Microcephaly epidemic related to the Zika virus and living conditions in Recife, Northeast Brazil. BMC Public Health 18, 130 (2018).