技术COVID-19疫情管理中的作用及其财务影响

文摘

新型冠状病毒引起的流感大流行(COVID-19)导致一个前所未有的全球卫生服务情况。健康、当地社区和政府是由COVID-19不利影响的大流行。此外,在2020年1月21日,世卫组织应急委员会宣布为全球卫生紧急情况,因为越来越多的COVID-19情况通知海外国家。而大流行造成严重损害社会经济现象和多个全球大宗商品价格等现象,汇款、贸易、旅游、显著的失业,并大幅降低工资,大流行也负面影响多个全球现象。技术的出现刺激了重大改变我们生活的许多方面和改善了的信息交换,数据显示,通过远程医疗和医疗资源的管理。在本文中,我们提出一个数学数据可视化方法分析大数据的行为,如指数增长和偏差使用COVID-19事件有关的数据。此外,本文将包括研究金融业COVID-19大流行的影响。

1。介绍

老卢干达语谚语,“Kaami katono okanyoomera mitala wa mugga,”意味着即使一件小事也会产生不利后果,如果没有以正确的方式处理。当前危机的COVID-19真正意义上说明了上面的谚语。据世界卫生组织(世卫组织)、COVID-19疫情导致162773940例确诊病例和3375573例死亡5月18日,2021;参见[1]。“冠状病毒”的蜕变是生物学上具有挑战性的研究,引起公众关注基于早期历史的大流行,造成人们的生活。感染引起的冠状病毒可能会增加突变的可能性,这可能会导致新的病毒变体的发展,如严重急性呼吸系统综合症冠状病毒2 (SARS-CoV-2),严重急性呼吸系统综合症(SARS),和中东呼吸综合症(即)。SARS-CoV-2第一冠状病毒被认为是在2020年3月初达到大流行水平,触发COVID-19基于早期SARS和即案件;参见[2- - - - - -5]。

2020年初,全球参与寻找抗病毒疫苗COVID-19拯救全球人口,同时保持所有标准操作程序(sop)如社会距离和戴面罩是高度和认真执行世界各地的老人和儿童;参见[5- - - - - -11]。的4^th2021年1月,顶级制药公司辉瑞和现代化等证实,目前的疫苗是95%有效的基于当前原始数据;参见[12- - - - - -14]。

COVID-19大流行的重要影响之一公共卫生系统可能瘫痪和经济,主要集中在中低收入国家。在全球范围内,COVID-19疾病是一个需要解决的问题的经济规划和医疗策略。为了更好地理解大流行疫情,响应的技术进步,宣传、动员发挥着至关重要的作用;参见[15]。图1阴影的说明COVID-19感染例病毒学评估病人需要紧急眼科手术时科学相信COVID-19病毒进入人类的眼睛,鼻子和嘴。目前流程图详细信息潜在的步骤,可以跟随在任何大流行或流行有关通用全球健康反应。

然而,普通人群采取所有可能的方法来抵制COVID-19标准操作程序(SOP)的需求,如社会距离和戴面罩,在全球范围内严格执行。

信息和技术部门已经设法保持流行的数据更新。例如,使用社会媒体来促进公共卫生运动是非常有效的。表1展示了人类历史上最严重的流行病;参见[16,17]。

有一些威胁参与社交媒体的意识COVID-19大流行,如死亡、传染病诊断和治疗选择像COVID-19疫苗或COVID-19药物给病人。所有这些因素身心中创建额外的恐惧和紧张。这导致普遍的混乱,害怕买回家的东西,囤积至关重要的大宗商品交易员,价格上涨,街头暴力,歧视,阴谋的思考等。18]。

图2显示县高人口,中国和美国是识别出的风险。传染病和流行病反复被认为是威胁人类。然而,大型科技公司正在努力减少错误信息的传播。Instagram谷歌,YouTube, Facebook,例如,不懈工作直接公众最新的、可核实的信息通过网站;参见[19,20.]。

第五代连接技术和高速互联网与随之而来的好处是发起的融合技术,如移动、云,和机器人;参见[20.,21]。特别是人工智能,显示有一个重要的角色在促进健康,表明接种技术涉及交感神经病毒蛋白质结构(22]。

基于COVID-19流行可用的增长率数据,它是相当复杂,以确定标准作业程式已经练习。大流行生长奇特和指数处于关键阶段就是极端人类理解和分析计算。这种复杂性提高技术问题喜欢指数增长偏差怎么能确定吗?指数增长的数据是从哪里来的呢?这样的数据增长的可能影响是什么?什么和什么时候停止?如何做到人口战略规划和管理的大流行像COVID-19玩吗?图3说明人口风险高的国家如意大利、瑞典和法国,分别。

此外,重要的是要关注各种国家如意大利、中国和美国处理造成的压力自2019年大流行疫情。现在,数学的瓶颈是极其复杂的,以确定一个新的趋势在指数分布,重要的是要确定当它增长结束或否则,确定指数结束时,它简化了规划和管理的大流行。

本文的其余部分的结构如下:提出了一些文学事实COVID-19病毒2。部分3介绍了COVID-19流行关键技术的发展趋势。节4,数据可视化模型。节5COVID-19流感大流行的影响,金融是解释和证明。在第6节,结束语。

2。相关文献

在本节中,提出了一些关于COVID-19的事实。

2.1。嗅觉缺失症的症状

嗅觉缺失症的医学术语是部分或完全丧失嗅觉。此外,症状包括高烧、咳嗽、气短COVID-19以下列出的症状之一。嗅觉缺失症(气味的损失)和恶化的味觉神经症状,最常见报告的指标之一COVID-19记录的保健医生。例如,超过29%的公众,在韩国COVID-19病毒阳性表示,他们已经失去了嗅觉。同时,每两三个COVID-19感染者注意到某种程度的嗅觉缺失症;在[看到细节22- - - - - -24]。

2.2。婴儿让重病

相比COVID-19生病的成年人口统计,儿童老化一年到5年不太可能成为严重影响小说COVID-19 COVID-19如果他们接触,当婴儿在更高的风险。例如,超过2143名儿童在中国,大约有12%的患病婴儿危重相比,8%的孩子5岁一年(25- - - - - -27]。

2.3。Nonsymptomatic人们可以传播病毒

2020年2月,超过565人从日本移居湖北,中国无症状携带者(积极测试COVID-19病毒感染从未经历过的症状COVID-19 [28- - - - - -30.])。基于web的定制应用程序,比如电子商务和在线学习网站,提供一些策略文档建模、知识检索,从页面内容获得信息的方法。在此类应用程序中,用户COVID-19概要文件通常定义为向量,每个向量入口代表体重或学位对web页面上的每个项目(31日,32]。

2.4。血型人更敏感

早期研究显示,超过2170人入院治疗由于COVID-19大流行,表明病人的血型高于研究期望基于血型的人的比例在一般人群中,详细(33,34]。

3所示。技术在COVID-19大流行的角色

在本节中,反映了技术管理COVID-19大流行期间。

3.1。数字和非接触式支付

现金券可以携带COVID-19病毒不同的目的地一旦受感染的人访问它。所以,中央银行采取了各种预防措施在中国,美国,韩国,指出卫生之前在循环逃避COVID-19传播(35]。根据世界银行的数据,超过17亿名无个人没有方便的访问数字支付。电子支付的obtainability也取决于网络的可用性,计算机,网络将资金转化为数字格式(36]。此外,COVID-19还将在全球在线购物。几家餐馆和交付公司在中国和美国都推出大量交付单位和服务产品都是精心挑选,放到一个选定的位置作为替代人与人之间的互动。这种网上购物需要一个健壮的后勤系统的使用(37]。

3.2。远程工作

云技术和工作通信软件如缩放和Skype允许一个人面前出现一个虚拟背景而留在自己家里的隐私。因此,将会有更少的运动和更少的公共传播;参见[38,39]。除了防止COVID-19感染的传播,远程工作节省时间,并允许更大的灵活性。雇主可以选择削减租赁费用和吸引县劳动力成本较低的员工如果远程工作成为更受欢迎后COVID-19流行;参见[40- - - - - -42]。

3.3。供应链

COVID-19已经戏剧性地改变了全球供应链。距离检疫规定不得不关闭一些工厂。虽然食品需求和医疗和个人防护设备的需求在增加,某些国家已经把不同层次的出口禁止这些产品(41- - - - - -43]。

4所示。数据可视化模型(方法)

在本节中,我们将描述的数学表示的数学数据可视化模型(MDVM)所有国家的指数数据增长,描绘数据增长的变化令人难以置信的好。

图中的总确诊病例和确诊病例流行的最后一周增长出现下降指数增长的国家。图解积分法,三个因素是:(一)使用对数刻度;它管理指数增长证明通过标记图,使比例合适;(b)关注的是改变,而不是从根本上绝对数量。考虑在今年年初韩国24例^th2020年3月,总病例数第一个是指数从10到40天,除此之外每总改变了模式情况下,所以没有图形,它是很难注意到的变化指数增长;与时间和(c)情节,基于物理时间,满足指数;图形绘制与时间。

在这种情况下,总体人口感染COVID-19ℏ,和当前的增长率θ。因此,我们有 , ,

为简单起见,

使用最大似然方法估计(1)的患病率COVID-19在公众不同的年龄组。

考虑到一个公共的年龄和不同年龄组的患病率风险,COVID-19的发生率与年龄群λ是年龄和流行是α给出如下: 在哪里P(λ|α)是年龄组的患病率风险(我);P(λ_我)是相对于年龄(我在公众。

让我们考虑一下α不同年龄组获得物流功能的年龄λ作为

确定大流行性流感的死亡风险,采用最大生计方法更加紧密和铰接时估计疾病死亡率。

考虑到ϕ是感染,ξ是死亡率。因此,P(ξ,ϕ|λ_我)是死亡率的风险状况对个人的年龄和感染状态;P(λ_我|ϕ,ξ)成为死亡病例的年龄构成COVID-19大流行。我们考虑到感染发生在所有年龄组的公众,因此表达。我们进一步应用最大似然方法达到COVID-19为不同年龄组的死亡率。此外,有一个归责的感染者的死亡率,因此

起初,如图4,扩展一千零一十似乎接近对方。然而,上的对数尺度X设在使我们有必要确定标准操作规程执行;因此,应用线性趋势是更好的显示数据增长的模式。第二,时间是推断;不像其他COVID-19绘图,我们已经看到,时间不是在Y设在,可能配置错误和混乱,但时间通过动画显示。第三,当比较感染确诊病例,总确认受试者显示,而不是确切的病例数。它是未知多少COVID-19阳性病例存在;然而,COVID-19的筛检试验表明感染扩散的趋势。假设数据是准确的,国家出现低于通常的趋势图描述了所需的所有国家减少大流行性流感传播和发展。每日新闻和报告主要关注当前数据,然而,理解趋势是重要的规划和管理。假设数据是正确的,下面显示的国家图显示一个典型的模式,所有国家都是可取的,以减少大流行性流感传播和扩张。而每日新闻和报告主要关注当前数据,规划和管理理解趋势是至关重要的。

提供数据的可视化表示,如增长率与测试情况下,揭示了一些不一致的数据集。同样重要的是要注意,大流行COVID-19等传播比图中慢慢的在现实生活中,但是使用的数据不仅显示病例数也很多测试,导致确诊病例增长更快。因为在世界各地的卫生设施基本数据错误,不完整的数据来源获得的数据使用。此外,每个国家能够进行COVID-19测试设施不同。最近几周的图表是由几天跟踪模式/趋势,导致数据的不一致是由于日常增长率;参见图5。

数据时使用对数刻度计算每个国家现有病例策划反对新病例。已经观察到疾病传播是不受控制的指数增长率。然而,严格的标准作业程式可能导致应用程序降低指数增长率。此外,结果还证明该模型的有效性;参见图6。

5。COVID-19对金融业的影响

在本节中,我们确定COVID-19对金融的影响。为了这个目的,一个案例研究巴基斯坦股市的表现。在这项研究中,我们使用的数据COVID-19每日收盘价的病例和PSX(巴基斯坦证券交易所),100年2月和2021年3月的索引。

5.1。研究方法

在本节,我们将讨论我们的研究模型用于确定COVID-19在巴基斯坦的性能的影响股票市场。本研究的模型可以表示为 价格_它代表PSX的每日收盘价;β₀是模型的截距;情况下_它表示COVID-19日常案件;ϵ_它表示误差项。请注意,价格是很重要的_它是模型的响应变量衡量PSX的每日价格,和案例吗_它模型的预测变量,它是衡量COVID-19日常情况下的频率在巴基斯坦。

5.2。数据和资源

在这项研究中使用的数据是来自两个不同的来源。响应变量的数据从PSX获得数据门户。这些数据可以从以下链接:重试https://dps.psx.com.pk/monthly-reports。然而,预测变量的数据是可用的https://www.worldometers.info/coronavirus/country/pakistan/。这种行为被认为是数据集的显示在图中7,表中提供的汇总统计数据2。

5.3。回归分析

在本节中,我们考虑一个线性回归技术模型价格之间的关系_它(作为响应变量)和病例_它(作为预测变量)。应用回归技术后,我们观察到β₀= 46469。1719年,解释为预测股票市场价格没有COVID-19影响。斜率(回归模型的回归系数)提供(1)是β₁=−0。4434年,表明−0。4434台衰减在股票市场价格。因此,我们得出这样的结论:COVID-19日常情况下负面与股票市场价格之间的关系。因此,拟合回归模型给出

股票市场价格之间的关系和日常COVID-19例图中以图形的方式显示8。情节呈现在图8,表明价格之间的负相关关系_它和案例_它。

5.4。假设检验

检查的意义COVID-19日常情况下对股票市场价格,称为采用假设检验的统计方法。零和备择假设可以制定如下:H₀= COVID-19日常情况下没有影响巴基斯坦股市vsH₁= COVID-19日常情况下对巴基斯坦股市产生重大影响。

标准错误是非常有用的在执行回归系数假设测试。在这种情况下,它衡量的系数估计不同价格的平均值_它。标准错误也扮演一个重要角色在计算置信区间。如果标准错误的估计β₀和β₁是足够小,那么即使是小值的估计β₀和β₁将提供足够的证据反对H₀。在这里,我们使用t统计量来衡量β₀和β₁从0。

5.5。统计测试

的t统计值代表多远(标准差)的系数估计是零。一个较大的值t统计提供了证据H₀,表明价格之间存在的关系_它和案例_它。越小价值,拒绝的可能性就越大H₀。一般来说,一个值0。05年是标准的分界点。后应用t以及,提供了数值结果表3。

从结果表中提供2,我们可以看到值小于0。05年表示的值β₀和β₁不等于零。因此,我们拒绝H₀,并得出结论,有一个重要的价格之间的关系_它和案例_它。

的F以及统计数据是另一个著名的工具用来检测反应和预测变量之间的关系。后应用F以及,我们观察到值为0。0004147和F统计数据是14.9。值小于0。05年表明重大影响的案件_它对价格_它。

5.6。模型拟合的准确性

的R广场R²是最重要的数量来衡量回归模型,和它的值在0和1之间变化。它量化预测和响应变量之间的线性关系。的价值R²接近1代表更好的适应和接近0代表穷人的健康。在我们的例子中,R²是0.2765,这意味着只有0。2765%的价格的变化_它是解释为例_它。

5.7。残差

剩余回归的质量符合标准误差的措施。在这项研究中,它代表了不同的价格_它而真正的回归。残差与安装图的情况_它呈现在图9。从图中提供的残差与安装图5,红线几乎是躺在残值为0,几乎是水平和拟合值分散周围没有系统的关系。因此,我们得出结论,残差是线性相关的。

剩余的常态等可以通过两种方法检测正常测试和图形的方法。在正常测试的领域,我们执行Shapiro-Wilk (SW)正常测试和Anderson-Darling(广告)正常测试检查残差的常态。在这两个测试,零和替代假说可以构造如下:H₀=残差正态分布vsH₁=残差不是正态分布。在执行分析之后,我们观察SW = 0.89199值= 0.0009702和广告= 1.2203值= 0.003085。正如我们可以看到测试的值都小于0.05,因此,我们拒绝H₀并得出结论:残差不是正态分布。

qq (quantile-quantile)情节,是一种图形化的方法用来确定数据收集来自一个特定的分布,如正常,威布尔或指数。事实上,一个qq情节是一种创造的散点图绘制两套分位数。如果这两套分位数来自相同的分布,然后所有的点形成一条直线。的qq阴谋的价格_它画在图9显示了残差大致线性相关。从今以后,我们得出这样的结论:正常是几乎没有剩余。

检查残差的独立性,我们使用Durbin-Watson (DW)测试。在DW测试下,H₀和H₁假设可以构造如下:H₀=残差不相关线性vsH₁的残差是线性相关的。应用DW的测试后,我们观察到DW = 0.8141324值= 0.3622015。随着值大于0.05,因此,我们无法拒绝H₀并得出结论:残差通常是相关的。

方差齐性回归分析中是一个重要的假设即残差的方差近似等于常数的所有值预测变量。违反这一假设的结果在一个大的方差。从图中提供的情节scale-location情节9,我们可以看到,所有的残差分布导致残差的方差齐性满足。

5.8。有影响力的观察

颇具影响力的观察统计分析中发挥重要作用。特别是,一个有影响力的观察的删除对估计有很大的影响。传统的4 /截止n用于识别影响观察。跨越库克的距离线的数字代表观测的影响。有影响力的观测使用的图形化显示库克的距离图提供了方法10。

6。结束语

本文证明COVID-19对金融的影响也描述技术角色在管理COVID-19大流行。COVID-19爆发金融和医疗领域的负面影响。在本文中,我们提出了一个数学数据可视化模型,分析流行指数增长和偏差等数据的行为。有人指出的趋势被感染的情况下,复苏和死亡有自己的假设和参数变化从一个区域人口领域到另一个地方。最后,采用回归工具看到COVID-19大流行对金融业的影响。根据本研究的结果,可以看出COVID-19大流行对金融行业有负面影响。

数据可用性

本文中使用的数据集的所有链接中提供的主体手稿。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作由部门统计,亚兹德大学,伊朗。

引用

1. 世界卫生组织,冠状病毒病(COVID-19)仪表盘,https://covid19.who.int/。
2. j .陆军m .博斯托克,诉Ogievetsky”通过可视化动物园参观,”ACM的通信,53卷,不。6日,59 - 67年,2010页。视图:出版商的网站|谷歌学术搜索
3. j.p. Ehrenberg j . Utzinger g .丰特斯et al .,“努力减轻COVID-19大流行的经济影响:被忽视的热带疾病的潜在入口点,”传染病的贫困,10卷,不。1,2 - 10,2021页。视图:出版商的网站|谷歌学术搜索
4. r·l·d . Miconi z . y . Li Frounfelker et al .,“Ethno-cultural COVID-19大流行期间心理健康的差异:横断面研究的影响暴露于病毒和COVID 19-related歧视和污名在Ethno-cultural心理健康团体在魁北克(加拿大),“BJPsych开放,7卷,不。1,2021。视图:出版商的网站|谷歌学术搜索
5. n .赵和f .你,”纽约州Food-energy-water-waste nexus系统优化COVID-19流行缓解下健康和环境问题,“应用能源文章ID 116181卷,282年,2021年。视图:出版商的网站|谷歌学术搜索
6. a . e . Boutzoukas i c . Akinboyo c . a . Wong d·k·本杰明和k·o·齐默尔曼,“COVID-19-related关闭学校影响儿童健康的司机,”北卡罗莱纳医学杂志,卷82,不。1,50-56,2021页。视图:出版商的网站|谷歌学术搜索
7. m . Ghahremanloo y删削、y . Choi和s . Mousavinezhad”COVID-19爆发对空气污染水平的影响在东亚,”科学的环境文章ID 142226卷,754年,2021年。视图:出版商的网站|谷歌学术搜索
8. m . Rathi p·辛格,惠普Bi et al .,“COVID-19流感大流行的影响在系统性红斑狼疮患者:观察印度的初始群体,“红斑狼疮,30卷,不。1,第164 - 158页,2021。视图:出版商的网站|谷歌学术搜索
9. r·p·Rannan-Eliya n . Wijemunige j . r . n . a . Gunawardana et al .,“提高PCR检测强度降低COVID-19传播在国家第一大流行期间波:研究探讨增加强度反向transcriptionpolymerase连锁反应(PCR)检测及其对COVID-19传播,影响”卫生事务,40卷,不。1,第81 - 70页,2021。视图:谷歌学术搜索
10. p . k . Narayan问:锣,h·j·a·艾哈迈德”有一个模式COVID-19影响了澳大利亚的股票收益如何?”应用经济学的信,2021年,页1 - 4。视图:出版商的网站|谷歌学术搜索
11. j·m·罗兹萨勃拉曼尼亚,e . Laird g·格里芬和r·a·肯尼”视角:维生素D缺乏和COVID 19 severity-plausibly与纬度,种族,对细胞因子的影响,ACE2和血栓形成,”内科医学杂志,卷289,不。1,第115 - 97页,2021。视图:出版商的网站|谷歌学术搜索
12. d·卡鲁纳尼迪·Aravinthasamy m·迪帕莉。t . Subramani和k . Shankar“地下水污染和人类健康风险在印度南部的工业化地区:影响COVID-19锁定和季风季节周期,”环境污染和毒理学的档案,卷80,不。1,第276 - 259页,2021。视图:出版商的网站|谷歌学术搜索
13. e . Ikiz v . w . Maclaren e·阿尔弗雷德和s . Sivanesan”COVID-19对家庭垃圾的影响流,分流和重用:multi-residential建筑在多伦多,加拿大,”资源保护和回收文章ID 105111卷,164年,2021年。视图:出版商的网站|谷歌学术搜索
14. w·e·科普兰·e·麦金尼斯,y白et al .,“COVID-19大流行对大学生心理健康的影响和健康,”美国儿童和青少年精神病学会》杂志,60卷,不。1,第141 - 134页,2021。视图:出版商的网站|谷歌学术搜索
15. e . a . n . Wastnedge r·m·雷诺兹s . r . van Boeckel et al .,“怀孕,COVID-19。”生理上的评论,卷101,不。1,第318 - 303页,2021。视图:出版商的网站|谷歌学术搜索
16. t .天,I.-C。c, c·k·l·钟w·e·杜利特尔,j .圣餐和p . n . McDaniel”COVID-19的直接影响高等教学和学习,“专业地理学家,卷73,不。1,1-13,2021页。视图:出版商的网站|谷歌学术搜索
17. 即阿尼尔和o . Alagha COVID-19锁定的空气质量的影响,东部省份,沙特阿拉伯,“空气质量、大气与健康,14卷,不。1,第128 - 117页,2021。视图:出版商的网站|谷歌学术搜索
18. j . Iwanaga m .卢卡,A·s·杜蒙特和r s Tubbs”回顾解剖学教育和COVID后19大流行期间:回顾传统的和现代的方法去实现未来创新,“临床解剖学,34卷,不。1,第114 - 108页,2021。视图:出版商的网站|谷歌学术搜索
19. d . Wang s Marmo-Roman、k·克莱斯和l . Phanord”符合预防措施在COVID-19大流行在美国和加拿大:结果从一个在线调查,“社会工作在卫生保健,硕士论文,2021页。视图:出版商的网站|谷歌学术搜索
20. 城市和l . r . c . y . k .中田宏”COVID-19流行:固体废物和环境影响在巴西,“科学的环境文章ID 142471卷,755年,2021年。视图:出版商的网站|谷歌学术搜索
21. Djekic, a . Nikolićm . Uzunovićet al .,“Covid-19流行影响食物safety-multi-country调查研究”,食品控制文章ID 107800卷,122年,2021年。视图:出版商的网站|谷歌学术搜索
22. j . Martorell-Marugn j . a . Villatoro-Garca a Garca-Moreno et al .,“DatAC:视觉分析平台探索气候和空气质量指标与COVID-19流行在西班牙,”科学的环境文章ID 141424卷,750年,2021年。视图:谷歌学术搜索
23. m . Naeem“社交媒体平台开发消费者购买恐慌害怕COVID-19大流行期间,“杂志零售和消费者服务,卷。58岁的ID 102226条,2021年。视图:出版商的网站|谷歌学术搜索
24. m·l·贝尔和k·c·方”,性别差异在首次在公共卫生研究和相应的作者提交COVID-19大流行期间,“美国公共卫生杂志》上,卷111,不。1,第163 - 159页,2021。视图:出版商的网站|谷歌学术搜索
25. Kaur m .犯错误,犯错误,p, n . Tripathy和a,迪尔”金融的态度影响了散户投资者的交易活动在COVID-19流行病?”杂志零售和消费者服务,卷。58岁的ID 102341条,2021年。视图:出版商的网站|谷歌学术搜索
26. c . Ruiz-Frutos m . Ortega-Moreno r . Allande-Cusso Dominguez-Salas, a·迪亚斯和j . Gomez-Salgado“健康相关因素COVID-19大流行期间的心理压力在非卫生工作者在西班牙,”安全科学文章ID 104996卷,133年,2021年。视图:出版商的网站|谷歌学术搜索
27. Mandelkorn,贞,s . Choshen-Hillel et al .,“睡眠障碍在升级COVID-19流行:横断面的国际研究,“临床睡眠医学杂志》上,17卷,不。1,45-53,2021页。视图:出版商的网站|谷歌学术搜索
28. p . n . Halkitis”管理COVID-19流行:生物-心理-社会的教训从艾滋病的流行,“公共卫生管理和实践杂志》上,27卷,不。1,S39-S42, 2021页。视图:出版商的网站|谷歌学术搜索
29. p·r·伯顿、n·p·莫里斯和m . e . Hirschtritt”精神卫生服务在美国监狱CoViD-19大流行期间,“精神病学服务,卷72,不。4、458 - 460年,2021页。视图:出版商的网站|谷歌学术搜索
30. n . Kravitz-Wirtz a . Aubel j . Schleimer r . Pallin和g . Wintemute“公众担心暴力、枪支和COVID-19大流行在加州,“《美国医学会杂志》网络开放,4卷,不。1,文章ID e2033484, 2021。视图:出版商的网站|谷歌学术搜索
31. e . g .刘易斯,m . Breckons r·p·李,c . Dotchin和r·沃克“脆弱COVID-19大流行期间,配给保健”年龄和衰老,50卷,不。1、7 - 10,2021页。视图:出版商的网站|谷歌学术搜索
32. 问:元,气,d .胡锦涛et al .,“时空变化和减少空气污染物COVID-19大流行期间在中国的大城市,长江三角洲,”科学的环境文章ID 141820卷,751年,2021年。视图:出版商的网站|谷歌学术搜索
33. g·兰伯特k·德拉蒙德、诉费雷拉和f . Carli”Teleprehabilitation COVID-19大流行期间:必需品的“什么”和“如何”,“支持性护理在癌症卷,29号2、551 - 554年,2021页。视图:出版商的网站|谷歌学术搜索
34. z . y . f . Liu, x l .锅et al .,“慢性肾脏疾病和急性肾损伤参与COVID-19流行:系统回顾和荟萃分析,“《公共科学图书馆•综合》,16卷,不。1,文章ID e0244779, 2021。视图:谷歌学术搜索
35. s·l·格里尔,a . de Ruijter和e·布鲁克斯,“COVID-19大流行:失败在公共卫生、”帕尔格雷夫手册的欧盟的危机,页747 - 764,帕尔格雷夫麦克米伦,可汗,瑞士,2021。视图:谷歌学术搜索
36. e . Portacolone a . Chodos j . Halpern et al .,“COVID-19流感大流行的影响不同的生活体验与认知障碍的老年人独自生活,”的老年医学,卷61,不。2、251 - 261年,2021页。视图:出版商的网站|谷歌学术搜索
37. p . r . Pietromonaco和n c。总的来说,“应用科学评估COVID-19流行的关系可能会影响夫妻关系,“美国心理学家,卷76,不。3、438 - 450年,2020页。视图:出版商的网站|谷歌学术搜索
38. n . w . Ruktanonchai j·r·弗洛伊德美国赖et al .,“评估协调COVID-19退出策略的影响在欧洲,“科学,卷369,不。6510年,第1470 - 1465页,2020年。视图:出版商的网站|谷歌学术搜索
39. s . l . Klein s Dhakal r . l . Ursin s Deshpande k .桑德伯格和f . Mauvais-Jarvis COVID-19生理性别影响的结果,“PLoS病原体,16卷,不。6篇文章ID e1008570 2020。视图:出版商的网站|谷歌学术搜索
40. l . Di Domenico g . Pullano c . e . Sabbatini p中,Bolle y和诉Colizza”锁定在le-de-France COVID-19流行病的影响和可能的退出策略,“BMC医学,18卷,不。1,1-13,2020页。视图:出版商的网站|谷歌学术搜索
41. g . Corbie-Smith m·k·沃尔夫,s m·胡佛和g·戴夫,“定心股本和社区的复苏COVID-19大流行,”北卡罗莱纳医学杂志,卷82,不。1,第67 - 62页,2021。视图:出版商的网站|谷歌学术搜索
42. c . m . Barkoff和s a”,药物治疗在COVID 19:针对补充系统的潜在影响,”共同参与,9卷,不。1,p。11日,2021。视图:谷歌学术搜索
43. 傅p .江,x, y v .风扇et al .,“时空潜在暴露风险分析和城市可持续发展的影响与COVID-19缓解:汽车出行行为角度来看,“《清洁生产文章ID 123673卷,279年,2021年。视图:出版商的网站|谷歌学术搜索

版权

版权©2021斤赵等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。