Μελέτη των παραγόντων κινδύνου που σχετίζονται με την πανδημία COVID-19 με χρήση τεχνικών πολυμεταβλητής ανάλυσης

Champesi, Ioanna P.; Χαμπεσή, Ιωάννα Π.

dc.contributor.advisor	Koutras, Markos
dc.contributor.advisor	Κούτρας, Μάρκος
dc.contributor.author	Champesi, Ioanna P.
dc.contributor.author	Χαμπεσή, Ιωάννα Π.
dc.date.accessioned	2024-11-25T08:47:06Z
dc.date.available	2024-11-25T08:47:06Z
dc.date.issued	2024-10
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/17102
dc.identifier.uri	http://dx.doi.org/10.26267/unipi_dione/4525
dc.description.abstract	Η πανδημία COVID-19 έχει επιφέρει σημαντικές παγκόσμιες προκλήσεις, απαιτώντας λεπτομερή ανάλυση δεδομένων μεγάλου όγκου με στόχο τη λήψη αποφάσεων δημόσιας υγείας. Η παρούσα διπλωματική εργασία μελετά την εφαρμογή μεθόδων πολυμεταβλητής ανάλυσης για την εξερεύνηση μη κλινικών παραγόντων που συμβάλλουν στην επίδραση της πανδημίας COVID-19 στην κοινότητα της Μαδρίτης. Παρόλο που η υπάρχουσα βιβλιογραφία επικεντρώνεται κυρίως στα κλινικά αποτελέσματα, η εργασία έχει ως στόχο να διευρύνει την κατανόηση της πανδημίας μέσω της εξέτασης δημογραφικών, κοινωνικοοικονομικών και κλιματολογικών μεταβλητών. Η έρευνα χρησιμοποιεί την Ανάλυση Κύριων Συνιστωσών, την Παλινδρόμηση Μερικών Ελαχίστων Τετραγώνων και την k-means μέθοδο ανάλυσης κατά συστάδες για την επεξεργασία και ερμηνεία δεδομένων υψηλών διαστάσεων. Αυτές οι τεχνικές είναι κατάλληλες για την αναγνώριση σύνθετων προτύπων και σχέσεων που μπορεί να υπάρχουν στα δεδομένα, βοηθώντας στην ανίχνευση κρίσιμων παραγόντων που σχετίζονται με την πανδημία COVID-19. Βασιζόμενοι στη μελέτη των Pérez-Segura et al.[66], εφαρμόζουμε και παρουσιάζουμε πώς μπορούν οι προαναφερθείσες τεχνικές να εφαρμοστούν σε πραγματικά δεδομένα για την ανακάλυψη κρίσιμων παραγόντων κινδύνου που συνέβαλαν στην έξαρση της πανδημίας. Τα ευρήματα αναδεικνύουν την ανάγκη για προσαρμοσμένες στρατηγικές δημόσιας υγείας, λαμβάνοντας υπόψη τις διαφορετικές συνθήκες σε διάφορες περιοχές. Μέσα από αυτήν την ανάλυση, στοχεύουμε στην καλύτερη κατανόηση των δεδομένων, και κατ' επέκταση τη βαθύτερη κατανόηση της πολυδιάστατης επίδρασης της πανδημίας.	el
dc.format.extent	99	el
dc.language.iso	en	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.title	Μελέτη των παραγόντων κινδύνου που σχετίζονται με την πανδημία COVID-19 με χρήση τεχνικών πολυμεταβλητής ανάλυσης	el
dc.title.alternative	Study of risk factors related to the COVID-19 epidemic using multivariate analysis techniques	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης	el
dc.description.abstractEN	The COVID-19 pandemic has introduced significant global challenges, requiring detailed analysis of vast datasets to guide public health decisions. This thesis studies the implementation of multivariate analysis methods to explore the non-clinical factors influencing the pandemic's impact in the community of Madrid. While much of the existing research has focused on clinical outcomes and medical interventions, the present study aims at broadening the understanding by examining demographic, socioeconomic, and climatological variables. The research employs Principal Component Analysis, Partial Least Squares Regression, and k-means clustering to process and interpret high-dimensional data. These techniques are suitable for uncovering complex patterns and relationships that may be present in the datasets, thereby shedding light on some of the key factors associated with COVID-19 transmission and severity. Building on the study by Pérez-Segura et al. [66], the thesis demonstrates how these techniques can be applied to real-world data to uncover critical risk factors. The findings emphasise the need for tailored public health strategies, considering the diverse conditions across different regions. Through this exploration, it aims to enhance the statistical power of data analysis, ensuring more accurate and comprehensive insights into the pandemic's multidimensional impact.	el
dc.contributor.master	Εφαρμοσμένη Στατιστική	el
dc.subject.keyword	COVID-19	el
dc.subject.keyword	Multivariate analysis	el
dc.subject.keyword	Principal component analysis	el
dc.subject.keyword	Partial least squares	el
dc.subject.keyword	Cluster analysis	el
dc.subject.keyword	Madrid	el
dc.subject.keyword	Latent variables	el
dc.subject.keyword	Principal components	el
dc.subject.keyword	Risk factors	el
dc.subject.keyword	Pandemic	el
dc.date.defense	2024-10-08

Αρχεία σε αυτό το τεκμήριο

Name:: Champesi_mes21026.pdf
Μέγεθος:: 1.403Mb
Τύπος:: PDF
Description:: Master thesis

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα