Carlos Pedro Gonçalves
Hintergrund: Jüngste Studien, bei denen Methoden der Chaostheorie angewendet wurden, haben das Vorhandensein chaotischer Marker in den epidemiologischen Daten von SARS-CoV-2 festgestellt. Dieser Beweis hat Auswirkungen auf die Vorhersage, Modellierung und epidemiologische Analyse der SARS-CoV-2/COVID-19-Pandemie und impliziert damit auch das Gesundheitsmanagement.
Ziel und Methoden: Wir untersuchen die aggregierten Daten zu den Neuinfektionen pro Million und den Neutotaltoten pro Million durch COVID-19 in Afrika, Asien, Europa, Nord- und Südamerika und Ozeanien. Dabei wenden wir empirische Methoden der Chaostheorie an, darunter die Schätzung der Einbettungsdimension, die Schätzung von Ljapunow-Spektren, Spektralanalyse und modernste Methoden der topologischen Datenanalyse, die persistente Homologie, Rekurrenzanalyse und maschinelles Lernen kombinieren, mit dem Ziel, die Art der Dynamik und ihre Vorhersagbarkeit zu charakterisieren.
Ergebnisse und Schlussfolgerung: Die Ergebnisse zeigen, dass es für alle Regionen außer Ozeanien Hinweise auf chaotische Attraktoren mit niedriger Dimension gibt, die kurz vor dem Beginn des Chaos stehen und eine Rekurrenzstruktur aufweisen, die von adaptiven künstlichen Intelligenzlösungen mit maschinellen Lernmodulen für nächste Nachbarn verwendet werden kann, um die zukünftigen Werte der beiden Zielreihen für jede Region mit sehr hoher Leistung vorherzusagen. Die persistente Homologieanalyse deckt eine Aufteilung in zwei Gruppen auf, wobei die erste Gruppe aus Afrika und Asien und die zweite aus Europa, Nord- und Südamerika besteht. Für Ozeanien fanden wir Hinweise auf das Auftreten einer Bifurkation, die wir mithilfe einer Kombination aus maschinellem Lernen und topologischen Analysemethoden detailliert charakterisieren. Wir stellen fest, dass die Bifurkation in der Region mit der Entstehung neuer Varianten zusammenhängt.