Year 2020, Volume , Issue 20, Pages 248 - 253 2020-12-31

Koronavirüs’ün (Covid-19) Dünya Çapındaki Analizi ve Gelecekteki Durumu

Mehmet TAŞ [1] , Mete YAĞANOĞLU [2]


Coronaviridae ailesinin bir cinsi olan Koronavirüsler, büyük bir artı iplikli RNA genomuna sahip zarflı virüslerdir. Serolojik olarak farklı üç koronavirüs grubu tanımlanmıştır. Her grupta virüsler konakçı aralıkları ve genom dizileri ile karakterize edilir. Koronavirüsler farelerde, sıçanlarda, tavuklarda, hindilerde, domuzlarda, köpeklerde, kedilerde, tavşanlarda, atlarda, sığırlarda ve insanlarda tanımlanmıştır ve gastroenterit ve solunum yolu hastalıkları gibi çeşitli ciddi hastalıklara neden olabilir. Bulaşıcılığı çok yüksektir. Solunum yoluyla bulaşabilen bu virüs, damlacık yoluyla da aktarılması yani bulaşması çok kolaydır. Yapılan çalışmaların gösterdiği gibi yakın temasta bulunan bireyler birbirlerine çok kısa bir zaman için bulaştırması gözlemlenmiştir. Bunun yanında bulaşan virüs, solunum yollarına yerleşerek akciğerlere oturur ve orada bölünmeye devam eder. Bunun sonucunda akciğerlere büyük ve kalıcı hasar vererek konak canlıya ölümcül bir şekilde zarar vermektedir. Yeni koronavirüsün (COVID-19) küresel etkisi büyüyen bir ivmeyle dünyayı sarmaktadır. Doğrulanan vakaların doğru bir şekilde tahmin edilmesi ve sağlık bir çıkarım yapabilmek için yalnızca vakalar değil ayrıca ölüm ve iyileşme sayısının analizini de gerektirir. Bununla birlikte, öngörme için geniş bir geçmiş verisi gerekir. Aynı zamanda, gelecek nadiren geçmişle aynı şekilde tekrarlandığı için hiçbir tahmin kesin değildir. Ayrıca, tahminler verilerin güvenilirliğinden, kazanılmış ilgi alanlarından ve hangi değişkenlerin tahmin edildiğinden etkilenir. Psikolojik faktörler, insanların hastalıktan kaynaklanan tehlikeyi ve onları kişisel olarak etkileyebileceği korkusunu nasıl algıladığı ve bunlara nasıl tepki gösterdiği konusunda önemli bir rol oynamaktadır. Bu çalışma COVID-19'un devamını basit, ancak güçlü bir yöntemle öngörmek için objektif bir yaklaşım ortaya koymaktadır. Kullanılan veriler Dünya Sağlık Örgütü’nün (WHO) paylaşmış olduğu ve her ülkenin bu bilgileri paylaştığı güvenilir verilerdir. Hastalığın yapılan tahminler sonucunda COVID-19 vakalarında sürekli bir artış olduğunu göstermektedir. Risk günden güne artmakta ve kismi ölçüde düşüşe geçmeye meyilli bir hâl almaktadır. Bu çalışma planlama ve karar verme için büyük etkileri olan canlı bir tahmin çalışmasının zaman çizelgesini açıklamakta ve teyit edilmiş COVID-19 vakaları için objektif tahminler sunmaktadır.
Coronavirus, Covid-19, Makine Öğrenmesi, Veri Analizi, Tahmin Etme
  • Referans1: Wang, Chunyan, Wentao Li, Dubravka Drabek, Nisreen M.A. Okba, Rien van Haperen, Albert D.M.E. Osterhaus, Frank J.M. van Kuppeveld, Bart L. Haagmans, Frank Grosveld, and Berend-Jan Bosch, “A human monoclonal 1 antibody blocking SARS-CoV-2 infection,” bioRxiv, 2020.
  • Referans2: Gormsen, N. J., & Koijen, R. S. (2020). Coronavirus: Impact on stock prices and growth expectations. University of Chicago, Becker Friedman Institute for Economics Working Paper, (2020-22).
  • Referans3: Murphy, K. P. (2012). Machine learning: a probabilistic perspective. MIT press.
  • Referans4: Burbidge, R., Trotter, M., Buxton, B., & Holden, S. (2001). Drug design by machine learning: support vector machines for pharmaceutical data analysis. Computers & chemistry, 26(1), 5-14.
  • Referans5: Song, K. B., Baek, Y. S., Hong, D. H., & Jang, G. (2005). Short-term load forecasting for the holidays using fuzzy linear regression method. IEEE transactions on power systems, 20(1), 96-101.
  • Referans6: FULLER, W.A. 1969. Grafted polynomials as approximating functions. Aust J Agric Econ 13:35-46.
  • Referans7: GALLANT, A. R. 1974a. The theory of nonlinear regression as it relates to segmented polynomial regressions with estimated join points. Institute of Statistics Mimeograph Series No. 925, 25 p. Raleigh, N.C.
  • Referans8: Jain, M., Narayan, S., Balaji, P., Bhowmick, A., & Muthu, R. K. (2020). Speech emotion recognition using support vector machine. arXiv preprint arXiv:2002.07590.
  • Referans9: Qawqzeh, Y. K., Otoom, M. M., Al-Fayez, F., Almarashdeh, I., Alsmadi, M., & Jaradat, G. (2019). A Proposed Decision Tree Classifier for Atherosclerosis Prediction and Classification. IJCSNS, 19(12), 197.
  • Referans10: Breiman, L. (1999). Random forests. UC Berkeley TR567.
  • Referans11: Quinlan, J. R. (2014). C4. 5: programs for machine learning. Elsevier.
  • Referans12: Breiman, L., Friedman, J., Stone, C. J., & Olshen, R. A. (1984). Classification and regression trees. CRC press.
Primary Language tr
Subjects Engineering
Journal Section Articles
Authors

Orcid: 0000-0001-6135-1849
Author: Mehmet TAŞ
Institution: ATATÜRK ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ
Country: Turkey


Orcid: 0000-0003-3045-169X
Author: Mete YAĞANOĞLU (Primary Author)
Institution: Ataturk University, Faculty of Engineering, Department of Computer Engineering
Country: Turkey


Dates

Publication Date : December 31, 2020

APA Taş, M , Yağanoğlu, M . (2020). Koronavirüs’ün (Covid-19) Dünya Çapındaki Analizi ve Gelecekteki Durumu . Avrupa Bilim ve Teknoloji Dergisi , (20) , 248-253 . DOI: 10.31590/ejosat.764638