[논문 리뷰] Association Learning Between the COVID-19 Infections and Global Demographic Characteristics Using the Class Rule Mining and Pattern Matching

Wasiq Khan, Abrar Hussain외 3명|arXiv (Cornell University)|2020. 09. 27.

COVID-19 epidemiological studies참고 문헌 32인용 수 4

한 줄 요약

이 연구는 전 세계 인구 통계적 특성과 코로나19 중증도 수준 간 다차원적 연관성을 밝혀내기 위해 클래스 규칙 마이닝과 패턴 매칭을 결합한 지능형 모델을 제안한다. 2020년 8월 20일까지의 데이터를 바탕으로 자율조직화 맵, 클래스 연관 규칙, 통계 분석을 적용하여 여성 흡연자와 관련된 강력한 연관성을 규명하며, 이는 인구 분포가 지역 간 질병 진행과 중증도에 상당한 영향을 미친다는 것을 시사한다.

ABSTRACT

Over 26 million cases have been confirmed worldwide (by 20 August 2020) since the Coronavirus disease (COIVD_19) outbreak in December 2019. Research studies have been addressing diverse aspects in relation to COVID_19 including potential symptoms, predictive tools and specifically, correlations with various demographic attributes. However, very limited work is performed towards the modelling of complex associations between the combined demographic attributes and varying nature of the COVID_19 infections across the globe. Investigating the underlying disease associations with the combined demographical characteristics might help in comprehensive analysis this devastating disease as well as contribute to its effective management. In this study, we present an intelligent model to investigate the multi-dimensional associations between the potentially relevant demographic attributes and the COVID_19 severity levels across the globe. We gather multiple demographic attributes and COVID_19 infection data (by 20 August 2020) from various reliable sources, which is then fed-into pattern matching algorithms that include self-organizing maps, class association rules and statistical approaches, to identify the significant associations within the processed dataset. Statistical results and the experts report indicate strong associations between the COVID_19 severity levels and measures of certain demographic attributes such as female smokers, when combined together with other attributes. These results strongly suggest that the mechanism underlying COVID_19 infection severity is associated to distribution of the certain demographic attributes within different regions of the world. The outcomes will aid the understanding of the dynamics of disease spread and its progression that might in turn help the policy makers and the society, in better understanding and management of the disease.

연구 동기 및 목표

• 전 세계 지역에서 복합적인 인구 통계적 특성과 코로나19 감염 중증도 간 복잡한 연관성을 모델링하기 위해.
• 질병 진행과 중증도에 영향을 미치는 다차원적 인구 통계적 영향에 대한 제한된 연구를 보완하기 위해.
• 심각한 결과와 관련된 고위험 인구 집단을 특정하여 공중보건 정책 지원을 위해.
• 강력한 연관성 탐지에 위해 패턴 매칭 기법과 통계적 검증을 통합하기 위해.

제안 방법

• 2020년 8월 20일까지의 신뢰할 수 있는 자료원에서 전 세계 인구 통계 및 코로나19 감염 데이터를 수집하였다.
• 고차원의 인구 통계 및 감염 데이터에서 잠재적인 패턴을 탐지하기 위해 자율조직화 맵을 적용하였다.
• 인구 통계적 특성과 코로나19 중증도 수준 간의 유의미한 관계를 추출하기 위해 클래스 연관 규칙 마이닝을 활용하였다.
• 발견된 연관성의 유의미성을 검증하기 위해 통계 분석을 통합하였다.
• 결과를 전문가 보고서와 융합하여 발견된 결과의 임상적 및 역학적 타당성을 평가하였다.

실험 결과

연구 질문

• RQ1 전 세계적으로 어떤 인구 통계적 특성의 조합이 높은 코로나19 중증도 수준과 강력한 연관성을 보이는가?
• RQ2 지역 간 인구 분포가 질병 진행과 중증도의 변동성과 어떻게 관련되어 있는가?
• RQ3 여성 흡연자와 같은 특정 인구 집단은 어떤 식으로 심각한 결과를 예측하는 데 유의미한 역할을 하는가?
• RQ4 패턴 매칭 및 규칙 마이닝 기법이 다차원 건강 데이터에서 명백하지 않은 연관성을 어느 정도 드러내는가?

주요 결과

• 여성 흡연자와 코로나19 중증도 사이에 강력한 연관성이 확인되어 중요한 인구 통계적 위험 요인임을 시사한다.
• 자율조직화 맵과 클래스 연관 규칙의 통합이 인구 집단과 질병 결과 간의 복잡하고 비선형적인 관계를 드러냈다.
• 통계적 검증 및 전문가 검토를 통해 발견된 연관성의 유의미성과 타당성이 확인되었다.
• 모델은 지역 간 인구 분포가 질병 중증도 패턴의 변동성과 강하게 연관되어 있음을 입증하였다.
• 연구 결과는 성별, 흡연 행동, 지역 분포와 같은 인구 통계적 특성이 질병 전파 및 중증도의 역학에 종합적으로 영향을 미친다는 것을 시사한다.