El impacto de la calidad del aire y la meteorología en los casos de COVID-19 en Kuala Lumpur y Selangor, Malasia, y predicción utilizando aprendizaje automático
Autores: Jalaludin, Juliana; Wan Mansor, Wan Nurdiyana; Abidin, Nur Afizan; Suhaimi, Nur Faseeha; Chao, How-Ran
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
El impacto de la calidad del aire y la meteorología en los casos de COVID-19 en Kuala Lumpur y Selangor, Malasia, y predicción utilizando aprendizaje automático
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Emisiones
Contaminación del aire
COVID-19
Contaminantes del aire
Parámetros meteorológicos
Selangor
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 8
Citaciones: Sin citaciones
Las emisiones de vehículos de motor y fuentes industriales han contribuido a la contaminación del aire en todo el mundo. El efecto de la exposición crónica a la contaminación del aire está asociado con la gravedad de la infección por COVID-19. Esta investigación ecológica exploró la relación entre los parámetros meteorológicos, los contaminantes del aire y los casos de COVID-19 entre los residentes de Selangor y Kuala Lumpur entre el 18 de marzo y el 1 de junio de los años 2019 y 2020. Los contaminantes del aire considerados en este estudio comprendieron material particulado (PM), dióxido de azufre (SO), dióxido de nitrógeno (NO), ozono (O) y monóxido de carbono (CO), mientras que la dirección del viento (WD), la temperatura ambiente (AT), la humedad relativa (RH), la radiación solar (SR) y la velocidad del viento (WS) fueron analizadas para obtener información meteorológica. En promedio, los contaminantes del aire mostraron concentraciones más bajas que en 2019 para ambas ubicaciones, excepto PM en Kuala Lumpur. Los casos acumulativos de COVID-19 estaban negativamente correlacionados con SR y WS, pero positivamente correlacionados con O, NO, RH, PM y PM. En general, RH (r = 0.494; < 0.001) y PM (r = -0.396, < 0.001) fueron identificados como los parámetros más significativos que se correlacionaron positiva y negativamente con el total de casos de COVID-19 en Kuala Lumpur y Selangor, respectivamente. La predicción de Árboles Aumentados (BT) mostró que la combinación óptima para lograr el menor Error Cuadrático Medio (RMSE), Error Cuadrático Medio (MSE) y Error Absoluto Medio (MAE) y una mayor correlación R-cuadrado (R) entre los casos reales y predichos de COVID-19 se logró con una tasa de aprendizaje de 0.2, un tamaño mínimo de hoja de 7 y 30 aprendices. El modelo arrojó un valor R de 0.81, un RMSE de 0.44, un MSE de 0.19 y un MAE de 0.35. Usando el modelo predictivo de BT, se proyectó el número de casos de COVID-19 en Selangor con un valor R de 0.77. Este estudio se alinea con la noción existente de conectar factores meteorológicos y la exposición crónica a contaminantes en el aire con la incidencia de COVID-19. Se necesitaría una gobernanza integrada para enfoques holísticos en la gestión de la calidad del aire después de COVID-19 en Malasia.
Descripción
Las emisiones de vehículos de motor y fuentes industriales han contribuido a la contaminación del aire en todo el mundo. El efecto de la exposición crónica a la contaminación del aire está asociado con la gravedad de la infección por COVID-19. Esta investigación ecológica exploró la relación entre los parámetros meteorológicos, los contaminantes del aire y los casos de COVID-19 entre los residentes de Selangor y Kuala Lumpur entre el 18 de marzo y el 1 de junio de los años 2019 y 2020. Los contaminantes del aire considerados en este estudio comprendieron material particulado (PM), dióxido de azufre (SO), dióxido de nitrógeno (NO), ozono (O) y monóxido de carbono (CO), mientras que la dirección del viento (WD), la temperatura ambiente (AT), la humedad relativa (RH), la radiación solar (SR) y la velocidad del viento (WS) fueron analizadas para obtener información meteorológica. En promedio, los contaminantes del aire mostraron concentraciones más bajas que en 2019 para ambas ubicaciones, excepto PM en Kuala Lumpur. Los casos acumulativos de COVID-19 estaban negativamente correlacionados con SR y WS, pero positivamente correlacionados con O, NO, RH, PM y PM. En general, RH (r = 0.494; < 0.001) y PM (r = -0.396, < 0.001) fueron identificados como los parámetros más significativos que se correlacionaron positiva y negativamente con el total de casos de COVID-19 en Kuala Lumpur y Selangor, respectivamente. La predicción de Árboles Aumentados (BT) mostró que la combinación óptima para lograr el menor Error Cuadrático Medio (RMSE), Error Cuadrático Medio (MSE) y Error Absoluto Medio (MAE) y una mayor correlación R-cuadrado (R) entre los casos reales y predichos de COVID-19 se logró con una tasa de aprendizaje de 0.2, un tamaño mínimo de hoja de 7 y 30 aprendices. El modelo arrojó un valor R de 0.81, un RMSE de 0.44, un MSE de 0.19 y un MAE de 0.35. Usando el modelo predictivo de BT, se proyectó el número de casos de COVID-19 en Selangor con un valor R de 0.77. Este estudio se alinea con la noción existente de conectar factores meteorológicos y la exposición crónica a contaminantes en el aire con la incidencia de COVID-19. Se necesitaría una gobernanza integrada para enfoques holísticos en la gestión de la calidad del aire después de COVID-19 en Malasia.