Καιρός, εποχικότητα και covid-19
Ο στόχος της συγκεκριμένης μεταπτυχιακής εργασίας είναι η διερεύνηση της επίδρασης α) των καιρικών συνθηκών, β) της εποχικότητας και γ) των εφαρμοζόμενων μέτρων, στον περιορισμό της διασποράς του Covid 19 στον Ελλαδικό χώρο. Επομένως, για την επίτευξη του 1ου και 2ου στόχου της εργασίας, αξιοποιήθηκ...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Γλώσσα: | Greek |
Έκδοση: |
2022
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/16564 |
id |
nemertes-10889-16564 |
---|---|
record_format |
dspace |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Κορονοϊός 2019 Θερμοκρασία Σχετική υγρασία Απόλυτη υγρασία Μέτρα περιορισμού Κρούσματα Διαγράμματα φυσαλίδων Θηκογράμματα Πολυωνυμική λογιστική παλινδρόμηση Covid-19 Temperature Relative humidity Absolute humidity Restrictive measures Cases ERA5 ECDC Bubblecharts Boxplots Multinomial logistic regression |
spellingShingle |
Κορονοϊός 2019 Θερμοκρασία Σχετική υγρασία Απόλυτη υγρασία Μέτρα περιορισμού Κρούσματα Διαγράμματα φυσαλίδων Θηκογράμματα Πολυωνυμική λογιστική παλινδρόμηση Covid-19 Temperature Relative humidity Absolute humidity Restrictive measures Cases ERA5 ECDC Bubblecharts Boxplots Multinomial logistic regression Πιτσικούλη, Ειρήνη Καιρός, εποχικότητα και covid-19 |
description |
Ο στόχος της συγκεκριμένης μεταπτυχιακής εργασίας είναι η διερεύνηση της επίδρασης α) των καιρικών συνθηκών, β) της εποχικότητας και γ) των εφαρμοζόμενων μέτρων, στον περιορισμό της διασποράς του Covid 19 στον Ελλαδικό χώρο. Επομένως, για την επίτευξη του 1ου και 2ου στόχου της εργασίας, αξιοποιήθηκαν τα πλεγματικά μετεωρολογικά δεδομένα της θερμοκρασίας (Τ) και της θερμοκρασίας δρόσου (ΤDEW) από το ERA5 με χωρική ανάλυση 0.1 ο x0.1 ο (ή πλέγμα 11x11 km) και χρονική ανάλυση μίας ημέρας. Με βάση αυτές τις μεταβλητές και την αναγωγή τους σε χωρικό πλέγμα 1οx1ο (ή πλέγμα 110x110 km), υπολογίστηκαν η σχετική (RH) και η απόλυτη υγρασία (rn) προκειμένου να εξετάσουμε τον ρόλο τους σε συνδυασμό με τη θερμοκρασία στην αύξηση ή μείωση των κρουσμάτων του κορονοϊού. Επίσης, χρησιμοποιήθηκαν από το Ευρωπαϊκό Κέντρο Ελέγχου και Πρόληψης (European Centre for Disease Prevention and Control, ECDC), επιδημιολογικά δεδομένα και δεδομένα για τα μέτρα περιορισμού της διασποράς του ιού (επίτευξη 3ου στόχου εργασίας) που εφαρμόστηκαν στην Ελλάδα, χρονικού βήματος μίας ημέρας. Η περίοδος που εξετάστηκε ήταν από την ημέρα εμφάνισης του πρώτου κρούσματος (27 Φεβρουαρίου 2020) μέχρι και την 30η Νοεμβρίου του 2020. Αρχικά λοιπόν, παρατηρείται ότι η μεγαλύτερη έξαρση κρουσμάτων εντοπίζεται όταν η T με την RH κυμαίνονται από 10οC έως 27οC και από 55% έως 80% αντίστοιχα, ενώ η T με την rn κυμαίνονται από 10οC έως 27οC και από 7 έως 10 gr/m3 αντίστοιχα (Γραφήματα 4.1 και 4.2). Επίσης στα ίδια γραφήματα, για θερμοκρασίες υψηλότερες των 18 οC και σχετικές υγρασίες μικρότερες από 55%, απεικονίζεται πλήθος ημερήσιων κρουσμάτων κάτω από 500 σε μεγάλη συχνότητα, με αποτέλεσμα τα θερμά και υγρά περιβάλλοντα να καταγράφονται ως ανασταλτικός παράγοντας στην μεταδοτικότητα του ιού. Στην παρούσα εργασία, μελετάται επιπλέον η επίδραση των μέσων εβδομαδιαίων (χρονικό διάστημα από t-14 ημέρες έως t-7 ημέρες) α) θερμοκρασιών και β) σχετικών ή απόλυτων υγρασιών στην κατανομή των κρουσμάτων του Covid 19 την χρονική στιγμή t. Ειδικότερα, απεικονίζεται χρωματικά το πλήθος των μολυσματικών περιπτώσεων από Covid 19 συναρτήσει της T με RH και της T με rn (Γράφημα 4.3). Με βάση τα αποτελέσματα των τελευταίων δύο γραφημάτων, απεικονίζονται δύο κύριες χρωματικές ομάδες κρουσμάτων λόγω της συνδυαστικής επίδρασης της Τ με την RH και της T με την rn, με την πρώτη να είναι η μωβ, όπου τα κρούσματα δεν υπερβαίνουν τα 500, και την δεύτερη να είναι η κόκκινη όπου τα κρούσματα ξεπερνούν τα 500. Επομένως, για θερμοκρασίες μικρότερες από 26οC και μέσες σχετικές ή απόλυτες υγρασίες που κυμαίνονται από α) 30% έως 79% ή β) 6.2 gr/m3 έως 11.9 gr/m3, τα κρούσματα υπερβαίνουν τα 500, ενώ για θερμοκρασίες υψηλότερες από 26οC και σχετικές ή απόλυτες υγρασίες μικρότερες από 58% ή μεγαλύτερες από 11.9 gr/m3, οι μολυσματικές περιπτώσεις δεν ξεπερνούν τις 500. Όσον αφορά τον 3ο στόχο της διπλωματικής, διερευνήθηκε η αποτελεσματικότητα των μέτρων περιορισμού στην μείωση της διασποράς των μολυσματικών περιπτώσεων του Covid 19 κατά την χρονική στιγμή αλλά και 5, 10 και 15 ημέρες μετά από την χρονική στιγμή της εφαρμογής τους (lag 0, 5, 10 και 15). Από την ποιοτική ανάλυση των Γραφημάτων 5.1 έως 5.23 και 5.24 έως 5.35, τα μέτρα της 2ης ομάδας θεωρούνται ως τα πιο αποτελεσματικά, λόγω της άμεσης συνεισφοράς τους στην μείωση του αριθμού των μολυσματικών περιπτώσεων από Covid 19. Σε αυτήν την ομάδα εντάσσονται α) το ClosPubAny, το HotelsOtherAccomodation, το MasksVoluntaryClosedSpaces, το PlaceOfWorship, το StayHomeGen (μέτρα υποχρεωτικής εφαρμογής) και β) το ClosHighPartial, το ClosSecPartial, το HotelsOtherAccomodationPartial και το NonEssentialShopsPartial (μέτρα προαιρετικής εφαρμογής). Κατά την χρονική διάρκεια εφαρμογή τους, παρατηρείται μια πτώση της τάξης i) του 71%-92% για το q50%, ii) του 81% - 96% για το q75% και iii) του 87%-97% για το IQR των κρουσμάτων, ενώ και οι παράτυπες τιμές των μολυσματικών περιπτώσεων δεν ξεπερνούν σε πλήθος τις 50. Η αμέσως επόμενη ομάδα σε αποτελεσματικότητα είναι η 3η, η οποία συνεισφέρει ουσιαστικά στην μείωση της διασποράς του Covid 19 15 μέρες αφότου τέθηκαν σε ισχύ τα μέτρα (lag 15). Αυτά τα μέτρα είναι το ClosDayCare και το ClosPrim, με τις παράτυπες τιμές των κρουσμάτων να ξεπερνούν τις 3000 για lag 0 (Γράφημα 5.25), ενώ για lag 15 δεν υπερβαίνουν τα 94 κρούσματα (Γράφημα 5.34). Παρόμοια πτωτική τάση στον αριθμό των κρουσμάτων εμφανίζεται 5, 10 και 15 ημέρες μετά την εφαρμογή των μέτρων περιορισμού της 2ης υποομάδας, τα οποία ανήκουν στην 1η ομάδα μέτρων, και τα οποία είναι το ClosSec, το EntertainmentVenues, το NonEssentialShops, το PrivateGatheringRestrictions και το StayHomeOrder. Από αυτά, το μέτρο του EntertainmentVenues είναι το πιο αποτελεσματικό, με τις μολυσματικές περιπτώσεις εξαιτίας του ιού να μειώνονται έως και 2 τάξεις μεγέθους από lag 0 (1412 θετικοί στον ιό) σε lag 15 (q75%: 62 θετικοί στον ιό). Ίδια μείωση στην τάξη μεγέθους των κρουσμάτων καταγράφεται επίσης 15 μέρες μετά την εφαρμογή του ClosSec, ενώ λιγότερο αποδοτικά είναι τα μέτρα του NonEssentialShops, του PrivateGatheringRestrictions και του StayHomeOrder. Εκτός όμως από την ποιοτική εφαρμόστηκε και ποσοτική ανάλυση μέσω της τεχνικής της Πολυωνυμικής Λογιστικής Παλινδρόμησης (Multinomial Logistic Regression) , ώστε να αξιολογηθεί η ποσοτική επίδραση των μέτρων στην μείωση του πλήθους των ταξινομημένων κρουσμάτων (ταξινόμηση σύμφωνα με τα ποσοστημόρια του q25%, q50%, q75% και q100%). Με βάση την συγκεκριμένη τεχνική, το μέτρο του MasksVoluntaryClosedSpaces είναι το πιο αποδοτικό στην 2η ομάδα (lag 0: P(cases≤63)/P(cases>63)= 5.6) για πιθανότητα ελάττωσης των κρουσμάτων κάτω από τα 63 κρούσματα, και ακολουθούν ιεραρχικά το HotelsOtherAccomodation (lag 15: P(cases≤63)/P(cases>63)= 3.5), το PlaceOfWorship (lag 15: P(cases≤63)/P(cases>63)= 2.9), το StayHomeGen (lag 0: P(cases≤63)/P(cases>63)= 2.5), και το ClosPubAny (lag 15: P(cases≤63)/P(cases>63)= 2.2). Αμέσως μετά σε συνεισφορά στην ελάττωση των κρουσμάτων ακολουθούν τα μέτρα του ClosDayCare, του ClosPrim, του GymsSportsCentres και του RestaurantsCafes, τα οποία εντάσσονται στην 3η ομάδα μέτρων. Πιο αναλυτικά για lag 15, οι λόγοι των P(cases≤19)/P(cases>19) και P(cases≤63)/P(cases>63) για τα τέσσερα τελευταία μέτρα υπερβαίνουν το 3.5, δηλαδή οι πιθανότητες να εμφανιστούν κρούσματα λιγότερα από 63 και 19 είναι 3.5 έως 4.3 φορές υψηλότερες από τις πιθανότητες να εμφανιστούν κρούσματα περισσότερα από τις αντίστοιχες ενδείξεις. Ολοκληρώνοντας για lag 15, τα μέτρα του ClosSec, του EntertainmentVenues, του NonEssentialShops και του PrivateGatheringRestrictions (2η υποομάδα της 1ης ομάδας μέτρων) έπονται σε αποτελεσματικότητα της 3ης ομάδας μέτρων, με τους λόγους των P(cases≤19)/P(cases>19) και P(cases≤63)/P(cases>63) να μην είναι υψηλότεροι από 2.5. Επίσης, για όλα τα παραπάνω μέτρα, τα p-values δεν ξεπερνούν την ένδειξη του 0.05, όντας στατιστικώς σημαντικά στην πιθανότητα μείωσης του πλήθους των μολυσματικών περιπτώσεων από Covid 19 σε διάστημα εμπιστοσύνης του 95%. |
author2 |
Pitsikouli, Eirini |
author_facet |
Pitsikouli, Eirini Πιτσικούλη, Ειρήνη |
author |
Πιτσικούλη, Ειρήνη |
author_sort |
Πιτσικούλη, Ειρήνη |
title |
Καιρός, εποχικότητα και covid-19 |
title_short |
Καιρός, εποχικότητα και covid-19 |
title_full |
Καιρός, εποχικότητα και covid-19 |
title_fullStr |
Καιρός, εποχικότητα και covid-19 |
title_full_unstemmed |
Καιρός, εποχικότητα και covid-19 |
title_sort |
καιρός, εποχικότητα και covid-19 |
publishDate |
2022 |
url |
http://hdl.handle.net/10889/16564 |
work_keys_str_mv |
AT pitsikoulēeirēnē kairosepochikotētakaicovid19 AT pitsikoulēeirēnē weatherseasonalityandcovid19 |
_version_ |
1771297233803673600 |
spelling |
nemertes-10889-165642022-09-05T14:04:53Z Καιρός, εποχικότητα και covid-19 Weather, seasonality and covid-19 Πιτσικούλη, Ειρήνη Pitsikouli, Eirini Κορονοϊός 2019 Θερμοκρασία Σχετική υγρασία Απόλυτη υγρασία Μέτρα περιορισμού Κρούσματα Διαγράμματα φυσαλίδων Θηκογράμματα Πολυωνυμική λογιστική παλινδρόμηση Covid-19 Temperature Relative humidity Absolute humidity Restrictive measures Cases ERA5 ECDC Bubblecharts Boxplots Multinomial logistic regression Ο στόχος της συγκεκριμένης μεταπτυχιακής εργασίας είναι η διερεύνηση της επίδρασης α) των καιρικών συνθηκών, β) της εποχικότητας και γ) των εφαρμοζόμενων μέτρων, στον περιορισμό της διασποράς του Covid 19 στον Ελλαδικό χώρο. Επομένως, για την επίτευξη του 1ου και 2ου στόχου της εργασίας, αξιοποιήθηκαν τα πλεγματικά μετεωρολογικά δεδομένα της θερμοκρασίας (Τ) και της θερμοκρασίας δρόσου (ΤDEW) από το ERA5 με χωρική ανάλυση 0.1 ο x0.1 ο (ή πλέγμα 11x11 km) και χρονική ανάλυση μίας ημέρας. Με βάση αυτές τις μεταβλητές και την αναγωγή τους σε χωρικό πλέγμα 1οx1ο (ή πλέγμα 110x110 km), υπολογίστηκαν η σχετική (RH) και η απόλυτη υγρασία (rn) προκειμένου να εξετάσουμε τον ρόλο τους σε συνδυασμό με τη θερμοκρασία στην αύξηση ή μείωση των κρουσμάτων του κορονοϊού. Επίσης, χρησιμοποιήθηκαν από το Ευρωπαϊκό Κέντρο Ελέγχου και Πρόληψης (European Centre for Disease Prevention and Control, ECDC), επιδημιολογικά δεδομένα και δεδομένα για τα μέτρα περιορισμού της διασποράς του ιού (επίτευξη 3ου στόχου εργασίας) που εφαρμόστηκαν στην Ελλάδα, χρονικού βήματος μίας ημέρας. Η περίοδος που εξετάστηκε ήταν από την ημέρα εμφάνισης του πρώτου κρούσματος (27 Φεβρουαρίου 2020) μέχρι και την 30η Νοεμβρίου του 2020. Αρχικά λοιπόν, παρατηρείται ότι η μεγαλύτερη έξαρση κρουσμάτων εντοπίζεται όταν η T με την RH κυμαίνονται από 10οC έως 27οC και από 55% έως 80% αντίστοιχα, ενώ η T με την rn κυμαίνονται από 10οC έως 27οC και από 7 έως 10 gr/m3 αντίστοιχα (Γραφήματα 4.1 και 4.2). Επίσης στα ίδια γραφήματα, για θερμοκρασίες υψηλότερες των 18 οC και σχετικές υγρασίες μικρότερες από 55%, απεικονίζεται πλήθος ημερήσιων κρουσμάτων κάτω από 500 σε μεγάλη συχνότητα, με αποτέλεσμα τα θερμά και υγρά περιβάλλοντα να καταγράφονται ως ανασταλτικός παράγοντας στην μεταδοτικότητα του ιού. Στην παρούσα εργασία, μελετάται επιπλέον η επίδραση των μέσων εβδομαδιαίων (χρονικό διάστημα από t-14 ημέρες έως t-7 ημέρες) α) θερμοκρασιών και β) σχετικών ή απόλυτων υγρασιών στην κατανομή των κρουσμάτων του Covid 19 την χρονική στιγμή t. Ειδικότερα, απεικονίζεται χρωματικά το πλήθος των μολυσματικών περιπτώσεων από Covid 19 συναρτήσει της T με RH και της T με rn (Γράφημα 4.3). Με βάση τα αποτελέσματα των τελευταίων δύο γραφημάτων, απεικονίζονται δύο κύριες χρωματικές ομάδες κρουσμάτων λόγω της συνδυαστικής επίδρασης της Τ με την RH και της T με την rn, με την πρώτη να είναι η μωβ, όπου τα κρούσματα δεν υπερβαίνουν τα 500, και την δεύτερη να είναι η κόκκινη όπου τα κρούσματα ξεπερνούν τα 500. Επομένως, για θερμοκρασίες μικρότερες από 26οC και μέσες σχετικές ή απόλυτες υγρασίες που κυμαίνονται από α) 30% έως 79% ή β) 6.2 gr/m3 έως 11.9 gr/m3, τα κρούσματα υπερβαίνουν τα 500, ενώ για θερμοκρασίες υψηλότερες από 26οC και σχετικές ή απόλυτες υγρασίες μικρότερες από 58% ή μεγαλύτερες από 11.9 gr/m3, οι μολυσματικές περιπτώσεις δεν ξεπερνούν τις 500. Όσον αφορά τον 3ο στόχο της διπλωματικής, διερευνήθηκε η αποτελεσματικότητα των μέτρων περιορισμού στην μείωση της διασποράς των μολυσματικών περιπτώσεων του Covid 19 κατά την χρονική στιγμή αλλά και 5, 10 και 15 ημέρες μετά από την χρονική στιγμή της εφαρμογής τους (lag 0, 5, 10 και 15). Από την ποιοτική ανάλυση των Γραφημάτων 5.1 έως 5.23 και 5.24 έως 5.35, τα μέτρα της 2ης ομάδας θεωρούνται ως τα πιο αποτελεσματικά, λόγω της άμεσης συνεισφοράς τους στην μείωση του αριθμού των μολυσματικών περιπτώσεων από Covid 19. Σε αυτήν την ομάδα εντάσσονται α) το ClosPubAny, το HotelsOtherAccomodation, το MasksVoluntaryClosedSpaces, το PlaceOfWorship, το StayHomeGen (μέτρα υποχρεωτικής εφαρμογής) και β) το ClosHighPartial, το ClosSecPartial, το HotelsOtherAccomodationPartial και το NonEssentialShopsPartial (μέτρα προαιρετικής εφαρμογής). Κατά την χρονική διάρκεια εφαρμογή τους, παρατηρείται μια πτώση της τάξης i) του 71%-92% για το q50%, ii) του 81% - 96% για το q75% και iii) του 87%-97% για το IQR των κρουσμάτων, ενώ και οι παράτυπες τιμές των μολυσματικών περιπτώσεων δεν ξεπερνούν σε πλήθος τις 50. Η αμέσως επόμενη ομάδα σε αποτελεσματικότητα είναι η 3η, η οποία συνεισφέρει ουσιαστικά στην μείωση της διασποράς του Covid 19 15 μέρες αφότου τέθηκαν σε ισχύ τα μέτρα (lag 15). Αυτά τα μέτρα είναι το ClosDayCare και το ClosPrim, με τις παράτυπες τιμές των κρουσμάτων να ξεπερνούν τις 3000 για lag 0 (Γράφημα 5.25), ενώ για lag 15 δεν υπερβαίνουν τα 94 κρούσματα (Γράφημα 5.34). Παρόμοια πτωτική τάση στον αριθμό των κρουσμάτων εμφανίζεται 5, 10 και 15 ημέρες μετά την εφαρμογή των μέτρων περιορισμού της 2ης υποομάδας, τα οποία ανήκουν στην 1η ομάδα μέτρων, και τα οποία είναι το ClosSec, το EntertainmentVenues, το NonEssentialShops, το PrivateGatheringRestrictions και το StayHomeOrder. Από αυτά, το μέτρο του EntertainmentVenues είναι το πιο αποτελεσματικό, με τις μολυσματικές περιπτώσεις εξαιτίας του ιού να μειώνονται έως και 2 τάξεις μεγέθους από lag 0 (1412 θετικοί στον ιό) σε lag 15 (q75%: 62 θετικοί στον ιό). Ίδια μείωση στην τάξη μεγέθους των κρουσμάτων καταγράφεται επίσης 15 μέρες μετά την εφαρμογή του ClosSec, ενώ λιγότερο αποδοτικά είναι τα μέτρα του NonEssentialShops, του PrivateGatheringRestrictions και του StayHomeOrder. Εκτός όμως από την ποιοτική εφαρμόστηκε και ποσοτική ανάλυση μέσω της τεχνικής της Πολυωνυμικής Λογιστικής Παλινδρόμησης (Multinomial Logistic Regression) , ώστε να αξιολογηθεί η ποσοτική επίδραση των μέτρων στην μείωση του πλήθους των ταξινομημένων κρουσμάτων (ταξινόμηση σύμφωνα με τα ποσοστημόρια του q25%, q50%, q75% και q100%). Με βάση την συγκεκριμένη τεχνική, το μέτρο του MasksVoluntaryClosedSpaces είναι το πιο αποδοτικό στην 2η ομάδα (lag 0: P(cases≤63)/P(cases>63)= 5.6) για πιθανότητα ελάττωσης των κρουσμάτων κάτω από τα 63 κρούσματα, και ακολουθούν ιεραρχικά το HotelsOtherAccomodation (lag 15: P(cases≤63)/P(cases>63)= 3.5), το PlaceOfWorship (lag 15: P(cases≤63)/P(cases>63)= 2.9), το StayHomeGen (lag 0: P(cases≤63)/P(cases>63)= 2.5), και το ClosPubAny (lag 15: P(cases≤63)/P(cases>63)= 2.2). Αμέσως μετά σε συνεισφορά στην ελάττωση των κρουσμάτων ακολουθούν τα μέτρα του ClosDayCare, του ClosPrim, του GymsSportsCentres και του RestaurantsCafes, τα οποία εντάσσονται στην 3η ομάδα μέτρων. Πιο αναλυτικά για lag 15, οι λόγοι των P(cases≤19)/P(cases>19) και P(cases≤63)/P(cases>63) για τα τέσσερα τελευταία μέτρα υπερβαίνουν το 3.5, δηλαδή οι πιθανότητες να εμφανιστούν κρούσματα λιγότερα από 63 και 19 είναι 3.5 έως 4.3 φορές υψηλότερες από τις πιθανότητες να εμφανιστούν κρούσματα περισσότερα από τις αντίστοιχες ενδείξεις. Ολοκληρώνοντας για lag 15, τα μέτρα του ClosSec, του EntertainmentVenues, του NonEssentialShops και του PrivateGatheringRestrictions (2η υποομάδα της 1ης ομάδας μέτρων) έπονται σε αποτελεσματικότητα της 3ης ομάδας μέτρων, με τους λόγους των P(cases≤19)/P(cases>19) και P(cases≤63)/P(cases>63) να μην είναι υψηλότεροι από 2.5. Επίσης, για όλα τα παραπάνω μέτρα, τα p-values δεν ξεπερνούν την ένδειξη του 0.05, όντας στατιστικώς σημαντικά στην πιθανότητα μείωσης του πλήθους των μολυσματικών περιπτώσεων από Covid 19 σε διάστημα εμπιστοσύνης του 95%. The aim of this postgraduate thesis is to investigate the effect of a) weather conditions, b) weather seasonality, and c) the measures applied, on the reduction of Covid 19 dispersal in Greece. Therefore, to achieve the 1st and 2nd objective of the thesis, we exploited the gridded meteorological data of temperature (T) and dew point temperature (TDEW) from ERA5 with a spatial resolution of 0.1o x0.1o (or 11 kmx11 km grid) and a temporal resolution of one day. Based on these variables and their reduction to a spatial grid of 1o x1o (or 110x110 km grid), relative (RH) and absolute humidity (rn) were calculated to examine their role in combination with temperature in increasing or decreasing coronavirus outbreaks. In addition, epidemiological data and data from the European Centre for Disease Prevention and Control (ECDC) on virus containment measures (achievement of work objective 3) implemented in Greece, with a time step of one day, were used. The period examined was from the day of the first outbreak (27 February 2020) until 30 November 2020. Initially, it is observed that the highest outbreak incidence is found when T with RH ranges from 10oC to 27 oC and from 55% to 80% respectively, while T with rn ranges from 10 oC to 27 oC and from 7 to 10 gr/m3 respectively (Figures 4. 1 and 4.2). Also in the same graphs, for temperatures higher than 18 oC and relative humidities lower than 55%, a number of daily cases below 500 is depicted at high frequency, so that warm and humid environments are recorded as an inhibiting factor in the transmissibility of the virus. In the present study, we further investigate the effect of average weekly (time interval from t-14 days to t-7 days) a) temperatures and b) relative or absolute humidities on the distribution of Covid 19 cases at time t. In particular, the number of infectious cases from Covid 19 as a function of T with RH and T with rn is plotted in colour (Figure 4.3). Based on the results of the latter two graphs, two main colour groups of cases are depicted due to the combined effect of T with RH and T with rn, with the first being purple where cases do not exceed 500, and the second being red where cases exceed 500. Therefore, for temperatures lower than 26 oC and average relative or absolute humidities ranging from a) 30% to 79% or b) 6.2 gr/m3 to 11.9 gr/m3, cases exceed 500, while for temperatures higher than 26 oC and relative or absolute humidities lower than 58% or higher than 11.9 gr/m3, infectious cases do not exceed 500. Regarding the 3rd objective of the thesis, the effectiveness of containment measures in reducing the dispersal of infectious cases of Covid 19 at the time and 5, 10 and 15 days after the time of application (lag 0, 5, 10 and 15) was investigated. From the qualitative analysis of Figures 5.1 to 5.23 and 5.24 to 5.35, the measures of the 2nd group are considered to be the most effective, due to their direct contribution to reducing the number of infectious cases of Covid 19. This group includes (a) ClosPubAny, HotelsOtherAccomodation, MasksVoluntaryClosedSpaces, PlaceOfWorship, StayHomeGen (measures of mandatory implementation) and (b) ClosHighPartial, ClosSecPartial, HotelsOtherAccomodationPartial and NonEssentialShopsPartial (measures of voluntary implementation). Over the time of their implementation, a decrease of i) 71%-92% for q50%, ii) 81%-96% for q75% and iii) 87%-97% for IQR of cases is observed, while the outliers values of infectious cases do not exceed 50 in number. The next group in effectiveness is the 3rd, which makes a substantial contribution to the reduction in Covid 19 dispersion 15 days after the measures came into effect (lag 15). These measures are ClosDayCare and ClosPrim, with outliers values of cases exceeding 3000 for lag 0 (Figure 5.25), and no more than 94 cases for lag 15 (Figure 5.34). A similar downward trend in the number of cases occurs 5, 10 and 15 days after the implementation of the 2nd subgroup of restriction measures belonging to the 1st group of measures, which are ClosSec, EntertainmentVenues, NonEssentialShops, PrivateGatheringRestrictions and StayHomeOrder. From these, the measure of EntertainmentVenues is the most effective, with infectious cases due to the virus decreasing by up to 2 orders of magnitude from lag 0 (q75%: 1412 virus positives) to lag 15 (q75%: 62 virus positives). A similar reduction in the order of magnitude of the cases is also recorded 15 days after the implementation of ClosSec, while the measures of NonEssentialShops, PrivateGatheringRestrictions and StayHomeOrder are less effective. However, in addition to the qualitative analysis, quantitative analysis was also applied using the Multinomial Logistic Regression technique , in order to evaluate the quantitative impact of the measures on the reduction of the number of classified cases (classified according to the percentiles of q25%, q50%, q75% and q100%). Based on this technique, the MasksVoluntaryClosedSpaces measure is the most efficient in the 2nd group (lag 0: P(cases≤63)/P(cases>63)=5.6) for a probability of reducing the number of cases below 63 cases, followed hierarchically by HotelsOtherAccomodation (lag 15: P(cases≤63)/P(cases>63)= 3. 5), PlaceOfWorship (lag 15: P(cases≤63)/P(cases>63)= 2.9), StayHomeGen (lag 0: P(cases≤63)/P(cases>63)= 2.5), and ClosPubAny (lag 15: P(cases≤63)/P(cases>63)= 2.2). Immediately after contributing to the reduction of cases are the measures of ClosDayCare, ClosPrim, GymsSportsCentres and RestaurantsCafes, which fall into the 3rd group of measures. More specifically for lag 15, the ratios of P(cases≤19)/P(cases>19) and P(cases≤63)/P(cases>63) for the last four measures exceed 3.5, i.e. the odds of having fewer than 63 and 19 cases are 3.5 to 4.3 times higher than the odds of having cases more than the corresponding values. Completing for lag 15, the measures of ClosSec, EntertainmentVenues, NonEssentialShops and PrivateGatheringRestrictions (2nd subgroup of the 1st group of measures) follow the 3rd group of measures in effectiveness, with the ratios of P(cases≤19)/P(cases>19) and P(cases≤63)/P(cases>63) being no higher than 2.5. Additionally, for all the above measures, the p-values do not exceed 0.05, being statistically significant in the probability of reducing the number of infectious cases by Covid 19 at a 95% confidence interval. 2022-07-25T06:12:07Z 2022-07-25T06:12:07Z 2022-07-18 http://hdl.handle.net/10889/16564 gr application/pdf |