fatality rate中文的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括賽程、直播線上看和比分戰績懶人包

新型冠狀病毒(COVID-19)流行初期確診率與死亡率的相關因子：以全球空間資料分析

為了解決fatality rate中文的問題，作者陳湘燁 這樣論述：

背景：新型冠狀病毒 (Coronavirus disease 2019, COVID-19)在2019年12月於中國湖北省發現多起群聚感染，且迅速擴散至全中國並蔓延至其他國家，造成大流行疾病，臺灣在2020年1月21日，出現第1例COVID-19境外移入，COVID-19除了對經濟造成衝擊外，也因各國疫情及病例數與日俱增，讓民眾對於未知的疾病產生恐慌，本研究目的在了解世界各國COVID-19流行初期確診率及死亡率分佈情形及相關因子。研究方法：本研究透過世界各國的開放式數據探討眾多與COVID-19確診率及死亡率相關的因子，如：肥胖、高齡化、平均壽命、經濟發展程度、識字率、人口密度、傳染病與慢

性病(癌症、心血管疾病、糖尿病、肺結核等的盛行率)、基礎衛生建設涵蓋率、醫療資源(醫師密度、病床密度)。空間統計分析用於探索 COVID-19確診率和死亡率的空間分佈。 本研究按兩個指標日期進行空間統計分析，分別是第一個分析時間點（2020年7月15日，T1）和第二個分析時間點（2020年12月15日，T2）。為了探索相關的因子和結果變項之間的空間關聯，我們進行了不同定義的空間相關矩陣之空間自迴歸分析，包括一階國界相鄰、二階國界相鄰、500公里距離相鄰、1,000 公里距離相鄰和 1,500公里距離相鄰。空間自迴歸分析並考量自變項共線性的問題。研究結果：共175個國家的資料納入空間統計分析，以

1,500公里距離相鄰為定義，排除部份共線性的自變項後，將剩餘的自變項同時納入多變數空間自迴歸分析顯示，國內生產毛額 (單位：每壹美元，估計係數=0.46，p=0.033)及肥胖率 (單位：每100人，估計係數=0.95, p

以電腦模擬方式篩選於感染期間具免疫調節功能之老藥新用藥物

為了解決fatality rate中文的問題，作者廖偉 這樣論述：

干擾素-γ（Interferon-γ，IFN-γ）為II型干擾素的唯一成員，是一個具有抗病毒、抗腫瘤及免疫調節等功能的多效性細胞激素（cytokine），且根據多項研究顯示，IFN-γ對於先天免疫（innate immunity）或是後天免疫（adaptive immunity）皆有著極大程度的影響。在外來病原體（pathogen）入侵造成感染所引起之後天免疫反應期，由CD4+ T細胞分化而成的TH1細胞為IFN-γ主要的分泌來源。因此，以CD4+ T細胞為導向的免疫調節療法具有可應用於調和人體免疫系統的潛力，在感染期間給予快速且適恰的反應來達到體內免疫恆定（immune homeostas

is）的效果。本研究的目標即是利用資料探勘（data mining）及網絡藥理學（network pharmacology）等方式，並結合機器學習（machine learning）之電腦運算方法建立老藥新用化合物篩選模型，探究可能具有IFN-γ誘導功能及調節CD4+ T細胞分化的藥物，以應用於感染時期之免疫調節治療。此研究自開放式之生物資訊學（bioinformatics）資料庫取得相關作用標靶（target）的基因表現數據並運用諸如邏輯斯迴歸（logistic regression）、多元線性迴歸（multiple linear regression）及三元特徵選取（ternary fea

ture selection）等演算法來建立藥物篩選模型；為解析IFN-γ相關標靶之功能與其訊息傳遞路徑（signaling pathway），利用Metascape此網路資源進行作用標靶富集分析（enrichment analysis），而經篩選得到的藥物則透過細胞實驗及文獻回顧方式來驗證是否具預期的效果。在IFN-γ誘導劑部分，依據富集分析的結果，揭示了IFN-γ功能調節網絡主要由「JAK-STAT訊息傳遞」、「細胞激素的生合成」及「白血球分化（leukocyte differentiation）」等作用路徑所共同構築。此外，邏輯斯迴歸的分析結果亦顯示有多個標靶與IFN-γ具有顯著性的關聯

；而進一步透過多元線性迴歸所建立的模型則預測出282個可能具有誘導IFN-γ功能之化合物（依藥理分類可分為抗腫瘤製劑、抗微生物製劑及鈣離子通道阻斷劑三大類）。在CD4+ T細胞分化調節劑方面則是運用三元特徵選取之演算法建立篩選模型，並挑選出176個具有TH1、TH2或Treg細胞偏向之化合物，再透過進一步篩選得到4個TH1或Treg細胞促進劑作後續驗證。而細胞實驗與文獻回顧之驗證結果顯示透過模型篩選所得之藥物均具有預期之活性。透過電腦模擬分析的方式，此研究成功建立IFN-γ誘導劑及CD4+ T細胞分化調節劑之藥物篩選模型。此舉將有助於提供針對感染疾病一項治療的可行方案，即以相異種類的CD4+

T細胞分化調節劑在感染的不同階段使用，發揮各自免疫調節功能來控制疾病進程，藉以避免惡化至重症造成組織損傷甚或死亡，以降低醫療負擔。