• Clinical and Experimental Pediatrics
• /
• 제64권12호
• /
• pp.632-641
• /
• 2021

Background: Over the past few decades, various goals have been defined to reduce the mortality of children caused by acute lower respiratory infections (ALRIs) worldwide. However, few spatial studies to date have reported on ALRI deaths. Purpose: We aimed to assess the spatial modeling of mortality from ALRI in children under 5 years of age during 2000-2017 using a global data. Methods: The data on the mortality of children under 5 years old caused by ALRI were initially obtained from the official website of the World Health Organization. The income status of their home countries was also gathered from the Country Income Groups (World Bank Classification) website and divided into 5 categories. After that, in the ArcGIS 10.6 environment, a database was created and the statistical tests and related maps were extracted. The Global Moran's I statistic, Getis-Ord Gi statistic, and geographically weighted regression were used for the analyses. In this study, higher z scores indicated the hot spots, while lower z scores indicated the cold spots. Results: In 2000-2017, child mortality showed a downward trend from 17.6 per 100,000 children to 8.1 and had a clustered pattern. Hot spots were concentrated in Asia in 2000 but shifted toward African countries by 2017. A cold spot that formed in Europe in 2007 showed an ascending trend by 2017. Based on the results of geographically weighted regression test, the regions identified as the hot spots of mortality from ALRI in children under 5 years old were among the middle-income countries (R²=0.01, adjusted R²=8.77). Conclusion: While the total number of child deaths in 2000-2017 has decreased, the number of hot spots has increased among countries. This study also concluded that, during the study period, Central and Western Africa countries became the main new hot spots of deaths from ALRI.

• 지구물리와물리탐사
• /
• 제26권2호
• /
• pp.62-76
• /
• 2023

최근에 활발히 적용되고 있는 머신러닝 기반 탄성파 내삽 기법들은 대부분 모음 자료를 2차원 영상화 하여 빠짐을 채우는 방법으로 하는 훈련(training)-추론(inference) 전략에 기초하므로 완벽히 채워진 다수의 모음자료가 훈련을 위해 필요하게 된다. 이 연구는 이와는 달리 트레이스 기반 내삽을 수행하는 내삽 기술의 훈련-추론 전략을 기본으로, 불규칙한 빠짐이 있는 현장자료 만을 이용하여 훈련-추론을 모두 수행할 수 있는 머신러닝을 이용한 트레이스 기반 불규칙한 빠짐의 내삽 기술을 제시하였다. 이 연구에서는 불규칙한 빠짐이 있는 자료를 훈련과 추론에 체계적으로 사용하는 최대 연속빠짐 간격에 따라 정해지는 네트워크를 구성하는 방법 및 훈련하는 방법을 기술하였다. 또한, 서호주 Exmouth Sub-basin 지역의 Vincent 유전에서 얻어진 시간 참반사 보정된 탄성파 자료에 개발된 방법을 적용한 후, 예측 결과를 전통적인 내삽 방법의 결과와 비교 및 분석하였다. 신호대잡음비나 구조유사성과 같은 정량적인 지표를 통해 두 방법 모두 내삽 성능이 높은 것을 확인하였으며, 모든 주파수 대역에서도 골고루 좋은 결과를 보임을 확인하였다.