全球每年生产和交付超过 30 亿份机上餐食。机上餐饮是航空运输价值链的绝对关键要素，为了以安全有效的方式满足需求，该行业在现有的综合规则基础上制定了许多广泛认可的措施和指南和指令。 面对一个世纪左右最严重的流行病，航空公司餐饮协会 (ACA) 和国际机上服务协会 (IFSA) 感到有必要在整个 COVID 期间提供有关安全业务运营（部分或全部）的额外指导-19 危机。除了本指南之外，航空公司餐饮组织对与 COVID-19 相关的适用政府指南和要求保持全面评估和更新，这绝对是关键。他们必须记住，情况经常变化，并且指令可能会根据每个国家爆发的流行程度而有所不同。

目的：对COVID-19流行的预测不仅代表着公共卫生或医学问题，而且也代表着地球普通民众的关注问题。 这项研究预测到2020年2月11日武汉和日本将爆发禽流感。方法：我们对湖北省公共卫生部门发布的数据应用了简单的SIR模型。 此外，在模型中，我们纳入了从武汉的日本居民到爆发的经验中的轻度和无症状病例。 最后，我们根据自初次病例发生之日至出行日期之间武汉市估计的患者分布情况，在假设感染者包括来日本的轻度病例的假设下进行的10,000次模拟迭代，预测了日本的暴发。从武汉到日本暂停了。 结果：结果表明基本繁殖数R0为2.84； 其95％置信区间（CI）为[2.35，3.33]。 估计高峰将在3月11日到达。其95％CI的高峰日期是2月29日至3月27日。 在日本，CI达到95％的高峰日期是4月26日至5月2日。 高峰期出现严重症状的患者最多，估计为85.83万。 讨论与结论：我们获得的R0为2.84，近似于先前的估计。 我们预测日本出现严重症状的高峰期患者人数最多，为85.83万人。 这个数字比每日最高流感高峰高63％。

yolov5_FaceMask：检测带有或不带有口罩的人。 使用YOLOv5训练

COVID-19背景下大型公立医院互联网医院建设与升级.pdf

该数据集包含具有COVID-19相关发现以及没有发现的匿名人肺计算机断层扫描（CT）扫描。总共，一例患者进行了1000次CT扫描。用二进制像素掩码注释了50个研究的子集，以对感兴趣的区域（毛玻璃混浊和合并）进行分割。CT扫描是在2020年3月1日至2020年4月25日之间获得的，并由俄罗斯莫斯科的医疗医院提供。

基于大数据技术的COVID-19分析.pdf

COVID-19分析 使用Python在墨西哥进行COVID-19数据分析

在阶段病例已经获得处理数量（即Stage_Treated）较大，且认为其数据是有效的情况下： 阶段的康复率变化波动大的地区与环境温度相关性越能对应上 康复情况越差的地区越可能是处于寒冷的地区，反之则不一定成立 康复情况好的地区很多都是处于环境温度较高地区 当以间隔天数较小进行阶段划分时，同一地区出现较多较大的阶段的康复率的概率是在天气温度较好的时间（在Excel中可过滤可能是异常数值的数据，如阶段康复率是在0.5到1的区间，阶段康复数大于或等于10和阶段死亡数大于或等于0，将过滤后的数据拷贝到新的工作表中，针对该新建工作表数据创建一个以地区和子地区为行，阶段日期组合成月为列，阶段康复率平均值为值的数据透视表） 环境温度对阶段康复率的影响有滞后性，根据供冷供暖情况不同，天气温度会对环境温度有不同的影响，所以不太会出现极端天气温度造成极端差的康复情况，有些地区会出现在寒冷的天气温度下供暖后的康复情况比不供暖时的要好，但大多都会比不过天气温度较高时的状况。 印度的疫情大数据告诉我们，并不是温度越高越好，在2021年2月温度较适宜，2021年1月和2021年3月稍差，到了现在2021年5月更差了，预测印度接下来的更炎热的夏天会疫情康复情况数据会更差。

文件资料 [NEW]重要说明：IHME COVID-19预测 IHME COVID-19预测中不再使用此方法和存储库。 请改为查看和的存储库。 有关新SEIIR模型的当前IHME COVID-19预测，请参见。 见，对于IHME COVID-19常见问题，更新， 原始的写了在这个库中提出的方法（目前未使用！）。 有关IHME COVID-19的任何查询，请联系 。 安装 克隆或下载存储库，然后执行以下操作： make install 如果要为系统安装除默认以外的其他位置： make install prefix=install_prefix_directory 维护者 Aleksandr Aravkin（ ） 彭正（ ） ·班尼克（Marlena Bannick）（ ） （ ） 阿列克谢·肖洛霍夫（Alexey Sholokhov）（ ） 布拉德利·贝尔（ ）

covid19感染率 在数据COVID-19数据集中使用约翰霍普金斯大学（JHU）系统科学与工程中心（CSSE）和《我们的世界》通过COVID-19数据存储库获取的数据。 开发了层次模型来分析和预测美国的感染率 数据包含以上收集的数据 CovidCountModel.ipynb：具有泊松共轭结构的贝叶斯层次模型 CovidCountModel2.ipynb：具有泊松非共轭结构的贝叶斯层次模型