Treffer: Forecasting COVID-19 Pandemic – A scientometric Review of Methodologies Based on Mathematics, Statistics, and Machine Learning.

Introduction: the COVID-19 pandemic is being regarded as a worldwide public health issue. The virus has disseminated to 228 nations, resulting in a staggering 772 million global infections and a significant death toll of 6,9 million. Since its initial occurrence in late 2019, many approaches have been employed to anticipate and project the future spread of COVID-19. This study provides a concentrated examination and concise evaluation of the forecasting methods utilised for predicting COVID-19. Method: to begin with, A comprehensive scientometric analysis has been conducted using COVID-19 data obtained from the Scopus and Web of Science databases, utilising bibliometric research. Subsequently, a thorough examination and classification of the existing literature and utilised approaches has been conducted. First of its kind, this review paper analyses all kinds of methodologies used for COVID-19 forecasting including Mathematical, Statistical, Artificial Intelligence - Machine Learning, Ensembles, Transfer Learning and hybrid methods. Results: data has been collected regarding different COVID-19 characteristics that are being taken into account for prediction purposes, as well as the methodology used to develop the model. Additional statistical analysis has been conducted using existing literature to determine the patterns of COVID-19 forecasting in relation to the prevalence of methodologies, programming languages, and data sources. Conclusions: this review study may be valuable for researchers, specialists, and decision-makers concerned in administration of the Corona Virus pandemic. It can assist in developing enhanced forecasting models and strategies for pandemic management. [ABSTRACT FROM AUTHOR]

Introducción: la pandemia de COVID-19 está siendo considerada un problema de salud pública a nivel mundial. El virus se ha diseminado a 228 países, lo que ha provocado la asombrosa cifra de 772 millones de infecciones globales y un importante número de muertes de 6,9 millones. Desde su aparición inicial a finales de 2019, se han empleado muchos enfoques para anticipar y proyectar la futura propagación de la COVID-19. Este estudio proporciona un examen concentrado y una evaluación concisa de los métodos de pronóstico utilizados para predecir COVID-19. Método: para empezar, se realizó un análisis cienciométrico integral utilizando datos de COVID-19 obtenidos de las bases de datos Scopus y Web of Science, utilizando investigación bibliométrica. Posteriormente, se llevó a cabo un examen y una clasificación exhaustivos de la literatura existente y los enfoques utilizados. Este artículo de revisión, el primero de su tipo, analiza todo tipo de metodologías utilizadas para el pronóstico de COVID-19, incluidas matemáticas, estadísticas, inteligencia artificial: aprendizaje automático, conjuntos, aprendizaje por transferencia y métodos híbridos. Resultados: se han recogido datos sobre las diferentes características de la COVID-19 que se están teniendo en cuenta a efectos de predicción, así como la metodología utilizada para desarrollar el modelo. Se han realizado análisis estadísticos adicionales utilizando la literatura existente para determinar los patrones de pronóstico de COVID-19 en relación con la prevalencia de metodologías, lenguajes de programación y fuentes de datos. Conclusiones: este estudio de revisión puede ser valioso para investigadores, especialistas y tomadores de decisiones interesados en la administración de la pandemia del Virus Corona. Puede ayudar a desarrollar modelos de pronóstico y estrategias mejorados para la gestión de pandemias. [ABSTRACT FROM AUTHOR]