కార్లోస్ పెడ్రో గోన్కాల్వ్స్*
ఖోస్ థియరీ మెథడ్స్ యొక్క ఎపిడెమియోలాజికల్ అప్లికేషన్ SARSCoV-2 యొక్క ఎపిడెమియోలాజికల్ డేటాలో అస్తవ్యస్తమైన మార్కర్ల ఉనికిని వెలికితీసింది, ఇందులో సానుకూల లియాపునోవ్ ఘాతాంకాలతో తక్కువ డైమెన్షనల్ అట్రాక్టర్లు మరియు వివిధ ప్రాంతాలలో గందరగోళం ప్రారంభానికి దగ్గరగా ఉన్న డైనమిక్స్ యొక్క సాక్ష్యం గుర్తులు ఉన్నాయి. మేము ఈ మునుపటి రచనలను విస్తరించాము, యునైటెడ్ స్టేట్స్ ఆఫ్ అమెరికా (USA) మరియు కెనడా యొక్క COVID-19 రోజువారీ ఆసుపత్రి ఆక్యుపెన్సీ కేసుల తులనాత్మక అధ్యయనాన్ని నిర్వహిస్తాము, గందరగోళ సిద్ధాంతం, మెషిన్ లెర్నింగ్ మరియు టోపోలాజికల్ డేటా విశ్లేషణ పద్ధతుల కలయికను ఉపయోగిస్తాము. రెండు దేశాలు COVID-19 హాస్పిటలైజేషన్ డేటా కోసం తక్కువ డైమెన్షనల్ గందరగోళం యొక్క గుర్తులను చూపుతాయి, అనుకూల కృత్రిమ మేధస్సు వ్యవస్థల కోసం ఈ ఆకర్షణీయుల పునరావృత నిర్మాణాన్ని ఉపయోగించుకోవడం కోసం అధిక అంచనాతో, 95% కంటే ఎక్కువ R 2 స్కోర్లను 42 రోజుల వరకు అంచనా వేస్తాయి. USA ఆసుపత్రిలో చేరడం గందరగోళం ప్రారంభానికి దగ్గరగా ఉండటం మరియు కెనడా కంటే మరింత ఊహాజనితమైనదిగా ఉండటానికి సాక్ష్యం అనుకూలంగా ఉంది, ఈ అధిక అంచనాకు గల కారణాలు టోపోలాజికల్ డేటా విశ్లేషణ పద్ధతులను ఉపయోగించడం ద్వారా లెక్కించబడతాయి.