HPO機密日誌

自己をならふといふは、自己をわするるなり。

Google Datastudioを使ってCovid19関連レポートを作成する(個人的メモ)

けんもねずみさんの華麗なグラフにあこがれてGoogle Datastudioで自分のCovid19の実データ、感染毒度、感染モデルと実データの比較等をグラフ化してみた。これはすごい。

ちなみに、このモデル予想についてどこかで説明はしないととは思ってきた。ので、一応。あくまで素人芸。必要に迫られてやっている。

togetter.com

本来はSEIQRモデルにすべきなのだが、せいぜいSEIR(or Q)くらいのモデル。潜在感染者、接触、感染、隔離もしくは回復をスプレッドシートでモデル化した。

f:id:hihi01:20200411075003p:plain
https://medium.com/@mmcat/seiqr-model-evaluate-the-effectiveness-of-contact-tracing-fa58c80f4e5f

f:id:hihi01:20200411075402p:plain
https://medium.com/@mmcat/seiqr-model-evaluate-the-effectiveness-of-contact-tracing-fa58c80f4e5f

SEIQR model Evaluate the effectiveness of contact tracing

井戸水をバケツリレーで汲み出すようなモデル。微積分も自信がないし、Pythonで書くほどのスキルも時間もないのでスプレッドシート。考え方は、1日目(Day1)で存在した潜在感染者(Day1 Group)が1日何人の人と会って、何パーセントの人に感染させるかでモデル化。最初んい、Day1 Groupの潜在感染者が感染させたのがDay2 Groupの感染者となる。そして、Day1 GroupとDay2 Groupの合計で次の感染をさせたのがDay3に感染したDay3 Groupとなる。以下同様に進む。ただし、Mangoose catさんの図のInfectious period(感染させうる日数)マイナスアルファをの期間を経て、段階的にDay-n Groupが隔離、回復等により感染させなくなる。

このバケツリレーモデルと現在の実データが一致しているモデルのパラメーターは、2/8時点での現感染者(その時点で感染力を持っている感染者、つまり感染者マイナス退院者等の数)を7人、1日平均5人と会い、一回の接触で2.85%の確率で感染させ、11日後から30%ずつ離脱(隔離、回復、・・・)してくとしている。

f:id:hihi01:20200411080106p:plain
https://docs.google.com/spreadsheets/d/1dUBiZ9hes9XODbrED8Z46idc_Q8u89G6M3TVNd1qCXA/edit?usp=sharing

元にもどってこのモデルとここ2週間あまりの現感染者の数がほぼ一致しているとなるのが、最初に示したDatastudioで作ったレポートのグラフとなる。このままいくとあと一週間程度で感染者は1万人を超える。本当に安倍首相がおっしゃっていたように8万人の感染者、5万人以上の現感染者が生じうる。

f:id:hihi01:20200411081025p:plain

希望も示さないといけないので、減少モデルも作った。4月1日緊急事態宣言開始だと思っていたのでその時点でのデータに基づく。