[Analyse du modèle SIR] Pic du nombre d'infections dans diverses régions du Japon ♬

Je cherchais des données brutes, mais j'ai finalement trouvé la page du ministère de la Santé, du Travail et du Bien-être social, alors je l'ai immédiatement analysée. Cette fois aussi, le calcul est basé sur le modèle SIR et est calculé par un amateur ・ Interprétation. Veuillez faire votre propre jugement à vos propres risques. Comme les données sont fournies en pdf, j'ai dû les lire, j'ai donc eu un petit problème. Je vais me référer aux documents d'hier. J'ai utilisé le pdf de Reference ② lié à partir d'ici. 【référence】 ① État actuel de la nouvelle infection à coronavirus (19 avril, 2e année de Reiwa) @ Ministère de la Santé, du Travail et du Bien-être social (2) Nombre de rapports de patients par préfecture dans les cas domestiques (posté le 19 avril 2020)

Ce que j'ai fait

·Traitement de l'information ・ Explication du code ・ Situation au Japon et à Tokyo ・ Autres sujets de préoccupation

·Traitement de l'information

La procédure est la suivante ・ Copiez et collez le pdf ci-dessus dans le bloc-notes -Changé le format de "" délimiteur à "," -Changé l'extension de txt en csv ・ Triez par ville par ordre croissant et vérifiez les mandrins manquants.Selon la date, le nom de la préfecture peut être inclus ou non, alors alignez-les. ・ Mouler et créer 1 données (1 jour) ・ Les données quotidiennes ci-dessus sont lues collectivement par le programme suivant et sorties en 3 csv. Les trois sont des fichiers confirmés, récupérés et des décès, l'axe vertical représentant le nom de la ville et l'axe horizontal la date. ・ Les 3 fichiers suivants ont été placés. COVID-19_Japan/data/

・ Explication du code

Le programme qui lit un jour à la fois, l'ajoute aux trois fichiers et le produit est placé en dessous. COVID-19_Japan/test_pd.py La sortie d'un fichier est expliquée ci-dessous. C'est presque comme un problème d'application des pandas.

import pandas as pd

test0 = pd.read_csv('COVID-19/csse_covid_19_data/japan/test_confirmed.csv') #,encoding="cp932")
day_list={326,327,328,329,331,401,402,403,404,405,406,407,408,409,410,411,412,413,414,415,416,417,418}

Tout d'abord, lisez le fichier original test0 et ajoutez-le à ce fichier. Ajouter ou non encoding = "cp932" lors de la lecture est nécessaire au début, mais il semble que ce ne soit pas nécessaire (une erreur se produira) une fois le fichier créé. Ici, le fichier à lire par day_list est affiché, et 401.csv etc. sont lus ci-dessous.

for day in day_list:
    #original data input
    data = pd.read_csv('COVID-19/csse_covid_19_data/japan/{}.csv'.format(day),encoding="cp932")
    data.to_csv('COVID-19/csse_covid_19_data/japan/tokyo_confirmed.csv',  columns=['Region','cases'], index=False)

Ce code lit les fichiers un par un et ne stocke que les colonnes pertinentes = ['Region', 'cases'] dans tokyo_confirmed.csv.

    test0_ = pd.read_csv('COVID-19/csse_covid_19_data/japan/tokyo_confirmed.csv')

Renommez ensuite les données et chargez-les dans test0_. Désormais, seules les données pertinentes sont lues des données vers test0_.

    #Ajouter une colonne
    s=str(day)

    test0['{}'.format(s)] = test0_['cases']

    test0.to_csv('COVID-19/csse_covid_19_data/japan/test_confirmed.csv',index=False)

・ Situation au Japon et à Tokyo

Cette fois, l'application d'analyse est également légèrement modifiée comme un lien. Autrement dit, le graphique à barres affiche désormais les nouvelles personnes infectées quotidiennement. ・ COVID-19_Japan / fit_japan.py

・ Situation au Japon

C'est la même chose que nous avons vu dans la situation mondiale, mais nous y reviendrons également cette fois. Après tout, il devrait atteindre environ 20 000 dans les deux prochaines semaines. exterpolate_総計_gamma_R_2.png Le nombre maximal d'infections devrait survenir dans environ une semaine, mais le taux d'infection diminue tous les samedis et dimanches et il est imprévisible qu'il restera à 0. removed_総計_gammaR_2_II.png Si vous regardez le graphique ci-dessous, le tracé bleu est le soi-disant nombre de reproduction effective, et il ne diminue pas du tout autour de 10. À l'origine, cette valeur devient 1 et va jusqu'à la fin. Pour une raison quelconque, le nombre de traitements au Japon n'a pas augmenté. Il semble que cela ait fait chuter $ \ gamma $ et que les taux d'infection ci-dessus aient baissé. Après tout, je ne pense pas que cela prendra fin à moins que le nombre de traitements augmente à l'avenir. Sinon, il n'y aura pas un nombre infini de lits, ce qui peut entraîner un effondrement médical quelque part. En ce sens, I / (R + D) dans la figure ci-dessus est élevé et dangereux. removed_総計_gamma_R_2.png

・ Situation à Tokyo

Je pense que c'est la première photo au Japon. La tendance à Tokyo est presque la même que celle au Japon. exterpolate_東京_gamma_R_2.png Après tout, comme tout le pays, il semble bientôt atteindre le sommet, mais comme la cause est $ \ gamma $, il ne sera pas possible d'aller à 0. removed_東京_gammaR_2_II.png Tokyo est pire que tout le pays et le nombre de reproductions effectives est proche de 100. Je me demande pourquoi le nombre de cures (environ 5%) n'augmente pas du tout. S'il n'y a pas de remède, les soins médicaux s'effondreront définitivement. Le nombre d'infections a tendance à être un peu saturé, mais en regardant le graphique ci-dessus, il semble que 10 000 personnes approchent deux semaines plus tard.

・ Autres sujets de préoccupation

· Osaka

Le nombre de personnes infectées à Osaka a dépassé les 1000 et continue d'augmenter. Et il semble qu'il y aura environ 2000 personnes dans deux semaines. exterpolate_大阪_gamma_R_2.png Cependant, le nombre maximal d'infections est susceptible de survenir dans environ une semaine, il est donc sur le point de devenir saturé. removed_大阪_gammaR_2_II.png Contrairement à Tokyo, le nombre de traitements a commencé à augmenter un peu et I / (R + D) est susceptible de diminuer. Cependant, le nombre de reproductions efficaces est probablement d'environ 7. Par conséquent, on peut dire que la situation est imprévisible. removed_大阪_gamma_R_2.png

・ Kanagawa

Le taux d'augmentation a diminué. Cependant, 1000 personnes sont juste au coin de la rue. Cependant, le nombre de remèdes est susceptible d'augmenter. I / (R + D) est également susceptible de diminuer. exterpolate_神奈川_gamma_R_2.png Il semble que le pic viendra, mais la situation est imprévisible. removed_神奈川_gammaR_2_II.png Le nombre de reproductions effectives est toujours supérieur à 10, et la raison pour laquelle le taux d'infection diminue est que $ \ gamma $ diminue et qu'il est imprévisible de pouvoir l'arrêter. removed_神奈川_gamma_R_2.png

・ Chiba

Il est bâclé et aucun pic d'infection n'est visible. Cela semble être une situation très dangereuse avec environ 1000 personnes par semaine. Il y a un signe que le nombre de traitements augmente, et il est susceptible de s'améliorer s'il devient authentique. exterpolate_千葉_gamma_R_2.png removed_千葉_gammaR_2_II.png removed_千葉_gamma_R_2.png

・ Saitama

Bien que le taux d'augmentation ait diminué, il est plus enclin que Chiba et atteindra probablement 1 000 en une semaine. Le nombre de nouvelles infections augmente chaque jour, la situation est donc imprévisible. exterpolate_埼玉_gamma_R_2.png removed_埼玉_gammaR_2_II.png removed_埼玉_gamma_R_2.png

· Okinawa

C'est une situation dangereuse car le nombre d'infections a augmenté rapidement il y a deux semaines et la pente est importante. exterpolate_沖縄_gamma_R_2.png removed_沖縄_gammaR_2_II.png removed_沖縄_gamma_R_2.png

· Hokkaido

À Hokkaido, le nombre d'infections semble avoir fortement augmenté il y a deux semaines. Bien sûr, il n'atteindra pas encore son apogée. Il faut garder un œil dessus comme à Okinawa. exterpolate_北海道_gamma_R_2.png removed_北海道_gammaR_2_II.png removed_北海道_gamma_R_2.png

Résumé

・ Le Japon est soudainement entré dans la deuxième étape fin mars et environ trois semaines se sont écoulées, ce n'est donc pas encore la fin. ・ À Tokyo, il y a une situation où le nombre maximal d'infections est susceptible d'être observé. Cependant, le nombre de remèdes est extrêmement faible, et c'est une situation préoccupante que l'effondrement médical est susceptible de se produire tel quel. ・ Il semble que l'infection est sur le point de se propager à Hokkaido et Okinawa, et la situation est imprévisible. ・ Le nombre maximal d'infections n'a pas encore été observé dans d'autres régions.

・ Après tout, j'aimerais à nouveau résoudre l'équation différentielle pour voir la transmission globale de l'infection.

Recommended Posts

[Analyse du modèle SIR] Pic du nombre d'infections dans diverses régions du Japon ♬
[Analyse du modèle SIR] Pic du nombre d'infections au Japon et dans le monde ♬
[Analyse du modèle SIR] Pic du nombre d'infections au Japon et dans le monde ♬ Partie 2
[Analyse du modèle SIR] Détermination de γ * (R-1) et pic du nombre d'infections ♬ World Edition
L'ancien openssl pose des problèmes dans diverses parties de python
[Introduction au modèle des maladies infectieuses] Toutes les régions du Japon se terminent ... ♬
Résumé des différentes opérations dans Tensorflow
Traitement des données 2 Analyse de divers formats de données
2. Analyse multivariée expliquée dans Python 8-2. Méthode de voisinage k [méthode de pondération] [modèle de retour]