폐렴으로 인한 사망 수의 오차 범위 확인

Covid19의 사망자가 폐렴으로 카운트 되었을 경우에, 어느 정도로부터 오차라고 말할 수 없게 되는지에 대해서 당을 붙인다. 분명하게 계절 변동과 트렌드가 있기 때문에 각각을 제거한 잔차의 변동으로 본다.

시계열 분석

데이터는 인구 역학 통계에서. 2015년~2018년 사망자 수월별 추이를 거듭 확인한다.
세로축은 사망자수로, 가로축은 달.



편 자기 상관을 볼 때까지도 12개월 주기. 매년 전체가 올라가는 트렌드를 볼 수 있다.

이번에는 폐렴에 의한 사망자를 전체의 9%(투고 마지막 자료에서)로 가법 모델로 트렌드, 계절 변동, 잔차로 분해한다. StatsModels의 seasonal_decompose를 가법 모델로 사용 (이동 평균을 반복하여 계절 변동을 계산하고 있어야 함)

Y[t] = T[t] + S[t] + e[t]

T가 추세, S가 계절 변동, e가 잔차

import statsmodels.api as sm

#
# deathは、1列に死亡者数のみが入っているデータ 
# 

dec = sm.tsa.seasonal_decompose(death,period=12)
trend = dec.trend
seasonal = dec.seasonal
residual = dec.resid

데이터 플롯

트렌드

계절 변동

잔차

결론

잔차 최소값 -409.1, 최대값 282.8. 표준편차는 136.5. 평균은 -4.59.
1,000건 이상 증가라고 할 수 있는 수가 되면, 아마는 Covid19가 많이 포함되어 있을 것이다, 라는 인상.

치사율 2%로 하면, 감염자수로 5만명 정도이면, 사망자 1,000명의 라인.

Covid19의 환자가 전국에 드문드문 분포되어 있다면 병원에서 폐렴에서 죽은 자의 증가를 보기 어렵게 된다. 안 된다).

전국의 사인별 데이터는 5개월 지연되기 때문에,
현상을 파악하기 위해서는 지자체의 속보로 빠른 곳을 찾아야 한다. 존재하지 않을 수도 있습니다.

현상에 대해

현재는 일본에서는 전문가 회의가 남아 1~2주간으로 지정한 시점부터 2주간 경과.
NY에서는 비상사태 선언이 내려져 EU권에서의 피해가 심각해지고 있다.

일본에서는 EU나 한국만큼의 피해가 보고되지 않았지만,
메인에서 유행하는 바이러스의 특성이 다를 가능성이나 의료 체제의 차이 등
다양한 요인이 고려되며 특정 시나리오에 연결하기에는 데이터가 부족합니다.

우한의 바이러스와 동등하고, 구미와 같은 정도의 환경으로 했을 경우,
죽은 자의 수치가 추측되기 보다 낮기 때문에, Covid19의 사망자가 폐렴의 죽은 자에게 쏟아져 있는지 여부를 데이터로부터 검지할 수 있는지 검증했다.

(바이러스와 환경을 변수로 고정하고 있을 뿐이며, 그렇게 판단하고 있는 것은 아니고, 그 외의 시나리오의 검증은 다른 이야기. 이번은 이만큼 확인했다)

데이터

월별 사망수 데이터(사망월별로 본 연차별 사망수 및 사망률(인구천대)):
https://www.e-stat.go.jp/stat-search/files?page=1&layout=datalist&toukei=00450011&tstat=000001028897&cycle=7&year=20180&month=0&tclass1=00000105305

전체의 사망자 월별은 속보가 있어, 2개월전이 최신(인구동태 통계 속보 19년 11월분):
htps //w w. mhlw. . jp / Tokei / Saikin / hw / Jinko / Get / s2019/11. HTML

사인별 월별 개수(5개월 전 최신)
https://www.e-stat.go.jp/stat-search/files?page=1&layout=datalist&toukei=00450011&tstat=000001028897&cycle=1&year=20190&month=23070909&tclass1=00000

폐렴 (인구 역학 통계에서 본 일본의 폐렴으로 인한 사망) :
h tp // w w. 토키 에이 켄. . jp/사게/사게 2018/