어려운 인원수에 의한 비교

두 번째 파도가 오고 있다고합니다. 확실히 연일의 보도에 의하면 예를 들면 도쿄도의 PCR 검사 양성수는 비상사태 선언이 행해지고 있었던 때를 넘고 있다. 하지만 그 배경에는 이른바 밤의 마을 클러스터 대책으로서 신주쿠구 견무금 제도 가 도입됨으로써, 특히 수상매에 종사하는 젊은층이 PCR 검사를 받기 쉬워진 것이 들려지고 있다. 그리고 실제 로우 리스크라고 불리는 50대 이하의 세대를 집계하면 이미 지난번 피크를 웃돌고 있는 것을 알 수 있다.



따라서 단순한 인원수의 비교로부터는 실제의 심각도가 알 수 없게 되어 버릴 수 있다.

Covid-19/코로나 바이러스에서 중요한 것은
0. 격리 시설의 용량을 활성 감염자가 초과하지 말 것
1. ICU, 인공호흡기 등을 사용하는 중증자가 그 용량을 넘지 않는 것
2. 사망자가 증가하지 않는 것

이다. 0은 일정 기간의 양성자 수와 상관되지만 심각성의 지표가되는 1, 2는 단순한 인원수는 모른다. 그래서 이미 알고 있는 연대별 사망률을 판명하고 있는 연대별 양성자 수로 집계함으로써 향후 중증자에게 추이할 잠재 추정 사자수를 추계하고 위험도로서 추이를 집계해 보았다.

연령별 사망률 데이터 소스 NHK 특설 사이트


다음은 하루에 다른 집계 그래프입니다.



다음은 주 번호별 집계 그래프입니다.


언뜻 보면 분명한 대로 증가 경향이지만 전회의 피크에 비하면 훨씬 낮은 수준임을 알 수 있다. 현재의 양성자가 중증자에게 추이하는데는 일정 시간이 걸린다. 따라서 다음과 같은 것을 말할 수 있습니다.

PCR 양성자의 증가 경향으로부터 격리 시설에 관해서는 수주 이내에 용량이 절박할 가능성이 높다
그러나 잠재 추정 사망자 수로부터 심각도는 비상 사태 선언 당시보다 낮은
마찬가지로 중증자를위한 시설 부족은 당분간 발생하지 않습니다.

것이 알다. 배경은 서두에 올린 젊은층의 PCR 검사수 증가와 노인 개호 시설 등 고위험 그룹이 존재하는 시설 등에서의 소셜 디스턴스 실시도가 높아지고 있는 것일 것이다.

한편, 젊은 감염자의 수 자체가 늘고 있는 것은 사실로 이것이 고위험 그룹에 날아가면 단번에 심각도가 상승할 수 있다고 할 수 있다. 현상에 관해서는 다각적인 수치를 정확하게 분석한 다음 경제와의 합의를 도모하면서 규제를 생각해 주었으면 한다.

이하, Jupyter 등으로 달리는 분석용 코드. localdir에 데이터 소스 도쿄도 신형 코로나 바이러스 양성 환자 발표 상세을 다운로드하면 같은 결과를 얻을 수 있습니다.

#coding: utf-8
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt 
import datetime as dt
localdir = "/Downloads/"
csv_data = localdir +"130001_tokyo_covid19_patients.csv"
age_dic = {'不明':0.001,'10歳未満':0.001,"'-":0.001,'90代':0.111,'100歳以上':0.111,'70代':0.052,'80代':0.111,'60代':0.017,'50代':0.004,'40代':0.001,'30代':0.001,'20代':0.001,'10代':0.001}
high_risks = ('90代','100歳以上','70代','80代','60代')
labels = ('公表_年月日','患者_年代')

dataset = pd.read_csv(csv_data,encoding = 'utf-8',header=0,)
dataset = dataset.loc[:,labels]
print (set(dataset.loc[:,'患者_年代']))
dataset.loc[:,'date'] = pd.to_datetime(dataset.loc[:,'公表_年月日'])
dataset.loc[:,'weekday'] = dataset.date.dt.week

dataset.loc[:,'val'] = dataset.loc[:,'患者_年代']
high_risk_table = dataset[~dataset.val.isin(high_risks)]

dataset.val = dataset.val.replace(age_dic)

datahighrisk = high_risk_table.loc[:,('date','val')]
databyweek = dataset.loc[:,('weekday','val')]
databydate = dataset.loc[:,('date','val')]
#dataset = dataset.fillna(0)
print(dataset)

highriskcount = datahighrisk.groupby('date').count()
deathbyweek = databyweek.groupby('weekday').sum()
deathbyday = databydate.groupby('date').sum()

plt.title("Risk Index by Date")
plt.plot(deathbyweek.index,deathbyweek.val)
plt.show()

plt.title("Risk Index by Week Number")
plt.plot(deathbyday.index,deathbyday.val)
plt.show()

plt.title("Count of Low Risk Group")
plt.plot(highriskcount.index,highriskcount.val)
plt.show()