数学 統計に詳しい人が語るコロナウイルス
■ このスレッドは過去ログ倉庫に格納されています
東大数学科卒の元官僚はこう分析してるが、お前らはどうなると思う? http://www.zakzak.co.jp/soc/news/200220/dom2002200003-n2.html 中国国外感染者の中国国内との比率をみると、 1月20日の数字公表以降は、0・8〜2・6%で比較的安定している。 これは、新型肺炎の感染者のほとんどは中国国内、それも湖北省に集中しているからだ。 ちなみに中国国外での感染者数は、中国国内の1・1%だ(2月16日現在)。 本コラムで紹介したが、現時点では、最終的な中国国内の感染者数は20万人超と筆者は推計している。 となると、中国国外の感染者は数千人程度になるだろう。 中国国外のうち日本の比率は1割弱なので、日本の感染者数は数百人程度であろう。 その場合、死者も数人から10人程度になるだろう。 こうした推計をすると、今の感染者は氷山の一角だと思われるが、今後の増加ペースはどうなるだろうか。 新型コロナウイルスの検査は簡単に行えるので、今後、日本での感染者数は増えていくだろう。 ある時点ではそれがネズミ算的に増えるかのように思える局面もあるだろうが、 筆者の推計が正しければ、現時点ではせいぜい数百人が一つのメドだ。 岩田健太郎 Kentaro Iwata @georgebest1969 日本が第一波をかなりうまく乗り切ろうとしているのだけど、最大の功労者の一人は西浦博先生だよ。それは絶対に間違いない。 午後5:44 2020年5月20日 >>652 俺は志村けんとフィリピンパブ親父だと思う。 政府:「接触8割減を目指して下さい。」 マスコミ:「今朝の○○駅の映像をご覧下さい。人出8割減にはほど遠いですね...」 政府広報: 「接触8割減には、(1-x)^2=1-0.8 → x=0.552786 だから 人出55%減でいいんだけど、 馬○なマスコミが、勝手に目標を上げてくれてる。あえて指摘する必要ないよね...」 >>653 藤浪も仲間に入れてやって。 岡江久美子も5月10日前後の感染急減には貢献したかも。 しかし、岩田健太郎に擁護されてもむしろ逆効果でお気の毒>8割おじさん >>648 賠償金ゼロまで値切れる。 俺じゃない可能性が十分あるのならそれでいい。 期待値で賠償金を計算されちゃかなわん。 >>656 期待値を求めよ、では食いつきが悪いと思って金の問題にアレンジして開業医スレに書いてみたんだが、 答られる開業医は0だったよ。 >>655 石田と志村の順が逆だったら、自粛は捗らなかったのではと思うな。 潜伏期間が従うとされる対数正規分布(パラメータは、ln_par1 = 1.434065 ln_par2 = 0.6612)で乱数発生させて その差が2以上になる割合を求めれば数値解は出せるけど、これって解析解は可能だのだろうか? パラメータが同じ対数正規分布の差の分布は数式で表せるのだろうか?引き算したら0になってしまう気がする。 >>654 感染の起こりうる濃厚接触するときの人数って期待値はどれくらいで、どんな分布に従うんだろうね? >>659 (自己解決) mu = 1.434065 sg = 0.6612 pdf1 <- function(x) dlnorm(x,mu,sg) pdf2 <- function(y) dlnorm(y,mu,sg) f <- function(x,y) pdf1(x+y)*pdf2(y) vf=Vectorize(f,vectorize.args = 'y') pdf <- function(x) integrate(function(y) vf(x,y),-Inf,Inf)$value pdf=Vectorize(pdf) curve(pdf(x),-30,30) 学校閉鎖の功罪 School closure and management practices during coronavirus outbreaks including COVID-19: a rapid systematic review https://www.thelancet.com/pdfs/journals/lanchi/PIIS2352-4642 (20)30095-X.pdf >>654 西浦博教授が新しい試算を発表されたようです。 1影のたけし軍団 ★2020/06/03(水) 18:41:19.54ID:v4jJ+LDc9 西浦博教授らは、海外から新型コロナウイルスの感染者が入国すると、 国内で再び大規模な流行が起きるとする試算をまとめた。 1日当たり10人の場合、3カ月以内に再流行する確率は98.7%に達すると・・・・・・・ 【コロナ】 西浦博教授、試算・・・海外から1日10人入国で再流行 [影のたけし軍団★] https://asahi.5ch.net/test/read.cgi/newsplus/1591177279/ m3(医療関係者のサイト?)に割と詳しく載ってるらしい >>666 みてきた。未知のパラメータが多すぎるのではという印象。 (3)どうやって計算したか 90日間の入国者総数をN人とし、感染率(感染している者の割合)をp、停留やPCRの効果(すり抜ける感染者の相対的減少率)をeとします。 そのとき、侵入者は n = (1-e)pN と計算されます。 上述の1人の感染者が侵入したときの「絶滅確率」をqとし、n人が独立して入国してきたとすると、 分岐過程に基づく大規模流行の確率Xは以下で与えられます。 X = 1 - q^n = 1 - q^((1-e)pN) Rt のときと違ってあまりにも簡単な式でびっくりした。 みほちゃんというアカウントの物理学者がTwitterで批判してる 正しい気がするんだが、どうなん? ここ数日流れている、7割の人は誰にもうつさないの元論文。 https://www.researchsquare.com/article/rs-29548/v1 figure2Bが個人の再生産数の分布で、負の二項分布で近似可 >>672 abstract読んだだけではわからんかった。 どういうことか詳しくお願い。 ってか、そういうのも考慮にいれて実効再生産数の値が決まるんでは? >>673 これ、まさに>>667 あたりの議論に関係してくるんだよ。実効再生産数が1を超えていても、スーパースプレッダーが拡散していてその値なら、運が良ければ大規模拡散は無い。逆に全員が均等に1人以上にうつしてしていたら、確実に大規模拡散につながる。 拡散能力の個人差を決めるのが、論文で言うkだと思う。 >>674 拡散能力は何で決まるかわかっている? 個人の行動で決まるなら行動変容は必要だろう マスクや咳エチケット、消毒、物理的距離や 換気など >>675 だから、それらがいい加減でRt>1でも拡散しない確率があるという話。帰国者のように少数が散発的に爆撃して行く場合には、Rt値だけでは判断できないわけだ。 東京も、日々の感染者数が1人とか2人になってくるとこの辺りの話が効いてくるだろうね。 そうそう。西浦先生の >>671 で面白いのは、帰国者が大規模感染を起こす云々より、むしろ再生産数が1を超えているのに感染が止まる確率があることなんだよね。 >>674 よくわかんないんだけど、感染者数が全体で数十人レベルなら隔離対策で 全部のスーパースプレッダーをたまたま捕縛できれば確かに終息できる だろうけど、数百人レベルに拡がってそういうことができなくなれば、 一定数以上のスーパースプレッダーは常に残ることになって、結局感染 拡大は防げないのでは?(SS1人当たりの再生算数が4だと、3割がSSだと して、実効再生産数は単純に0.3×4=1.2とかにならんの?) >>677 実行再生算数は過去のデータを反映した値で Rt>1でも患者を全員隔離できたら収束可能ではあるから 矛盾はしないと思う それを実現できる可能性は低いだろうけど >>678 そう。だから>>671 の(4)の表で入国者数×感染率が数百単位の場合は大流行確率がほぼ100%になってる。あくまでも少人数しか感染していない場合の話。 >>679 隔離の話ではなく、感染力のバラツキに起因する感染消滅。サイトに載ってる考え方でシミュレーションを回して自然消滅確率q=0.9226は再現できたよ。 >>672 理論的根拠があって負の二項分布を選んだのかと思って読んでみたらRであてはまりのよい分布を探したみたい。 Calculation of serial interval and empirical offspring distribution We calculated the median serial interval as the difference between the symptom onset dates of each infector-infectee pair, excluding asymptomatic cases, and fitted normal, lognormal, gamma and Weibull distributions using the R package “fitdistrplus" and maximum-likelihood methods, excluding eight non-positive data points for the latter three distributions. We generated the empirical offspring distribution from the observed number of secondary cases per individual infector and similarly fit negative binomial, geometric and Poisson distributions as before. >>681 関連論文をいくつか読んでみたのだが、個人ごとのRtに注目する研究では、その違いに負の二項分布が使われるようだ。 バラツキを表すdispersion parameter のk(西浦が0.1と置いてるのはこれ)を成功回数、1/(1+Rt/k)を成功確率とした負の二項分布をどの論文でも使っていて、これで分布の平均はRtになる。 本来整数であるべき成功回数を実数としているのだから、負の二項分布である意味はなく本当に当てはめただけなのだろう。 一人を感染させる時間=serial interval(SI) Rt人感染させるまでに要する時間は 形状パラメータ=Rt 尺度パラメータ=SI のガンマ分布gamma(Rt, SI)に従うはず、 λがこのガンマ分布に従う変数として平均λのポアソン分布pois(λ)を考えれば負の二項分布になるのだけど これはRtの分布じゃなくてRt人感染させる時間の分布だよなぁ、と考えたりしたけど 理詰めじゃなくて、AICが最も小さくなる既知の分布を探したってことなのだろうな。 ソフトバンクグループは、社員や医療関係者らを対象に独自に行った新型コロナウイルスの抗体検査の結果を速報値として公表しました。4万4000人余りのうち、0.43%に当たる191人が陽性だったということです。 ソフトバンクグループは、先月中旬から今月8日までに、社員や取引先、それに医療機関の関係者ら4万4066人を対象に新型コロナウイルスに感染したことがあるかを調べる抗体検査を行い、結果を公表しました。 それによりますと、191人、0.43%が陽性だったということです。 このうち、医療機関の関係者は5850人のうち105人、1.79%が陽性、社員や取引先の関係者は3万8216人のうち86人、0.23%が陽性でした。 以下全文はソース先で 2020年6月9日 23時20分 https://www3.nhk.or.jp/news/html/20200609/k10012464781000.html 東大の7/1000の0.7%に近い感じだな。 一方、ロシアでは ロシア・モスクワで保健当局が市民を対象に新型コロナウイルスの抗体検査を行ったところ、 およそ6人に1人にあたる17.4%が陽性だったことがわかりました。 発表によりますと、モスクワの保健当局は11日までの2週間で市民16万5千人を対象に抗体検査を実施しました。 このうち、およそ6人に1人にあたる17.4%の人に抗体があることが判明したということです。 先月4日から21日まで行われた前回の抗体検査では12.5%の人から抗体が見つかっていて、 前回から今回にかけて、陽性者がおよそ5ポイント増えた形です。 ロシアの感染者は11日、50万人を超えましたが、モスクワでは感染が抑制されてきているとして、 9日には外出制限が解除されています。 https://www.news24.jp/articles/2020/06/12/10660268.html >>684 特異度がわかんないけど、少なくとも99.8%くらいはありそうだな。 したがって、医療関係者が2%足らず陽性ってのは本物っぽい。 だから、どうしたって感じだけどね。 >>685 まだ未感染の人の割合が多いから集団免疫ができていなくて感染爆発のリスクが比較的高い 予防対策が引き続き必要 中和抗体の存在が実証されるまでは集団免疫神話だと思っている。 >>686 感染者の多い東京に限っても抗体陽性率は0.6%以下だってことは一ヶ月前から 分かってた話なんだから、今回0.23%以下と出たからといって、本質的になんも かわらんでしょ。しいていえば、致死率の下限が上がったってことくらいか。 感染者が0.23%以下だとすれば、現在の死者数はやく千人なので、致死率は0.4%以上 となる。 外来患者0.5%に抗体、山形大 付属病院の1009人を検査 山形大(山形市)は15日、医学部付属病院の外来患者1009人について新型コロナウイルスの抗体検査をした結果、0.5%に当たる5人が陽性だったと発表した。山形県内でPCR検査により感染確認されたのが69人なのに対し、統計学上は県民約107万人のうち、670〜1万人が感染した経験があると推計されるという。 大学によると、1〜4日に外来で受診した人の血液を、検査キットより精度の高い機器と試薬で調べた。ただ検査数が千人余りに限られており、推計される陽性率は0.063〜0.937%にばらつくという。 >>689 この95%信頼区間は正規分布での近似で計算しているな。 > p=5/1009 > q=1-p > n=1009 > p-qnorm(0.975)*sqrt(p*q/n) [1] 0.0006226557 > p+qnorm(0.975)*sqrt(p*q/n) [1] 0.009288147 各種の95%信頼区間 > binom.ci(5,1009) method x n mean lower upper 1 agresti-coull 5 1009 0.004955401 0.0017596471 0.011906321 2 asymptotic 5 1009 0.004955401 0.0006226557 0.009288147 3 bayes 5 1009 0.005445545 0.0014689159 0.010037024 4 cloglog 5 1009 0.004955401 0.0019155107 0.011096185 5 exact 5 1009 0.004955401 0.0016109041 0.011526082 6 logit 5 1009 0.004955401 0.0020640649 0.011848825 7 probit 5 1009 0.004955401 0.0019822732 0.011396609 8 profile 5 1009 0.004955401 0.0017805162 0.010620264 9 lrt 5 1009 0.004955401 0.0017936701 0.010616984 10 prop.test 5 1009 0.004955401 0.0018257774 0.012233747 11 wilson 5 1009 0.004955401 0.0021184531 0.011547515 >>692 ロッシェとアボトットという業界では一流ブランドなのに一致率が低いのに驚き TYO=matrix(c(2,4,2,1963),2,b=T) > OSA=matrix(c(5,5,11,2949),2,b=T) > MYA=matrix(c(1,6,2,3000),2,b=T) > (dat=TYO+OSA+MYA) [,1] [,2] [1,] 8 15 [2,] 15 7912 > library('epiR') > epi.kappa(dat) $prop.agree obs exp 1 0.9962264 0.9942306 $pindex est se lower upper 1 -0.9942138 0.0008513625 -0.9958825 -0.9925452 $bindex est se lower upper 1 0 0.0008518883 -0.00166967 0.00166967 $pabak est lower upper 1 0.9924528 0.9892346 0.9949051 $kappa est se lower upper 1 0.3459338 0.01121544 0.323952 0.3679157 $z test.statistic p.value 1 30.84442 6.655295e-209 $mcnemar test.statistic df p.value 1 0 1 1 ロシュとアボットのキットのカッパ値をMCMCして分布をだしてみた。 https://i.imgur.com/VosPLlv.png >>694 これだけ一致率が低いデータで東京大阪宮城で陽性率に有意差があるを検定することに意味があるんだろうか? >>692 多重比較になるけど、補正なしでも都市間の有意差はでないね。 むしろ、有名メーカーの検査キットの不一致の方が意外だった。 > positives=c(TYO=2,OSA=5,MYA=1) > subjects =c(TYO=1971,OSA=2970,MYA=3009) > pairwise.prop.test(positives,subjects,p.adjust.method = 'none') Pairwise comparisons using Pairwise comparison of proportions data: positives out of subjects TYO OSA OSA 0.82 - MYA 0.71 0.21 P value adjustment method: none Warning messages: 1: In prop.test(x[c(i, j)], n[c(i, j)], ...) : Chi-squared approximation may be incorrect 2: In prop.test(x[c(i, j)], n[c(i, j)], ...) : Chi-squared approximation may be incorrect 3: In prop.test(x[c(i, j)], n[c(i, j)], ...) : Chi-squared approximation may be incorrect > library(fmsb) > pairwise.fisher.test(positives,subjects,p.adjust.method = 'none') Pairwise comparisons using Pairwise comparison of proportions (Fisher) data: positives out of subjects TYO OSA OSA 0.71 - MYA 0.57 0.12 P value adjustment method: none まあ、特異度99.5%でも偽陽性が15人ぐらいでるから、陽性者はほとんどそれなんだろうな。なので両方陽性の人のみを数えてるのは正しいと思う。 日本の抗体保有率が低すぎたと。 統計勉強しててこのスレ見つけたんですけどみなさんRつかってるんですね pythonや他の言語ではないということは統計界隈はRが主流なのでしょうか? >>697 偽陽性率 = 1 - 特異度だから全部が偽陽性の可能性もあるなぁ。 その確率は計算できるのだろうか? >>699 https://www.magojibi.jp/928/ https://www.magojibi.jp/920/ ここを信じる限り、特異度は99.6%と99.8%。3000人の検査で6〜12人偽陽性が出る感じで、あってるように思う。 両方同時に偽陽性になる検体が1つ以上出る確率は2.3%だから、2つ調べればほぼ確実ということだろうね。まあ、互いに独立した事象ならという仮定だが。 2キットが両方陽性のときのみ検査陽性とすると 特異度は 1-((1-0.996)×(1-0.998)) =0.999992 でいいのかな? 偽陽性率は100万分の8でいいのか。 すると全部偽陽性というわけでもなさそう。 >>702 あくまで、偽陽性の発生が2つの試験で独立の場合。 実際には、判定メカニズムに共通部分があるだろうから、完全に独立ではなくある程度相関はあるかも。相関が低いほど最終的な特異度は高くなる。 そういう意味では、カッパ値が低いことはむしろ利点となる。 レスありがとうございます。 有病率prevalenceが低いとカッパ値は低めにでるらしいので これを補正した PABAK = 2✕(陽性合致数+陰性合致数)/ 検査総数 − 1 は>693にある通り0.992と高いので 2キットは相関しているような気もする。 >>698 もともと統計畑ではRを使っていた人が多数派だったと思う Pythonは統計では後発で、pandasはRのデータフレームによく似ている >>705 統計のパッケージが一番揃っているよね。 最新理論のパッケージもまず、R版がリリースされるし。 例:Bayesian Network Meta-analysisとか。 こんなのあったらいいなぁと思って探すとみつかることが多い。 むかし、ヨンクヒール・タプストラ検定のスクリプト作ったけど、パッケージの方が高速でエラー処理も優れていたなぁ。 Rで??Jonckheereと入力するとそれらしいのがヒットする。 > (dat=TYO+OSA+MYA) [,1] [,2] [1,] 8 15 [2,] 15 7912 で検査総数は7950 全員が抗体不保持でキットは全部偽陽性と仮定。 2キットが陽性で検査陽性判定なら8/7950が偽陽性で 特異度 1 - 8 / 7,950 = 0.9989937 1キットでも陽性で検査陽性判定なら 特異度 7,912 / 7,950 = 0.9952201 抗体保有率=0という帰無仮説で検定するにはどうすればいいんだろう?棄却できないと気がするんだが。 どちらのキットも陽性が23人で陽性率は 23 / 7,950 = 0.0028931 公称の偽陽性率(= 1 - 特異度)程度の陽性率にとどまっている。 6月末に全国初の治験開始へ『大阪発の新型コロナワクチン』大阪府と阪大などが進める https://www.mbs.jp/news/kansainews/20200617/GE00033506.shtml >新型コロナウイルスのワクチンの治験は全国で初めてで、安全性が確認できれば、 >今年10月に数百人規模で治験を行った上で、年内に20万人分のワクチンを製造し、 >2021年春か秋の実用化を目指すということです。 有病率が0.5%程度だから数百人規模の治験じゃ有意差出せないだろうな。 患者数が減って標本数が足りないって問題があるみたい 公表された抗体陽性割合 8/7950 # 厚労省 7/1000 # 東大 191/44066 # ソフトバンク 一番高い0.7%を採用して >今年10月に数百人規模で治験 を実薬500人、偽薬500人として 偽薬の500人中4人が陽性、ワクチン投与で500人中0人にできたとすると > prop.test(c(4,0),c(500,500)) 2-sample test for equality of proportions with continuity correction data: c(4, 0) out of c(500, 500) X-squared = 2.259, df = 1, p-value = 0.1328 alternative hypothesis: two.sided 95 percent confidence interval: -0.001808434 0.017808434 sample estimates: prop 1 prop 2 0.008 0.000 Warning message: In prop.test(c(4, 0), c(500, 500)) : Chi-squared approximation may be incorrect > Fisher.test(c(4,0),c(500,500)) Fisher's Exact Test for Count Data data: cbind(hit, shot - hit) p-value = 0.1242 alternative hypothesis: true odds ratio is not equal to 1 95 percent confidence interval: 0.6617083 Inf sample estimates: odds ratio Inf > poisson.test(c(4,0),c(500,500)) Comparison of Poisson rates data: c(4, 0) time base: c(500, 500) count1 = 4, expected count1 = 2, p-value = 0.125 alternative hypothesis: true rate ratio is not equal to 1 95 percent confidence interval: 0.660124 Inf sample estimates: rate ratio Inf どれでも、有意差がでない。 どういうデザインで治験するんだろうなぁ? ワクチンと治療薬だと治験の方法が違うかも 安全性と効果を確認するだろうけど ワクチンの場合は 健康な人がワクチン接種で病気などにならない事と ワクチン接種後にできた抗体でウイルスなどを中和出来ることを試験管なとで確認したら良さそう 治療薬は患者に投与して 副作用があまりない事の確認と治癒などの効果確認をするだろう >>712 なるほど。 エンドポイントを感染予防でなくて抗体獲得という代理エンドポイントにするということね。 ありがとうございました。 こういう問題もあるようだな。 >> ワクチンによって正常な抗体が作られる保証もない 中途半端な抗体ができるとADEとなり、コロナに感染した時に重篤化する サイトカインストームみたいな状態になる この場合、ワクチンの副作用として失敗作となる 今の段階はワクチンを接種しただけで、単体の副作用ないということが確認出来ただけ >>697 東大の児玉龍彦氏がその計算法に異議を唱えているね。 https://youtu.be/y6W83Y85zJ 27分30秒辺りから ワクチン神話を疑え!SARSで17年ワクチンができないわけ【新型コロナと闘う 児玉龍彦×金子勝】 で動画検索すると出てくる。 >>716 デング熱ワクチンのことを調べてみたらこんな記述にであった。 https://www.forth.go.jp/moreinfo/topics/20190605.html 予防接種 2015年12月に、流行地域の9−45歳に向けて、サノフィ・パスツールによる初めてのデング熱ワクチンDengvaxia(CYD-TDV)が、20ヶ国で承認登録されました。 2016年4月、WHOはデング熱が住民の血清抗体保有率が70%以上の高度に常在している地域でのワクチン使用の条件付き勧告を行いました。 2017年11月に、予防接種時の血清抗体保有状況を後ろ向き研究で明らかにするための追加分析の結果が発表されました。 この分析からは、最初の予防接種の時点で血清抗体陰性であることが推測される研究の参加者では、予防接種を受けていない人と比較して、より重症なデング熱と入院のリスクがより高くなるということが示されました。 抗体を効果で分類すると3つあって 役なし、善玉、悪玉 善玉が中和抗体で期待するもの 役なしは変化なし 悪玉は抗体がある方が症状が重くなる >>720 役なしは感染既往の指標にはなるよ。 B型肝炎でいうとHBc抗体くらいの位置づけ。 >>717 金子勝ってだけで見る気がせんわ。アホすぎ。 >>720 仮にワクチンで抗体ができても、その3つのどれに該当するかを判定するのは デング熱の場合よりはるかに難しそうだな。 >>723 とりわけ有病率が低い国で有意差出すのは至難の業だと思う。 >>722 俺も児玉氏のところしか聞いていない。 >>716 こっちの方が再生できるようだ。 ://www.youtube.com/watch?v=y6W83Y85zJs&t=1634s ワクチン神話を疑え!SARSで17年ワクチンができないわけ 【新型コロナと闘う 児玉龍彦×金子勝】 アラビア人のついた嘘だ 数学掲示板群 ttp://x0000.net/forum.aspx?id=1 学術の巨大掲示板群 - アルファ・ラボ ttp://x0000.net 数学 物理学 化学 生物学 天文学 地理地学 IT 電子 工学 言語学 国語 方言 など PS 連続と離散を統一した! ttp://x0000.net/topic.aspx?id=3709-0 微分幾何学入門 ttp://x0000.net/topic.aspx?id=3694-0 https://egg.5ch.net/test/read.cgi/sisou/1593487605/133-135 すまん寝@秩序回復・財務省廃止・反財政再建 @sumannne 【新型コロナウィルス】藤井さん、そのグラフ変じゃないですか? https://himorjp.blog.fc2.com/blog-entry-179.html こっちで改めて計算したところ、「自粛要請は滅茶苦茶効果あった」という結論になっちゃったんで、藤井さん、どうにかした方が良いと思うよ。多分専門家はもうツッコんですらくれないだろうし。 ちなみにデータソースは感染研に1か月遅れですがありましたので、怪しげなデータを使っているわけではありません。 むしろ藤井さんが使ってるデータソースが不明。 藤井さんの統計のいじり方で一番分からんのが、対数グラフを取るでもなく、普通に差分するでもなく、「対前日比」という謎の計算で「速度」「加速度」を名乗ることなんだよなぁ。 この程度のオーダーで対数グラフ取る意味が分からんし、実際藤井さんは対数取ってるわけじゃないので、そうであれば変化率も加速度も差分しないと正しく見えないと思うが。 対数グラフを取る、もしくは対前日比でモノを言うのは、日ごとに指数増大していることがほぼ明らかな状況でなら分かるが、少なくともデータ上はそうではないから適切な計算方法とはちょっと思えない。 藤井さんの記事の「加速度」、縦軸を見てもらえばわかるが上下が0.01の幅で動いてる。 計算は「対前日比」でやってるのでほとんど0ですよこれは。 数値計算で、厳密解が0のものが数値誤差でちょっと荒れてるのを拡大顕微鏡で見て騒いでるような感じがする。 (実際、指数増大しているわけでないものを「比」で取ったら本質的に比率1しか出ません。) 極めて不適切だと思う。 まぁ、今回はさすがに時系列データに相関分析かけたりはしなかったから、その点は成長してるんじゃないっすか。 「対前日比」がいかにおかしいかの例題。 2次多項式のオーダーで増大する場合でも、「対前日比」を取っちゃうと増減が全然分からない。 https://pbs.twimg.com/media/Eb7GF0JUMAEnVH-.png https://pbs.twimg.com/media/Eb7GHp4U4AEvAyt.png 西浦モデルはもう使われないんじゃないの? とりあえず夜の飲食業は営業停止で。 >>729 藤井聡太が迷惑しそうな名前のオヤジだなw もう藤井恥に改名したほうがよろしい。 数学系でかつ鉄道趣味のある人で通勤電車の中にどのくらい元気な感染者が存在しうるか なんて計算してる人っているんだろうか? (元気な感染者=感染力の強い時期の人) あるいはそんな研究あるんだろうか? -素朴な疑問です 他意はありません https://forbesjapan.com/articles/detail/32245 上の記事、新型インフルエンザで申し訳ないが、感染研が2011年に電車に1人乗ってただけでも感染爆発するというシミュレーション出してる。 コロナの飛沫感染に関しては、マスクをしてるだけで感染力は 大幅に下がるんでねぇの? インフルエンザとの違いはそこだね。 したがって、電車に乗る人はマスク着用を義務付けるべきなんだよな。 >>733 今は削除されているのでWebarchiveにある。 曰く 首都圏の鉄道に新型インフルエンザを発症した人が1人乗ったと仮定して、まったく対策を取らなかった場合、重症軽症を含めた感染者数は1週間で12万人に拡大するというシミュレーションがあります。 https://web.archive.org/web/20090915203236/https ://www.terumo-taion.jp/fever/pandemic/06.html コロナが始まって日本人はマスクを買い増したが、アメリカ人が買い増したのはライフル銃の弾。 マスクに関してはこれが面白かった。 A modelling framework to assess the likely effectiveness of facemasks in combination with ‘lock-down’ in managing the COVID-19 pandemic https://royalsocietypublishing.org/doi/10.1098/rspa.2020.0376 Identifying airborne transmission as the dominant route for the spread of COVID-19 https://www.pnas.org/content/early/2020/06/10/2009637117 https://www.pnas.org/content/pnas/early/2020/06/10/2009637117/F3.medium.gif 飛沫の可視化 https://youtu.be/UNHgQq0BGLI >>738 K値ってのは簡単に言うと、適当に数値の比をとったもの。疫学的な意味はない。 >>740 適当に線引いたらそれっぽい数字が出たという数値 K値ってのは1週間の感染者数を総感染者数で割っただけなんだが、そうすると既に大流行が終わったところに2波目が来ても不当に小さい値になってしまう。 そこで適当なところで「リセット」出来ることになっているのだが、それが恣意的な時刻で可能なのが最大の問題。 発明者は「ほら、2波目を予測できてるでしょ」と言うのだが、いやいやそれ都合の良いとこでリセットかけてるだけやんとしか。 >>733 ありがとうございます コロナの現状(マスクあり)でも誰か やっててもよさそうなもんですね 不安を煽るとかで規制あるのかな >>743 解説ありがとうございます。 都合よくあう点を選んで接線を引いて予測どおりというみたいなものという理解でいいですか? >>745 最悪の事態がカイヒできたら叩かれるから自主規制しているのでは。 10/14って何人から感染したんだろうなぁ? どうやれば計算できるだろ? 再生産数から計算できる? >> 京都市は先月市内の飲食店で開かれた小規模のパーティーで新型コロナウイルスの集団感染=クラスターが発生したと発表しました。これまでに男女12人の感染が確認され、市が濃厚接触者などの調査を進めています。 クラスターが発生したのは先月27日に京都市内の飲食店で開かれたパーティで参加した14人のうち今月2日から4日にかけて男女10人の感染が確認されたということです。 また、二次会が開かれたバーの従業員2人の感染も確認され、関係する感染者は合わせて12人に上っています。 京都市は、目安となる「同一の場所で5人以上の感染」が確認されたとして、二次会での感染も含めて新たなクラスターが発生したとしています。 市は濃厚接触者などの調査を進めています。 << https://www3.nhk.or.jp/news/html/20200705/k10012497081000.html >>746 何も分かってない気がする。 >>748 再生産数は平均値だから計算できないよ。(再生産数の推計に対して、実際に感染させた人数がバラついていることからクラスター対策が本丸であることを西浦は見抜いた) >672のデータ https://www.researchsquare.com/article/rs-29548/v1 From the empirical offspring distribution and fitted negative binomial distribution shown in Figure 2B, we estimated an observed reproductive number (R) of 0.58 (95% CI: 0.45 - 0.71) and dispersion parameter (k) of 0.45 (95% CI: 0.31 - 0.76). を使って乱数発生させてシミュレーションしてみた。 mu=0.58 size=0.45 (prob = size/(size+mu)) Rt=rnbinom(1e5,size=size,mu=mu) # reproductive number hist(Rt,breaks = 'scott',freq=F,ann=F) sim <- function(n=10){ infector=sample(1:n,1) # how many infectors? infectee=sum(sample(Rt,infector)) # how many infectees? if(infectee==n) return(infector) # is the number of infectees n? else return(NA) } s=replicate(1e6,sim()) spreader=s[!is.na(s)] hist(spreader,freq=F,ylab='',axes=F,breaks='scott') ; axis(1) BEST::plotPost(spreader,xlim=c(0,10)) mean(spreader) HDInterval::hdi(spreader)[1:2] sum(spreader==1)/length(spreader) 期待値は > mean(spreader) [1] 8.032594 95%CIは > HDInterval::hdi(spreader)[1:2] lower upper 4 10 1人のスーパースプレッダーから広がった確率は > sum(spreader==1)/length(spreader) [1] 0.001580299 >>750 バグに気づいたので撤回。 infectee==10ではなくてinfector+infectee==10だな。 デバッグ版 R=0.58 # mean of reproductive number k=0.45 # dispersion parameter (prob = k/(k+R)) # its probability Rt=rnbinom(1e5,k,mu=R) # random numbers of negative binomial distribution hist(Rt,breaks = 'scott',freq=F,ann=F) # show its histgram sim <- function(n=10){ # simulation infected=0 # initial value while(infected!=n){ # while infected is unequal to n infector=sample(n,1) # prior discrete uniform distribution of infector number infectee=sum(sample(Rt,infector)) # number of infectee infected=infectee+infector # number of infected } return(infector) # when n infected, return infector number } spreader=replicate(1e5,sim()) # simulation & calculation hist(spreader,freq=F,ylab='',axes=F,breaks='scott') ; axis(1) HDInterval::hdi(spreader)[1:2] # 95% credibility interval BEST::plotPost(spreader) # graph with 95%CI & mean summary(spreader) sum(spreader==1)/length(spreader) # the probability of single super-spreader まあ、パーティー中に感染させる人数に再生産数を流用していいかは疑問ではあるが、 実効結果は https://i.imgur.com/ApDSW1J.png 95% CI > HDInterval::hdi(spreader)[1:2] # 95% credibility interval lower upper 3 9 中央値、平均値、四分位値 > summary(spreader) Min. 1st Qu. Median Mean 3rd Qu. Max. 1.000 6.000 7.000 6.844 8.000 10.000 1人のスーパースプレッダーの確率 > sum(spreader==1)/length(spreader) # the probability of single super-spreader [1] 0.00104 ■ このスレッドは過去ログ倉庫に格納されています
read.cgi ver 07.5.4 2024/05/19 Walang Kapalit ★ | Donguri System Team 5ちゃんねる