En este articulo, 2020 Año 3 Mes veintitrés Se utilizan datos de fecha.
Fuente de datos: Centro Europeo para la Prevención y el Control de Enfermedades ( ECDC )
El impulso del nuevo coronavirus está más acelerado de lo esperado, y se informa que la cantidad de personas infectadas está aumentando rápidamente en los Estados Unidos y Europa. En Japón, el número de personas infectadas aumenta día a día, pero no creo que tenga mucho sentido que esté aumentando rápidamente como en Estados Unidos y Europa.
En este artículo, aplicaremos un modelo a los datos sobre el número de personas infectadas en cada país y examinaremos el grado de aumento del número de personas infectadas. JMP Usemos la plataforma de "crecimiento de confiabilidad" de ¿fiabilidad? ¿No tiene mucho que ver con los datos de infección? Puedes pensar eso, pero aprendí mucho cuando lo usé.
¿Qué es la plataforma de “crecimiento de la confiabilidad”?
JMP Luego en la barra de menú [ análisis ] > [ fiabilidad / Análisis de supervivencia ] mientras sigues [ crecimiento de la confiabilidad ] se puede encontrar el menú. probablemente JMP Incluso para los usuarios principales de , esta función puede resultarles desconocida.
"Reliability Growth" es una plataforma que analiza principalmente fallas de cosas y sistemas. Basado en el proceso de Poisson basado en los datos sobre cuántas fallas (eventos) han ocurrido a lo largo del tiempo Cuervo-AMSAA ajuste el modelo. Mediante el ajuste, es posible ver si el número de fallas aumenta o disminuye, y es posible obtener el tiempo medio hasta la falla (intervalo promedio entre fallas), que es un indicador de la durabilidad del sistema. .
Cuervo-AMSAA El modelo sigue la exponenciación. Teniendo en cuenta el ejemplo del nuevo coronavirus esta vez, la imagen es que la cantidad de personas infectadas aumenta con el poder del tiempo.
El modelo real de enfermedades infecciosas debería ser más complicado, y esta plataforma no pretende analizar la cantidad de personas infectadas esta vez, pero también consideramos un análisis exploratorio. Modelemos la situación de ocurrencia de la cantidad de clientes por este "crecimiento de confiabilidad". .
Visualización del número acumulado de personas infectadas
A excepción de China, donde el número de personas infectadas aumentó primero, los países con más personas infectadas acumuladas que Japón son Veintidós país. incluyendo Japón veintitrés Tracemos el número acumulativo diario de personas infectadas para cada país en el generador de gráficos.
El gráfico está dividido por región, con el eje horizontal que representa la fecha y el eje vertical que representa el número acumulado de personas infectadas en esa fecha, pero el eje vertical está en una escala logarítmica.
En azul claro de Japón (gráfico superior izquierdo), 3 Mes veintitrés El número acumulado de personas infectadas a día de hoy es 1089 Soy una persona. En Japón, las personas infectadas se encontraron temprano, pero en comparación con otros países, se puede ver que la cantidad de personas infectadas no ha aumentado tanto. El mismo país asiático, Irán (en rosa), que primero detectó sus primeros casos más tarde que otros países asiáticos, ahora tiene el mayor número acumulado de casos en la región asiática.
Europa (gráfico superior derecho) en muchos países 3 La cantidad de personas infectadas ha aumentado rápidamente desde principios de mes y puede ver que la cantidad de personas infectadas en los Estados Unidos, Canadá (gráfico inferior izquierdo) y Brasil (gráfico inferior derecho) también está aumentando rápidamente.
Ajuste el modelo con "crecimiento de confiabilidad"
Para los países visualizados arriba, utilizando la plataforma "Crecimiento de confiabilidad", Cuervo-AMSAA Trato de encajar en el modelo. Los datos a utilizar dependen de cada país ( ubicación ) en el día (fecha) personas infectadas por (Confirmado) se ingresa, haga clic en la pestaña "Formato de fecha" y especifique las columnas de la siguiente manera.
Luego haga clic en el botón del triángulo rojo, [ Ajuste del modelo ] > [Cuervo AMSAA] Elegir.
La curva verde es la ajustada. Confirmando visualmente la bondad del ajuste, algunos países encajan bien, mientras que otros no encajan bien. Aquí, incluido Japón cuatro Considere la situación adecuada para un país.
* Tenga en cuenta que el eje vertical (número acumulado de personas infectadas) en el gráfico a continuación tiene un rango de valores diferente para cada país.
EE.UU
3 El número de personas infectadas ha aumentado considerablemente desde enero, pero se puede decir que el modelo capta bien este fenómeno.
Japón
Según los datos utilizados esta vez, el primer infectado se registró en Japón 1 Mes 15 es de dia Por esa razón, la cantidad de personas infectadas se suprime en comparación con otros países. Como modelo hay momentos en los que no encaja bien, pero se puede considerar que es un modelo que en general capta las características de número de contagiados.
Irán
El primer caso registrado de infección en Irán fue 2 Mes 20 es de dia de aquí 3 El número de personas infectadas aumenta rápidamente de un mes a otro. 3 Mes 7 Dado que el número real de personas infectadas se encuentra por encima de la curva ajustada del día, muestra el rápido aumento en el número de personas infectadas en ese momento.
Corea
Puede ver que este modelo no puede explicar la situación de infección en Corea del Sur en absoluto. 2 aumentó considerablemente a partir de la segunda mitad del mes, 3 No explica la ralentización desde principios de mes.
¿Cuándo cambia la tendencia de la frecuencia de infección?
En el ejemplo anterior, Irán y Corea del Sur no encajaban bien. Una posible razón de esto es que la tendencia en la frecuencia de infecciones ha cambiado desde un cierto período de tiempo.
En "crecimiento de la confiabilidad", [ División Weibull-NHPP detección de puntos de cambio ] Hay un método de ajuste que detecta el punto en el tiempo cuando la tendencia cambia a partir de los datos (punto de cambio) y tiene parámetros de forma separados (β) antes y después del punto de cambio Cuervo-AMSSA Puede adaptarse al modelo. Para Irán y Corea del Sur, donde el modelo no se ajustó bien esta vez, intentaremos ajustar un modelo dividido por este punto de cambio.
La curva azul es la Weibull-NHPP Esta será la línea ajustada para la detección del punto de cambio. Tampoco se muestra aquí un informe de estimaciones de parámetros y puntos de cambio.
Irán
el punto de cambio es 3 Mes 8 es de dia por esta razón 3 Mes 8 Se ajusta un modelo con diferentes parámetros de forma antes y después del día. Visualmente, el ajuste del modelo dividido por este punto de cambio (curva azul) se ve mejor. En la "lista de modelos" en la parte inferior del informe, hay un índice que muestra la bondad del ajuste AICc o BIC se visualiza. Los valores más pequeños de estos índices indican un mejor ajuste, por lo que, incluso a juzgar por los índices, se puede ver que los modelos divididos por puntos de cambio se ajustan mejor.
Corea
el punto de cambio es 3 Mes 7 es de dia Incluso el modelo dividido por este punto de cambio no encaja bien, pero es visualmente más visible que el primer modelo ajustado (verde). AICc o BIC También puede ver que el ajuste es mejor cuando lo mira con . El modelo (azul) dividido por el punto de cambio es 3 Mes 7 Esto explica en cierta medida la disminución de la frecuencia de contagios desde marzo de 2019.
Consideración por función de intensidad
En Confidence Growth, hay una opción para mostrar un gráfico de la función de fuerza para el modelo ajustado.
“ Fortaleza ” indica la densidad de infección en ese momento, ” función de intensidad ” es una función de la intensidad en el tiempo. aquí Cuervo-AMSSA La derivada temporal del modelo es la función de intensidad, que es el límite de la probabilidad de infección en un tiempo muy corto dividido por el intervalo de tiempo. Al observar el gráfico de la función de intensidad, podemos ver si la cantidad de personas infectadas aumentó o disminuyó considerablemente.
A continuación se muestra anteriormente cuatro Irán y Corea del Sur son funciones de intensidad para cada modelo ajustado de punto de cambio.
*Tenga en cuenta que el rango de valores en el eje vertical también es diferente en los siguientes gráficos.
EE.UU
Japón
los Estados Unidos 3 Mes 15 Puede verse que la función de intensidad aumenta rápidamente a lo largo del día. La noticia también informó que el número de personas infectadas aumentó considerablemente por aquí. Japón también está en ascenso, así que me preocupa el futuro, pero el valor de la fuerza en sí mismo ( Y valores del eje) son pequeños en comparación con otros países.
Irán
Corea
Irán y Corea del Sur cambian el color de la función de intensidad antes y después del punto de cambio. Irán es 3 Mes 1 El número de personas infectadas aumentó considerablemente día a día, lo cual es un punto de inflexión. 3 Mes 8 Aunque el aumento se ha ralentizado ligeramente desde entonces, podemos ver que sigue aumentando. Por el contrario, se puede decir que el rápido aumento en Corea del Sur se ha suprimido después del punto de inflexión. Es cierto que el número de infectados sigue aumentando, pero es una buena tendencia que puede conducir a la convergencia.
Tendencias en el número de personas infectadas en el futuro
El "crecimiento de la confiabilidad" presentado esta vez no es de ninguna manera una plataforma enfocada en predicciones futuras. A partir de los datos actuales, investigamos la tendencia creciente del número de personas infectadas, el grado de aumento, etc.
Actualmente, la cantidad de personas infectadas está aumentando rápidamente en todo el mundo, y se señala que puede convertirse en una pandemia. El parámetro de escala β de la función de intensidad es 1 Un valor menor indica que el número de personas infectadas disminuye con el tiempo, por lo que para cualquier país, el valor de β es 1 Solo desearía que fuera más pequeño. Seguiré recopilando y analizando datos.
