Dans cet article, 2020 Année 3 Mois vingt-trois Les données de date sont utilisées.
La source de données: Centre européen de prévention et de contrôle des maladies ( ECDC )
L'élan du nouveau coronavirus fait rage plus que prévu, et il est signalé que le nombre de personnes infectées augmente rapidement aux États-Unis et en Europe. Au Japon, le nombre de personnes infectées augmente de jour en jour, mais je ne pense pas qu'il y ait beaucoup de sens qu'il augmente rapidement comme aux États-Unis et en Europe.
Dans cet article, nous appliquerons un modèle aux données sur le nombre de personnes infectées dans chaque pays et examinerons le degré d'augmentation du nombre de personnes infectées. JMP Utilisons la plate-forme "croissance de la fiabilité" de fiabilité? Cela n'a-t-il pas grand-chose à voir avec les données sur les infections ? Vous pensez peut-être cela, mais j'ai beaucoup appris en l'utilisant.
Qu'est-ce que la plate-forme « croissance de la fiabilité » ?
JMP Puis dans la barre de menus [ analyse ] > [ fiabilité / Analyse de survie ] Comme vous suivez [ croissance de la fiabilité ] menu peut être trouvé. probablement JMP Cette fonctionnalité peut être inconnue même des utilisateurs principaux de .
"Reliability Growth" est une plateforme qui analyse principalement les défaillances des choses et des systèmes. Basé sur le processus de Poisson basé sur les données sur le nombre de pannes (événements) qui se sont produites au fil du temps Corbeau-AMSAA adapter le modèle. Par ajustement, il est possible de voir si le nombre de pannes augmente ou diminue, et il est possible d'obtenir le temps moyen avant panne (intervalle moyen entre pannes), qui est un indicateur de la durabilité du système.
Corbeau-AMSAA Le modèle suit l'exponentiation. En prenant l'exemple du nouveau coronavirus cette fois, l'image est que le nombre de personnes infectées augmente avec la puissance du temps.
Le modèle réel des maladies infectieuses devrait être plus compliqué, et cette plateforme n'a pas pour but d'analyser le nombre de personnes infectées cette fois, mais nous envisageons également une analyse exploratoire, modélisons la situation d'occurrence du nombre de clients par cette "croissance de la fiabilité" .
Visualisation du nombre cumulé de personnes infectées
À l'exception de la Chine, où le nombre de personnes infectées a augmenté en premier, les pays avec plus de personnes infectées cumulées que le Japon sont vingt-deux pays. y compris le Japon vingt-trois Traçons le nombre cumulé quotidien de personnes infectées pour chaque pays dans le générateur de graphiques.
Le graphique est divisé par région, l'axe horizontal représentant la date et l'axe vertical représentant le nombre cumulé de personnes infectées à cette date, mais l'axe vertical est sur une échelle logarithmique.
En bleu clair du Japon (graphique en haut à gauche), 3 Mois vingt-trois Le nombre cumulé de personnes infectées à ce jour est de 1089 Je suis une personne. Au Japon, les personnes infectées ont été détectées tôt, mais par rapport à d'autres pays, vous pouvez voir que le nombre de personnes infectées n'a pas tellement augmenté. Le même pays asiatique, l'Iran (en rose), qui a d'abord détecté ses premiers cas plus tard que les autres pays asiatiques, compte désormais le nombre cumulé de cas le plus élevé de la région asiatique.
Europe (graphique en haut à droite) dans de nombreux pays 3 Le nombre de personnes infectées a augmenté rapidement depuis le début du mois, et vous pouvez voir que le nombre de personnes infectées aux États-Unis, au Canada (graphique en bas à gauche) et au Brésil (graphique en bas à droite) augmente également rapidement.
Adapter le modèle à la "croissance de la fiabilité"
Pour les pays visualisés ci-dessus, en utilisant la plateforme « Reliability Growth », Corbeau-AMSAA J'essaie d'adapter le modèle. Les données à utiliser dépendent de chaque pays ( emplacement ) dans la journée (date) personnes infectées par (Confirmé) est saisi, cliquez sur l'onglet "Format de date" et spécifiez les colonnes comme suit.
Cliquez ensuite sur le bouton triangle rouge, [ Ajustement du modèle ] > [Corbeau AMSAA] Choisir.
La courbe verte est la courbe ajustée. Confirmant visuellement la qualité de l'ajustement, certains pays s'intègrent bien, tandis que d'autres ne s'intègrent pas bien. Ici, y compris le Japon Quatre Considérez la situation appropriée pour un pays.
* Veuillez noter que l'axe vertical (nombre cumulé de personnes infectées) dans le graphique ci-dessous a une plage de valeurs différente pour chaque pays.
Etats-Unis
3 Le nombre de personnes infectées a fortement augmenté depuis janvier, mais on peut dire que le modèle capte bien ce phénomène.
Japon
Selon les données utilisées cette fois, la première personne infectée a été enregistrée au Japon 1 Mois 15 C'est jour. Pour cette raison, le nombre de personnes infectées est supprimé par rapport à d'autres pays. En tant que modèle, il y a des moments où il ne correspond pas bien, mais on peut considérer qu'il s'agit d'un modèle qui capture généralement les caractéristiques du nombre de personnes infectées.
L'Iran
Le premier cas d'infection enregistré en Iran a été 2 Mois 20 C'est jour. d'ici 3 Le nombre de personnes infectées augmente rapidement de mois en mois. 3 Mois 7 Étant donné que le nombre réel de personnes infectées se situe au-dessus de la courbe ajustée du jour, il montre l'augmentation rapide du nombre de personnes infectées à ce moment-là.
Corée
Vous pouvez voir que ce modèle ne peut pas du tout expliquer la situation de l'infection en Corée du Sud. 2 fortement augmenté par rapport à la seconde quinzaine de mois, 3 Cela n'explique pas le ralentissement depuis le début du mois.
Quand la tendance de la fréquence des infections change-t-elle ?
Dans l'exemple ci-dessus, l'Iran et la Corée du Sud ne correspondaient pas bien. Une raison possible à cela est que la tendance de la fréquence des infections a changé depuis un certain temps.
Dans "croissance de la fiabilité", [ Division Weibull-NHPP détection de point de changement ] Il existe une méthode d'ajustement qui détecte le moment où la tendance change à partir des données (point de changement) et a des paramètres de forme distincts (β) avant et après le point de changement Corbeau-AMSSA Vous pouvez adapter le modèle. Pour l'Iran et la Corée du Sud, où le modèle ne correspondait pas bien cette fois, nous essaierons d'ajuster un modèle divisé par ce point de changement.
La courbe bleue est la Weibull-NHPP Ce sera la ligne ajustée pour la détection du point de changement. Un rapport sur les estimations des paramètres et les points de changement n'est pas non plus présenté ici.
L'Iran
le point de changement est 3 Mois 8 C'est jour. pour cette raison 3 Mois 8 Un modèle avec différents paramètres de forme avant et après la journée est ajusté. Visuellement, l'ajustement du modèle divisé par ce point de changement (courbe bleue) semble meilleur. Dans la "liste des modèles" au bas du rapport, il y a un index montrant la qualité de l'ajustement AICc ou BIC est affiché. Des valeurs plus petites de ces indices indiquent un meilleur ajustement, donc même à en juger par les indices, on peut voir que les modèles divisés par des points de changement sont mieux ajustés.
Corée
le point de changement est 3 Mois 7 C'est jour. Même le modèle divisé par ce point de changement n'est pas un bon ajustement, mais il est visuellement plus visible que le premier modèle (vert). AICc ou BIC Vous pouvez également voir que l'ajustement est meilleur lorsque vous le regardez avec . Le modèle (bleu) divisé par le point de changement est 3 Mois 7 Cela explique en partie la diminution de la fréquence des infections depuis mars 2019.
Considération par la fonction d'intensité
Dans Confidence Growth, il existe une option pour afficher un graphique de la fonction de force pour le modèle ajusté.
" Force ” indique la densité de l'infection à ce moment-là, ” fonction d'intensité ” est fonction de l'intensité dans le temps. ici Corbeau-AMSSA La dérivée temporelle du modèle est la fonction d'intensité, qui est la limite de la probabilité d'infection en un temps très court divisée par l'intervalle de temps. En regardant le graphique de la fonction d'intensité, nous pouvons voir si le nombre de personnes infectées a augmenté ou diminué rapidement.
Ci-dessous est montré plus tôt Quatre L'Iran et la Corée du Sud sont des fonctions d'intensité pour chaque modèle ajusté au point de rupture.
*Veuillez noter que la plage de valeurs sur l'axe vertical est également différente dans les graphiques suivants.
Etats-Unis
Japon
les États Unis 3 Mois 15 On peut voir que la fonction d'intensité augmente rapidement autour de la journée. Les nouvelles ont également rapporté que le nombre de personnes infectées a fortement augmenté à partir d'ici. Le Japon est également en hausse, donc je m'inquiète pour l'avenir, mais la valeur de force elle-même ( Oui valeurs de l'axe) sont faibles par rapport à d'autres pays.
L'Iran
Corée
L'Iran et la Corée du Sud changent la couleur de la fonction d'intensité avant et après le point de changement. L'Iran est 3 Mois 1 Le nombre de personnes infectées augmente fortement de jour en jour, ce qui est un tournant. 3 Mois 8 Bien que l'augmentation ait légèrement ralenti depuis, on constate qu'elle continue d'augmenter. En revanche, on peut dire que l'augmentation rapide en Corée du Sud a été réprimée après le tournant. Il est vrai que le nombre de personnes infectées continue d'augmenter, mais c'est une bonne tendance qui peut conduire à une convergence.
Tendances du nombre de personnes infectées à l'avenir
La "croissance de la fiabilité" introduite cette fois n'est en aucun cas une plate-forme axée sur les prévisions futures. À partir des données actuelles, nous avons étudié la tendance à la hausse du nombre de personnes infectées, le degré d'augmentation, etc.
Actuellement, le nombre de personnes infectées augmente rapidement dans le monde et il est souligné qu'il pourrait devenir une pandémie. Le paramètre d'échelle β de la fonction d'intensité est 1 Une valeur plus petite indique que le nombre de personnes infectées diminue avec le temps, donc pour tout pays, la valeur de β est 1 J'aimerais juste qu'il soit plus petit. Je continuerai à collecter et à analyser des données.
