常に検証可能なデータを求める文化に向かって

OWDの画像から。ワクチン接種状況。

と、この4ヶ国の感染確認者数の週間移動平均の推移。

感染確認者数変動、日本とシンガポールを見る限りワクチン効果以外の原因が強く働いているようだ。

このことは、ワクチン接種率だけで集団免疫に期待する根拠はないと見るべきであろう。

だからと言ってこの状況から、発症や重症・死亡に関しワクチンが無効という証拠にはならないことにも注意しよう。

私には、感染が一方的に増大せず、何度も所謂「波」と言われる減少に転ずるのが当たり前と思われているのが理解出来ない。この現象は科学的には波動ではないことは明らかであり、日感染数がなぜ集団免疫とは程遠い初期段階で減少に転じるのか、季節変動で説明がつくだろうか？　

COVID-19 感染爆発の波　感染者数はどうして増減を繰り返すのか？

世界に流通している研究機関の報告を見ても、政府や行政の外出制限や都市のロックダウンによる感染減少の直接的な証拠を示す報告は見られない。

新型コロナ感染防止対策　政府の対応はどの程度の効果を示すか？

何れにしても、日感染数がなぜ減少に転じるのか？　この研究こそ大切に思う。

下のグラフは、各国の総人口に対するCOVID-19死亡者数の割合％の推移を示す。OWDデータベースより。

大陸から離れた西太平洋沿岸の4ヶ国、日本、韓国、台湾、シンガポールは、死亡者が欧米より1桁あるいは2桁少ないことが分かる。

同データを、増加率で比べるために縦軸を対数で示したものが下図である。

日本は、感染防止対策が厳しい韓国、台湾、シンガポールに比べれば死亡率が2倍ほど大きいが、欧米諸国の十分の一程度である。政府の感染対策が大きく異なったスウェーデンとドイツでもその差異はわずかである。発生初期を除けば死亡者の増加は中・高緯度地方では12月～1月に起こっているが熱帯に近い台湾、シンガポールでは見られない。このことから、季節性効果とも見える。

とはいうものの、今回のインフルエンザに限定すれば、予測の根拠となる科学的データに乏しくモデルの構築も難しい。

私は、感染は人と人の社会的交流によるのであることから、年間の社会的季節行事に依存する効果が大きいと考え、それを現時点で得られる唯一の予測根拠と考え、2020年の感染者再生産率の推移に基づき今年2021年の感染者数の予測をしてみた。

下のグラフで、青線と黄色線がそれである。この方式での予測は、再生産者率の算出方法に微妙に影響する。そこで、OWDの表に記載されているreproduchion_rateを用いて予測したものをTI20_OWD（黄色線）、1週間の合計感染者数を基準として直近1週間の感染数をその前週の感染者数で割った値を実効再生産者率とした推定値をTI20_WEEK（青色線）とした。また、OWDデータをダウンロードして、ICL（紫線）及びIHMEの予測値（赤色線）をグラフに重ねて描いた。また、青棒は日毎に発表されている感染確認数である。

実際の感染確認者数と予測値の開きは様々に見える。この原因は基礎となる根拠が乏しいことによると思われる。

私の（TI20）予測方式では現時点ではかなりよい一致が見られ、さらに年末までの予測をすることが出来る。

参考：　下のグラフは、Our World in Data の日本の場合のグラフ画像を転載した。

• Imperial College London (ICL)
• The Institute for Health Metrics and Evaluation (IHME)
• Youyang Gu (YYG)
• The London School of Hygiene & Tropical Medicine (LSHTM)

https://ourworldindata.org/grapher/daily-new-estimated-infections-of-covid-19?country=~JPN

OWDが集計した日本のデータベースから、２０２０～２０２１年の超過死亡数と、COVID-19による死亡者数をグラフにした。超過死亡者数は2020以降の月間総死亡者数から2019～2019年までの同月平均死亡者数を引いたものでエラーバーの幅は平均値の５％信頼度の統計的な確率範囲である。

前のブログに書いたように、集計上の過剰死亡者数がコロナ確認感染死亡者数より多いからと言って日本の行政システムが故意にCOVID-19死亡者を隠していると言い切ることは出来ない。傾向として年々死亡者数が増加する傾向があるかもしれない等。ただその正確な原因を探ることは必要と思う。

2020年からの死亡者数は新型コロナの死亡数によって平年（２０１５－２０１９）の死亡数より増加（過剰死亡）しているだろうか？　これを世界中から集計したデータベースがインターネットで公開されている。

View our work on COVID-19 vaccinations

Shown is how the number of monthly deaths in 2020–2021 differs from the number of deaths in the same period over the year.　number of deaths might not count all deaths that occurred due to incomplete coverage and delays in death reporting.　より。

エラーバーは5年間の同月変動の標準偏差の2倍幅を表す。

これで見ると日本の場合、COVID-19による過剰死亡増が確実に見られるのは2021年の3月以降といえる。

また、この過剰死亡数だけがCOVID-19によると推定するのも正しくない。なぜならば、人々の感染に対する防御意識が高まり他の感染性疾患の罹患率も下がる効果が推定される。一方、基礎疾患を持ち継続的な医療を受ける患者が感染を恐れるために医療機関に出向くことを避け重症化する場合など、医療崩壊まで行かなくても医療環境が変わり、以前の統計値とは母集団が変わったであろうことも無視できない。

参考のために作成した次のグラフは、COVID-19だけの死亡者増加率といえる証拠はない、。

ここで見られるもう一つの日本の死亡者数の特徴。今回の新型コロナ、重大な災害と騒がれている感染死亡率だが、平年の冬季の死亡増の方が大きいといえる。

下図に北半球の数か国のCOVID-19感染状況を転写した。日本は各月末の集計値しか報告されていない。他の国は週ごとの値である。このことから残念ながら直接比較はできないが、日本では過剰死爆発は見られない。赤線が2021年、紫線が2020年の経過である。

何れも上記OWDの画像より。

NHK編集の東京都モニタリングによる画像。

https://www3.nhk.or.jp/news/special/coronavirus/number-tokyo/monitoring.html

これと、私が作成した東京都の日毎の感染確認者数と簡易（実効）再生産率（7日あたり）を示した。

これで見ると、感染者の簡易再生産率は接触履歴不明者の増減率と酷似している。接触歴不明者の増加と感染再生産率は同じ原因に関係しているとみられる。

これを見ても、コロナ感染防御には感染者との接触歴の追跡できる感染者数の谷間の制御が効果的であることが分かる。

今までこのブログに書いてきたように、幾つかの証拠から、感染者数暴発の頂点での感染防止対策は全く無意味であることを示している。

日毎発表されるCOVID-19の感染者数は増減を繰り返しそれを波動と云って当たり前のように思われているが、その現象の原因を理解するための論文や解説書は容易に見つからない。

感染の蔓延を防止するためには、感染が減少する原因を知って初めて効果的な対応の方策を立案し実行できるはずである。一番悪いのは、感染暴発の頂点まで待って何もしなくても感染が縮小に転ずる時期に、都市や行政区のロックダウンあるいはそれに近い処置を強行する人気取りの行政である。これは経済的ダメージを無意味に大きくするだけのことにしかならない。

私は、この感染爆発がある時点でピークに達し減少に転ずる理由を集団の社会的接触規模の大きさに依存するとして簡単なモデルで試算してみた。

モデルの基本として、日毎の感染者数の直近１週間合計をその前の週の感染者数で割った比を感染の実効再生産率とし、ある時点での新感染者が日毎にどの様に社会に感染を拡大していくかを計算する。ただしそのままでは国の人口に近ずく迄感染増大は止まらないので波動現象は起こらない。感染が小さな規模で縮小するのは、最初の感染者の属する社会的接触集団の大きさに依存する。実効再生産率が1.0以上の場合感染者数は日を追うごとに指数関数的に増大するが、ある期間での社会的接触集団の大きさを考える場合、累計感染者数がこの集団総数に近づくにつれ集団免疫効果で新しく感染を受ける未免疫人口が減る。これが感染減少の原因と考える。

計算式は

I_n=I_(n-1) exp((R_n-1)/7(M-Σ₁^(n-1)I_(n))/M)

n=0,1,2, 経過日数　I_n=日ごとの感染者数、 I₀=初期感染者数、R_n=日ごとの実効再生産率、M=社会的接触人数

下の組みグラフは、右列は実際の確認者数に基づいた7日移動平均の感染者数と実効再生産率の推移であり、左列は一致する定数を仮定して上記式で計算した結果である。

これで、ある集団での少数で始まった感染者が次々に感染させ感染者が増大するが、集団規模の大きさに依存する集団免疫効果により減少に転ずるいわゆる波動現象が現れるのでは。

以上で分かったことは、感染爆発のピークを小さくするためには、感染開始初期の段階で小さな社会的接触集団の内に有効な感染防止規制（隔離）を行って初めて感染防止効果を上げられることである。

世界でこの合理的規制で効果を上げた実例は、台湾とニュージ―ランドだけと云えないだろうか。

行き過ぎた「煽り記事」から距離を、新型コロナ報道の読み方

ＮＨＫの取材能力を疑う記事。”東京 今月中に重症病床“満床”の試算も 医療体制は大丈夫か?” 8月5日　の記事で、京都大学西浦教授による試算として　東京の感染者数を　8月12日 11,169人、8月26日　32,280人として記事にしている。

下のグラフは、私が昨年2020年の実効再生産率変動を基に今年同期の感染者予測（赤線）を描いたものである。

このグラフに上記、NHK記事の試算値なるものを青丸で記入した。

グラフの紺色縦棒は東京の今年の日あたりの公表感染者確認数である。誰が見てもこの青丸印は何の意味もないただの算術としか見えない。こんな数字を社会的意味があるような記事にする科学音痴のNHK編集局に驚く。

科学は言い換えれば予測の学問である、科学の予測作業は根拠のあるデータに基づく多くの同研究者が受け入れる理論（モデル）により導き出されるもので、一流大学の教授が言った言わないの問題ではない。

私の試算の根拠は、我々の社会活動は年間の行事に大きく依存する。その結果、感染症の伝染は毎年同じ傾向を示す要素が大きいと思われる。現在得られるデータだけでは科学的モデルの構築は無理と思われるが、上記の理由により昨年の感染確認数より週間当たりの実勢再生産率を求め、本年の7月1日以降これに従うと仮定して計算した予測が赤線グラフである。

ここでは、私の予測が正しかったと主張するのがが目的ではなく、専門家の科学者が中学生の計算の様な予測を無条件に云うわけがなく、取材者の理解能力の欠如としか思えない。

ここで強調したいのは、記事の予測が外れたから非難するのではなく、予測にならない根拠で計算された数値を記事にしたことである。

以下に参照した記事のコピーを添付する。

NHKの集計データを用い計算した簡易再生産率の季節変化から推定した2021年の感染推移（赤線）に今日までの感染確認数公表値（紺色棒）を描いたものが下の二つのグラフである。

東京では、

日本全国の集計値では、

全国では東京に比べ推定値より実勢値の遅が大きいように見えるが、何れも第5次の感染拡大は峠を越えたようだ。

警戒すべきは年末年始の社会行事に伴う感染暴発（第６次）の予測に向けて、科学的根拠のある有効な対策を求め実行すべき時期であろう。