常に検証可能なデータを求める文化に向かって

グラフの誤り訂正。申し訳ありません、グラフを訂正しました。

第7次感染暴発は最大で孤立した時系列の変異であった。この感染確認者数の地域別感染経緯の変遷を追跡してみた。

上のグラフは、左から各地域の感染系列の遅れ日数、感染確認者の総計数、ピーク時に於ける感染者数の最大人数、東京の感染推移曲線との移動相互相関係数の最大値。何れも各地域ごとに人口10万人当たりに換算した3週間移動平均値を道いた。

沖縄、島根を除く45地域では、東京から始まって日遅れの感染が進み最後の徳島迄2週間の遅れが見られる。最左列のグラフ。

先ず、一番の特徴は沖縄で東京より6日速く感染が始まり、感染者率が最も大きい。感染推移曲線の他の地域との相互相関は比較的下位にあることから異なった感染経路又は異種のゲノムの変異株とも考えられる。他の例外では、島根の場合人口が少ないことから見られる誤差かもしれない。

感染確認者数の頂点に於ける人数、第7次の累計感染確認者数、何れも感染の遅れとともに減少している。左から2，3列のグラフ。

各地域の感染曲線の東京に対する相互相関係数は殆ど0.95以上で、各地域ごとの感染時系列は非常によく似ている経過を辿っていることが分かる。最右グラフ。

このように、日本の感染は、最も人口交流の激しい東京から始まり、2週間以内に国内全域に蔓延した。感染の時系列曲線の形態は各地域とも非常によく一致しているが感染が遅れた地域では感染者が少ない傾向がある。

＊＊　誤ったグラフ　＊＊

感染確認者推移とその集団から遅れて発生する死亡者推移について、各感染増大次数毎に分けて分析し、グラフに示した。

下の表に各次元ごとの特性を示す。

先ず、感染確認者数と死亡者数曲線の日ずらし相互相関係数の最大値はすべて0.9以上で非常によく一致していて、このことは、集計データの信頼性を示していると考えられる。

感染確認者の日差調整後の死亡率は異なり第1次から4次までが1％以上、第5次から第7次までは0.3％以下であるが、不気味にも第8次ではまた2％以上になって死亡率の高い変異株であることが推定される。

感染確認から死亡者が記録されるまでの日遅れは何れも2週間から3週間程度であった。

昨日のブログ記事、対数グラフで纏めてみた。

2021年月以降日本の人口に対する感染確認者数は他の国と変わらなく上昇したが、感染者の死亡率は低い状態を維持していることが分かる。

最も正確と見られる日本の集計データ。

世界で感染が拡大して3年近く、いろいろな情報が流された。ここでは、OWiDが集計したデータに基づいて感染確認者数と死亡者数の推移との関係を比べてみた。休日などの社会的活動の変化を軽減すあるため、日々の集計値の3週間(21日）移動平均（rolling average)用いた。

下の組みグラフは上段から、各国の感染確認者数と死亡者数、感染確認と死亡数推移の日遅れ相互相関係数、及び日遅れを補正した感染者の死亡率を示した。

当然ながら、感染者と死亡者の推移曲線には相関があるはずで、3年間の全機関について感染確認曲線に対し死亡遅れを進めながら移動相互相関係数を示したものが中断の確率グラフである。

死亡率グラフは、感染確認数に死亡遅れ日数を進め重ね合わせた時の感染確認者に対する死亡率である。

下の表は、上記の要点を纏めたものである。

ここで特筆すべきは、日本の場合、感染確認者曲線と死亡曲線の相互相関係数に強い関連性を示している。相関係数0.89。これは、わが国の場合、当初から発熱など感染発症者とその濃厚接触者をもれなく検査した医療機関・保健所などのぶれない集計、実行可能な検疫方式を貫いた結果ではなかろうか。

人口当たりのこの期間中の総死亡者率は0.06で他の国に比べ極めて少ない結果を示している。

3年余り、発生初期の混乱期を含め、地域保健所及び医療機関からの報告による集計値。これは、統計的にぶれない一貫した根拠による貴重なデータと見られる。

下のグラフは、日々の集計数を週日や長期休日の影響を軽減するため3週間(21日）平滑化平均値を用いて描いたものである。感染確認者数の時系列にほぼ一定期間遅れて死亡者数が推移している様子が見られる。

縦軸を対数軸にして表したのが次のグラフで、感染、死亡共に上昇の傾向が続いていることが分かる。この対数グラフで直線近似が見られることは、実際の上昇は指数関数的に増大していることを意味し、まだ安心できない状況であることが分かる。幸いなことに、感染者増に比べ死亡者の上昇が低く推移していることが分かる。

感染確認数と死亡者数推移から日ずらし相互相関係数から死亡遅れの日数を統計的に推定できる。その結果は下のグラフの様で、1６日あたりと見られる。

感染確認者の中から発生する死亡遅れを調整した死亡率推移と総人口に対するワクチン接種率を比較してみた。何れも3週間(21日）移動平均を用いた。死亡率は厚生労働省のデータを用いて計算*、ワクチン接種率はOWiDの集計値を用いた。

これだけを見る限り、死亡率に対してはワクチンの接種効果は偉大な様に見える。

total_vaccinations_per_hundred　　　Total number of COVID-19 vaccination doses administered per 100 people in the total population　

total_boosters_per_hundred　　　　Total number of COVID-19 vaccination booster doses administered per 100 people in the total population

Data on COVID-19 (coronavirus) by Our World in Data・　日本のデータをどのデータベースからどのように集計したかが分からない。

一方、感染確認者数の推移とワクチン接種率をグラフにすると以下の様にワクチンによ感染防止効果は見られない。

COVID-19発生当初から見ると、感染は何度かの増加・減少を繰り返し、それぞれゲノムに違いが見られるようである。死亡率の減少はウィルスの形質の変化であり、実際に投与されたワクチンの成果とは言えないともいえる。総合的な研究の対象にはなろう。

*　死亡率の計算についてのブログ記事。

COVID-19 感染確認者数と死亡者数　3週間移動平均配列間の日ずらし相互相関係数最大値から求めた死亡率

2023/02/01

厚生労働省のオープンデータによる東京の日ごとの感染確認集計数から。

指数近似で用いたデータは

I_n=I_n-1R₀e^{((αn-1)/7+1)}　　　n：近似は開始からの日数　

I₀=1800,   R₀=1.6,   α=-0.0086

今回は、年末年始の長期休暇と社会的人口交流の変化の期間に当たりその影響を軽減するため、3週間(21日）移動平均を用いた。

感染力の強い特定の変異株の寿命が感染収縮の主要な変数として近似できるのでは？

値域自治体別累積死亡者数（人口10万人当たり）を記録の最終日(2023/2/21日)の値でソーティングし並び変えた３Dグラフを下に示す。死亡者数の違いがあっても日次の累積進行状況は全国ほぼ同じ形態で特異な状況は見られない。

下表は上のグラフの左側壁面左端からのデータに相当する地域名と数値表の詳細である。

最大死亡者数の大阪と最少の新潟を比べると5倍弱の違いが見られるが大多数の地域では大差はない様に見られる。

交通移動量の大きさや人口交流、地理的地域などの違いとの関連性も単純な独立変量としては見られないようだ。

ここでも日本全国の均一性が見られる。

今回の感染増大期は、ピークが年末年始の長期休暇と重なったため、医療活動やデータ集計業務が通常と異なり統計の連続性に混乱が見られた。

それを軽減するために、厚生労働省の日ごと感染確認数の3週間移動平均値について簡易週間再生産率を求め指数関数式による感染曲線を試算した。

下のグラフがその結果である。正月明け6日以後に見られる感染確認数の増加は年末年始の業務遅れの補填値と推定され、これは3週間移動平均線と比べると分かる。

3週間移動平均から求めた簡易再生産率とその指数近似、及び上グラフで用いた修正再生産率近似との関係を下のグラフに示す。

これはオミクロン株とその派生の特徴かそれともほかの原因か？

2022年1月を境に感染確認者の死亡率が際立って低下。この現象は、日本では西ヨーロッパに見られた死亡率の低下開始日より2週間遅れで発生。

感染確認から死亡までの統計的遅れ日数を調整した死亡率。