दृष्टीकोनातून नोंदविलेल्या कोरोनाव्हायरस संख्येचे बारकाईने परीक्षण

देशाच्या आकाराच्या बाबतीत प्रकरणांच्या संख्येचे विश्लेषण

अस्वीकरण: डेटा सायन्सकडे मुख्यत: डेटा सायन्स आणि मशीन लर्निंगच्या अभ्यासावर आधारित एक मध्यम प्रकाशन आहे. आम्ही आरोग्य व्यावसायिक किंवा रोगशास्त्रज्ञ नाही आणि या लेखाच्या मतांचा व्यावसायिक सल्ला म्हणून अर्थ लावला जाऊ नये. कोरोनाव्हायरस (साथीचा रोग) सर्व देशभर (किंवा खंडभर) असलेला बद्दल अधिक जाणून घेण्यासाठी, आपण येथे क्लिक करू शकता.

काही महिन्यांतच, कोरोनाव्हायरस (कोविड -१.) संपूर्ण जगात पसरला आहे, ज्यामुळे जगातील सर्वत्र साथीचा रोग पसरला आहे. बर्‍याच देशांमध्ये आणि प्रदेशांमध्ये, पुष्टी झालेल्या प्रकरणे अद्यापही वेगाने वाढत आहेत. दररोज नोंदविलेल्या पुष्टी झालेल्या प्रकरणांच्या संख्येनंतर, मी विषाणूचा लोकांच्या जीवनावर, बाजारावर आणि जागतिक अर्थव्यवस्थेवर कसा परिणाम करीत आहे याबद्दल मला खूप काळजी वाटते. मूळचे चीनच्या बीजिंगमधील, २०० S च्या एसएआरएसच्या उद्रेकाची आठवण ताजी आहे. तथापि, मला हे समजून आश्चर्य वाटले की पश्चिमेकडे बरेच लोक कोविड -१ of च्या तीव्रतेबद्दल इतके उदासीन आहेत: "हा फक्त एक फ्लू आहे", "याचा परिणाम केवळ वृद्धांना होतो", "मीडिया प्रसार", "कळप रोग प्रतिकारशक्ती"… सामान्य लोकांकडून घेतलेल्या उंचीमुळे रात्री मला त्रास होतो.

कदाचित काही लोक नोंदवलेल्या प्रकरणांमुळे प्रभावित झाले नाहीत आणि त्यांना असे वाटते की बहुतेक संक्रमित प्रकरणे जगाच्या दुसर्‍या बाजूला आहेत. मला खात्री आहे की पुष्टी केलेले केस क्रमांक गोषवलेले आहेत. त्या संख्येला परिप्रेक्ष्य म्हणून ठेवण्यासाठी मी काही प्लॉट केले.

कॅव्हेट्स: मॉडेल केवळ डेटाच्या स्त्रोताइतकेच चांगले आहे. सीओव्हीआयडी -१ of ची सर्व पुष्टी केलेली प्रकरणे जॉन्स हॉपकिन्स युनिव्हर्सिटी सेंटर फॉर सिस्टम्स सायन्स Engineeringण्ड इंजिनियरिंग (जेएचयू सीएसएसई) यांनी पुरविली आहेत, ज्यात डब्ल्यूएचओ आणि जगभरातील सरकारांकडून अधिकृतपणे नोंदविलेल्या आकडेवारीचे संकलन केले गेले आहे. निदान चाचण्यांचा अभाव, सरकारांकडून पारदर्शकतेचा अभाव आणि अज्ञानामुळे परीक्षा घेण्यास अपयशी ठरलेल्या लोकांमुळे बर्‍याच देशांतून याविषयी काही शंका नाही.

खाली दिलेली सर्व आकडेवारी 15 मार्च 2020 रोजीच्या कोविड -१ confirmed प्रकरणांवर आधारित आहेत.

प्रदेश-स्तरीय कम्युलेटेड प्रकरणे

एकत्रित पुष्टी झालेल्या कोविड -१ cases प्रकरणांद्वारे शीर्ष प्रभावित देश / प्रांत

बर्‍याच दृश्ये (जसे की) केवळ देश-स्तरीय आकडेवारी दर्शविते. प्रदेश-स्तरावरील कथानकावरून आम्ही चीनचे वेगवेगळे प्रांत आणि अमेरिकेतील राज्ये वेगळे करू शकतो. एकदा सीओव्हीआयडी -१ the चे केंद्रबिंदू, चीनमधील जवळजवळ इतर सर्व प्रांत, पुष्टी झालेल्या प्रकरणांच्या तुलनेत सपाट झाले आहेत. इराण, दक्षिण कोरिया, इटली यासह अनेक युरोपियन देशांनी चिनी प्रांतातील दुसर्‍या क्रमांकाचा प्रांत ग्वांगडोंगला मागे टाकले.

घातांकीय वाढ फिटिंग

पुढे, कोविड -१ regions क्षेत्रांमध्ये किती वेगवान पसरले ते पाहूया. मी एक्स्पॉन्शियल फंक्शन, y = exp (a + bx) सह एकत्रित पुष्टी केलेली प्रकरणे फिट केली. येथे, मी अ आणि बी पॅरामीटर्स निर्धारित करण्यासाठी सामान्य किमान चौरस (ओएलएस) वापरला, उतार बी, घडी घातलेल्या वक्र च्या सुसंगततेशी संबंधित.

प्रत्यक्षात जवळजवळ काहीही घसघशीत वाढ अनिश्चित काळासाठी करत नाही. तथापि, एखाद्या संसर्गजन्य रोगाचा प्रारंभिक उद्रेक घातीय कार्यासह केला जाऊ शकतो. वेगवेगळ्या प्रांतांसाठी मी या प्रारंभिक कालावधीत पुष्टी केलेल्या कोविड -१ the प्रकरणांची संचयीत संख्या फिट केली, कमीतकमी to ते १० दिवसांपर्यंत cases० प्रकरणे देऊन. घातांशी संबंधित कार्यांमधून बसवलेल्या ढलानांची (ब) क्रमवारी लावताना मला इराण, फिनलँड, पोर्तुगाल, इटली, दक्षिण कोरिया, डेन्मार्क, स्लोव्हेनिया आणि स्पेन या देशांचा समावेश आहे. , त्यापैकी बर्‍याच जण आता घातांकीय वाढीचा अनुभव घेत आहेत (15 मार्च पर्यंत). याव्यतिरिक्त, अमेरिकेतील न्यूयॉर्क आणि वॉशिंग्टन राज्यातही जगातील सर्वाधिक वेगाने पसरणार्‍या प्रदेशांमध्ये 15 आणि 19 व्या क्रमांकावर आहे.

वेगाने पसरणारे प्रदेश / देश अर्थ घातांकीय कार्यामध्ये बी दर्शवते आणि वाढ वक्र फिट करण्यासाठी वापरलेली तारीख कालावधी.

फ्लिपच्या बाजूला, आपण कोविड -१ of चा संथगतीने प्रसार करणारे प्रदेश आणि देश देखील शोधू शकतो. टॉप २० हे जवळजवळ केवळ आशियातच आहेत, त्यापैकी बरेच चीनमधील दुर्गम आणि कमी लोकसंख्या असलेले प्रांत आहेत जसे की निन्क्सिया, इनर मंगोलिया आणि झिनजियांग. सिंगापूर आणि जपानमध्ये फेब्रुवारीच्या मध्यापासून कोविड -१ cases प्रकरणे अजूनही कमी गतीने पसरली आहेत, बहुधा सामाजिक अंतराच्या लवकर आणि प्रभावी अंमलबजावणीमुळे.

हळूहळू पसरणारे प्रदेश / देश

लोकसंख्येस सामान्य करा

संक्रमित लोकांची संख्या दृष्टीकोनात ठेवण्याचा एक मार्ग म्हणजे तो प्रदेश किंवा देशाच्या लोकसंख्येच्या विरूद्ध सामान्य करणे. मी खाली कोविड -१ with मध्ये संक्रमित लोकसंख्येच्या सर्वाधिक टक्केवारीसह शीर्ष 20 क्षेत्रे / देशांची योजना आखत आहे. इटलीच्या सभोवताल असलेल्या एन्क्लेव्हेड मायक्रोस्टॅट सॅन मारिनोने लोकसंख्येनुसार कोविड -१ d घनतेमध्ये प्रथम क्रमांकावर आहे. इतर कमी लोकसंख्या असलेल्या देश जसे की आइसलँड देखील या क्रमांकावर आहे.

क्षेत्रात सामान्यीकरण करा

संक्रमित लोकांच्या संख्येचा अर्थ जाणून घेण्याचा आणखी एक मार्ग म्हणजे भूगोलच्या संदर्भात प्रकरणांची घनता काढण्यासाठी प्रदेश / देशाच्या क्षेत्राच्या विरूद्ध सामान्य करणे. पुन्हा, सॅन मरिनो हे लहान क्षेत्रामुळे सर्वात वरच्या स्थानावर आहे. बरीच शहरे आणि शहर राज्ये देखील शीर्षांमध्ये आहेत: मकाऊ, सिंगापूर आणि वॉशिंग्टन डीसी.

रुग्णालयाच्या क्षमतेस सामान्य करणे

कोविड -१ cases प्रकरणांची संख्या दृष्टीकोनात ठेवण्याचा एक अधिक प्रभावी मार्ग म्हणजे त्या प्रदेशातील रुग्णालयांवरील ओझे कमी करणे. हे रुग्णालयाच्या क्षमतेच्या विरूद्ध सामान्य करून केले जाऊ शकते, जे रुग्णालयाच्या बेडच्या अंदाजे संख्येद्वारे मोजले जाते.

सध्याचे कोविड -१ infected संक्रमित रूग्ण सॅन मरिनोमधील %२% हॉस्पिटल बेड ताब्यात घेण्यासाठी पुरेसे आहेत, ज्यात फक्त एक रुग्णालय आहे. आईसलँड, इराण, इटली आणि कतार या देशांपैकी खूप जास्त ओझे असलेल्या इतर देशांमध्ये सीओव्हीआयडी -१ patients च्या रूग्णालयाने १०% रूग्णालयाचा बिछाना घेतला आहे. लक्षात घ्या की हे सर्वोत्तम परिस्थिती असल्याचे गृहित धरत आहे जेथे रूग्णांचे प्रमाण प्रमाणात रुग्णालयांमध्ये वितरित केले जाते जेणेकरून ते एकाच रुग्णालयात पूर येणार नाहीत.

एखाद्याने आयसीयूमधील बेडची संख्या आणि उपलब्ध यांत्रिक व्हेंटिलेटरची संख्या देखील विचारात घ्यावी जे गंभीर लक्षणे असलेल्या अशा रुग्णांना वाचविण्यासाठी आवश्यक आहेत. अमेरिकन हॉस्पिटल असोसिएशनच्या म्हणण्यानुसार, अमेरिकेतील सर्व रूग्णालयांमध्ये आयसीडीमधील बेड्स ~ 5% आहेत. त्या सर्व रूग्णांना आयसीयू राहण्याची गरज आहे असे गृहीत धरून, रुग्णालयातील 10% बेड्स एक भयानक, 200% आयसीयू क्षमता बनतील.

21 मार्च पर्यंत पुष्टी केलेल्या प्रकरणांच्या आधारे रुग्णालयाचा ओझे अद्यतनित केला

मी येथून डेटा वापरुन अमेरिकेतील राज्यांकरिता हॉस्पिटल बेडचा अंदाज लावण्यास सक्षम होतो. आपण कथानकात पाहू शकता की सॅन मारिनोमधील पुष्टी झालेल्या प्रकरणांमध्ये आधीच रुग्णालयातील बेडची संख्या ओलांडली आहे. इटलीच्या रुग्णालयाचा बोजा jump 23% पर्यंत गेला. अमेरिकेतील तीन राज्ये, न्यूयॉर्क, वॉशिंग्टन आणि न्यू जर्सी यांनीही पहिल्या २० मध्ये स्थान मिळवले आहे. त्यामध्ये 16%, 12% आणि 4% सर्व रूग्णालयातील बिछाना संभाव्यत: कोविड -१ confirmed प्रकरणांनी ताब्यात घेतले आहेत.

कोडः

https://github.com/wangz10/covid_19_analyses