COVID-19のデータ分析に関する考察

July 2, 2020

丸山 宏

Twitter: @maruyama

疫学とは数学 -- 例：SIRモデル*

S(t)

I(t)

R(t)

感受性宿主

感染者

隔離者

集団の中の個人の状態遷移

常微分方程式による定式化

感染率

隔離率

- 隔離

- 死亡

- 免疫獲得

* W. O. Kermack and A. G. McKendrick (1927). “A Contribution to the Mathematical Theory of Epidemics”. Proc. Roy. Soc. of London. Series A 115 (772): 700-721.

Source: WikiPedia

最終的に大部分の人が感染済み

ダイアモンド・プリンセス号でのパラメタ推定

Slightly modified SIR Model

発症率

確定症例数

ダイアモンド・プリンセスの確定症例数*

Parameter estimate by Optuna

感染率βが固定 -- あまり現実的でない

https://github.com/personal-hm2/coronavirus_model/blob/master/Corona.ipynb

*Source: https://www.niid.go.jp/niid/ja/diseases/ka/corona-virus/2019-ncov/2484-idsc/9410-covid-dp-01.html

もっと泥臭い

データサイエンスそのもの

データ分析とその局面

予測的データ分析

説明的データ分析

データ

モデル

目的関数

現状把握

シナリオと�予測

最適化

意思決定

現実世界

遅れ

外れ

指示的データ分析

目的

瀬名秀明：「3つの対話」

ISBN-13: 978-4166607334

• 真実へ至る対話（何が起きたか）
• 合意へ至る対話（何をすべきか）
• 終わりのない対話（どういう社会にしたいか）

https://japan.cnet.com/blog/maruyama/2020/02/20/entry_30022992/

１．現状把握 -- 真実へ至る対話

​

​

累計感染者数 (linear)*

累計感染者数 (log)*

新規感染者数 (linear)*

累積感染者数拡大率

K値**

総感染者数に対する新規感染者数割合（両対数）***

実効再生産数****

データは事実ではない！

• ばらつき
• PCR検査の偽陰性は70%、擬陽性は平均的には小さいが、大きなばらつきがある
• 4/11, 愛知県において、28名の陽性判定者のうち24名が擬陽性
• バイアス
• 検査ポリシーによるバイアス
• 2/17 厚生労働省 新型コロナウイルス感染症に関する行政検査について
• 5/8 「37度５分以上」表記削除
• 人々の思惑（「陽性判定されたら仕事に行けない」「隔離されたら家族に会えない」「誰に会ったか追跡されたくない」など）
• 報告の遅れ、集計ミス
• 5/11, 東京都で111名の報告漏れ、35名の重複
• スパースネス
• データ点が120日しかない時系列、非定常

データの遅れ：COVID-19の典型的なタイムライン*

感染

Day 0

5

10

潜伏期間

発症**

帰国者・接触者相談センターへ電話

感染力

陽性確定・報告・集計

（軽症の場合）8日間の入院

（重症）16日の入院（重篤の場合、内10日はICU）

* 数字は、ICL論文と厚労省ガイドラインから

** 多くの感染者は発症しない

「見えるデータ」は

12日程度の遅れ

武漢の場合

Source: https://medium.com/@tomaspueyo/coronavirus-act-today-or-people-will-die-f4d3d9cd99ca

12の遅れ

観測可能なデータ（確定症例数）の遅れが大きなチャレンジ

感染動向の先行指標 -- ドコモ モバイル空間統計の利用

https://github.com/personal-hm2/coronavirus_model

UNICEF の “Global Data Science Project for COVID-19” で分析 https://www.covid19analytics.org/

​

西浦博, 実効再生産数とその周辺，日本科学ジャーナリスト会議，https://github.com/contactmodel/COVID19-Japan-Reff/blob/master/nishiura_Rt%E4%BC%9A%E8%AD%B0_12May2020.pdf, May 12, 2020.

DoCoMoのモバイル空間統計データ

• 500m x 500m グリッドの１時間毎の人口
• 2020年１月から東京都のリアルタイムデータ
• UNICEFのデータ分析プロジェクトで利用

​

Visualization by Kunihiko Miyoshi

１日の人口変化パターンによってクラスタリング

「夜の街」

ビジネス街

クラスタ毎の移動指標

4月末には、「夜の街」クラスタの移動指標は70%以上減少

これらの日（火曜日）の移動指標を2月4日の移動指標と比べてみると…

「夜の街」クラスタ：移動指標からみると、歌舞伎町より銀座に注意

データとしては面白いが、確定的なことは結局わかりませんでした…

２．モデリングと予測 -- 合意へ至る対話

英国ICL論文* : 非薬学的介入手段 (NPIs) のモデル

*https://www.imperial.ac.uk/media/imperial-college/medicine/sph/ide/gida-fellowships/Imperial-College-COVID19-NPI-modelling-16-03-2020.pdf

内容的に「ロックダウン」に相当

ロックダウン以外ではうまくいかない

‘ロックダウンは緩和後再燃する

シミュレーション

# of ICU beds

解：2か月のロックダウンと1か月の緩和の繰り返し

... ワクチンが完成するまで継続 (2021年半ば？？)

2か月ロックダウン

1か月緩和

モデリングの限界

モデルは決して現実と合わない

• 例：4/15, 感染防止対策をしなければ40万人死亡

​

​

モデルは意思決定・コミュニケーションの道具

• G. Box 「すべてのモデルは間違っている。だが、いくつかは役に立つ」
• 西浦先生「2020年は日本におけるモデリング元年」

３．目的関数は何か -- 終わりのない対話

• 死者数を最小化？
• 主因がCOVID-19の患者のみを数えるのか、陽性の死者を数えるのか
• COVID-19によって受診しなかった・できなかったことによる間接的な死亡
• 総損失寿命を最小化？
• 「英国などヨーロッパ諸国で死者数増大が収まりつつあるように見えるのは、ロックダウンの効果というよりも、もともと死期が近い人たちが一通り亡くなったため」*
• 感染による（直接・間接の）死者数と、経済とのバランス？
• 社会の包摂（誰も取り残さない -- inclusion）？

まとめ

• COVID-19はデータサイエンスそのもの�
• 科学とは、「真実に近づくための対話」（の１つ）
• Cor. 1: 科学は真実ではない
• Cor. 2: 科学は無条件の断定はしない�
• 政治とは、「合意へ至る対話」（の１つ）
• 緊急事態宣言をすべきか
• 接触確認アプリを使うべきか�
• 「終わりのない対話」を形作るのは？
• 私たちの価値観、文化、歴史…

プロトコル：数学、ピアレビュー、統計的推論、

プロトコル：民主主義

プロトコル：「他者を想う想像力」

https://www.med.tohoku.ac.jp/feature/pages/topics_217.html

Questions? Comments?

Twitter: @maruyama