実験的分析

都合により、下記コンテンツの更新を停止しました。

報告遅れ評価 & 前週比の精度改善

報告遅れ評価

../_images/kawa_delay.png

遅れ可視化1 (重ね書き)
../_images/kawa_d2.png

遅れ可視化2 (遅れ日数制限)
../_images/kawa_d3.png

遅れ可視化3 (遅れ日数制限, 相対 %)

前週比の精度改善(遅れ日数考慮)

このセクションで、 遅れ日数を制限することで誤差の影響を軽減する工夫を紹介しているが、 通常の医療機関当たりの報告数を使った分析に対する優位性はあまりない。 医療機関当たりの数は比較的早い段階で±10% 程度に落ち着くため、そこからの 改善は難しい。逆にいうと、医療機関あたりの報告は十分に使い勝手が良い。 医療機関当たりの数ではなく、感染者の実数を使う場合には、 ここで紹介する手法を適用すれば、誤差を軽減できるだけでなく、 終端の過少評価に起因する混乱を避けた分析が可能となる。

以下、前週比をできるだけ早く(精度よく)得るための工夫について述べる。 報告遅れの特性が曜日ごとに安定していれば、データが全て揃う前に前週比 などを精度よく推定できるはず、という考えに基づく。

../_images/kawa_lim.png

医療機関あたり(遅れ日数制限)
../_images/kawa_dow.png

発生総数 (遅れ日数制限 + 曜日感度補正)

手法

利点

欠点

医療機関あたり (遅れ日数制限)

  • 医療機関あたりは、遅れによる終端の過小評価が出にくい (終端ほど誤差は大きいけれど)

  • 遅れ日数を制限することで、遅れによって生じる前週比計算 の誤差 [1] をキャンセルできる (特性が曜日ごとに安定していれば良い)

  • データを毎日取得する必要がある。

  • 何らかの理由でデータが欠落すると適用できない

.

発生総数 (遅れ日数制限 + 曜日感度補正 + 外れ値除外)

  • 遅れ日数を制限することで確定範囲のみのプロットとなり、追加報告による変化が生じない。 よって、終端の過小評価にまつわる誤解を避けることができる。

  • 曜日感度を補正することで、移動平均をとる前の段階で日単位の動きが見えてくる。

  • 祝日効果による極端な減少を外れ値として除外することで、 滑らかな出力(それは市中の感染状況をよく表すと期待される)が得られる。

  • 祝日(特に大型連休)のときは、曜日感度の補正がうまく働かない。

  • 長期的に曜日感度が変化することに注意する必要がある。

Footnotes

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License .