私が以前、自分のついた嘘に自分で騙されている、と評した状況。説得力が違う。桁違いだ。 https://t.co/s4RUpqBhMc
— H M (@bhavanti) April 2, 2020
初期に感染者は指数関数 I(t) = I0 exp(λt) で広がる。（単純には）λ はプラスの感染率の成分 a と引かれる自然の回復率の成分 b、検査により把握され隔離される成分 c に分けられるだろう λ = a - b - c (a,b,c > 0)。λ > 0なら拡散し、λ < 0 にできれば終息に向かう（いわゆるR0は R0=a/(b+c) かな）— 畠山元彦 (@MuiMuiZ) April 2, 2020
われわれが把握できるのは I(t) そのものではなく検査され隔離された人数 H(t) で、dH/dt=cI(t), H(0)=0 として、H(t)=(c I0/λ)(exp(λt)-1)。時間が経ったとき時定数は同じに向かうけど、結果としての λ が同じ状況では、H(t) は最初にいた感染者数 I0 と、検査の効果 c の積 A = c I0 だけ大きくなる— 畠山元彦 (@MuiMuiZ) April 2, 2020
Strumiaさん／WSJ式の基準値からの経過日数でそろえた片対数グラフでは、A が大きなときと小さなとき H(t) はこう見える（基準値1、時定数1のとき）。 pic.twitter.com/HZVSsjMwXt— 畠山元彦 (@MuiMuiZ) April 2, 2020
ヨーロッパなどと日本のプロット違い（の一因）はこういうことではないか。 pic.twitter.com/Ohr2mXgsSv— 畠山元彦 (@MuiMuiZ) April 2, 2020
クラスター対策でaを効率的に下げられるはずとか、裾野の長い分布によるゆらぎとか、@sunasaji さんが指摘する検査が飽和しているのではないかという効果とか、日本すごいとかは考えないごく単純な関数の性質として。計算間違ってたらごめん。— 畠山元彦 (@MuiMuiZ) April 2, 2020
直感的に言うと、もともと検査が始まる前にヨーロッパではすでに感染者が多かったり（I0大、これは仮定）、日本では検査が少なかったり（c小、これはそう）して、ヨーロッパの初期の上昇は検査であぶり出した分ではないかということだけど、計算したらグラフがそれっぽかったという話。— 畠山元彦 (@MuiMuiZ) April 2, 2020
たぶん、SIR風のモデルを使って実際の結果からパラメーターフィッティングを試みられている方とか当然こうしたことは考慮済みなのだろうけど、この間の専門家会議のようにオーバーシュートが単に短倍加時間という意味なら（そなの？）、そして万が一、観測値の幻想を追っているだけならこわい。— 畠山元彦 (@MuiMuiZ) April 2, 2020
モデルについての説明は以下。（チャートを載せてくれているのはWSJじゃなくて@FinancialTimes だった。ごめんよピンクの中の人 @jburnmurdoch）— 畠山元彦 (@MuiMuiZ) April 2, 2020
固定用 https://t.co/Qk8wsbc7Aj コロナウィルス(SARS-CoV-2)の(単純な)数学モデル。3/26 の研究室セミナーで喋った話を日本語化。古典的な SIRモデルベースでこういうことがいえる、という話。
— Jun Makino (@jun_makino) March 29, 2020
#新型コロナウイルス に関してまとめました。
— suna (@sunasaji) March 27, 2020
・なぜ警戒が必要なのか
・どうして複数の地域で医療機関がパンクして医療崩壊が起きたのか
・軽症者でなく重症者だけPCR検査するのは有効か
・なぜ日本の陽性者数の増加は他国よりゆっくりなのか
・PCR検査を増やすことは必要かhttps://t.co/Z9juGX4Yom
0 件のコメント:
コメントを投稿