Last Updated on
赤字部分を追加しました。
インターネットで得られる情報で感染や対策についての情報を収集します。
I.Sweden
Swedenは、ロックダウンのような強い措置はとらず、国の要請による自粛が基本です。強制的な措置をとらないところは日本と似ていますが、日本よりもかなり穏やかな対応です。例えば、高校と大学は休校にしましたが、中学生や小学生は休んでいません。
Sweden Stayed Open And More People Died Of Covid-19, But The Real Reason May Be Something Darker
多くの死者が出ましたが、いわゆる医療崩壊は免れています。ただし、ICT外で亡くなった人がICUで亡くなった人より多く、ICUに入るかどうか、生死をわけるトリアージが行われた可能性が示唆されています。
Coronavirus: Sweden’s Tegnell admits too many died
感染者数と死者数の推移のグラフをPythonで描きます。
スクリプト
from matplotlib import pyplot as plt
from covid19dh import covid19
# load the data
x = covid19(verbose=False)
x
# show column nmees, also you can use list(x.columns)
for col in x.columns:
print(col)
# group the data by day, and take the sum for each day
sweeden = x.query('administrative_area_level_1=="Sweden"')
# create a multiple line plot for cinfirmed and deaths
sweeden.plot('date',['confirmed','deaths'],
kind = 'line',
title = "Confirmed and Deaths in Sweeden 20200802")
# Set the x and y-axis label
plt.xlabel('Day')
plt.ylabel('Number')
plt.show()
特別な対策をとらないと、山はひとつになるはずです。グラフでは、このまま終息していきそうです。しかし、高校や大学を休校にしたように、一定の対策は講じているようなので、その効果に応じて山ができるかもしれません。また、ウィルスが変死している場合には新たに感染が広がるかもしれません。
日本では第2波がきているかきていないのか、それとも第3波かと言い争うところがありますが、第1波、第2波といっても、定義をはっきりさせなければ不毛な議論です。
波が生じるのは、基本的には、特定の政策で恣意的に抑えるからで、ロックダウンして日々の感染者数を減らせば、あとで増えることになります。もちろん、1件、1件完全に追跡して隔離すれば高い波は起こりません。中国や台湾や韓国などはそのように対応できているように見えます。
日本の専門家会議が当初指摘していたように？、感染防止対策の主眼は、感染のピークを下げて患者数を病院で対応できる数に抑えることです。もちろん、対策を講じたことで、最終的な患者数、死者数が何もしない場合より下がることを期待しているでしょうが。
このような観点からは、医療崩壊しなければ、Sweedenのような対応もありえますけれども、上にリンクした記事で書かれているように、ICUで治療をするかどうかで命の選択が行われたとすると、非常に問題のある対策と言わざるをえません。今後さらに詳しく調べたいと思います。
II.Australia
Coronavirus: Why is Melbourne seeing more cases?
アジア、オセアニア地域はCOVID-19の感染者数、死者数が比較的少ない地域ですが、オーストラリアはここ数週間感染者数が増えており、Melbourneはロックダウンしています。しかし、それでも、全体の感染者は増えています。
オーストラリアと日本の感染者数と死亡者数の推移をPythonでグラフにしました。オーストラリアの人口は、25,640,000で日本の1/5程度ですが、人口比にはしていません。
スクリプト
# import libraries
import pandas as pd
from matplotlib import pyplot as plt
from covid19dh import covid19
# load the data
x = covid19(verbose=False)
x
# show column nmees, also you can use list(x.columns)
for col in x.columns:
print(col)
# filter by japan and australia
countries = ['Australia','Japan']
twoCountries = x[x.administrative_area_level_1.isin(countries)]
# create a multiple line plot for confirmed
twoCountries.pivot(index="date", columns="administrative_area_level_1", values="confirmed").plot(title="Confirmed in Australia and Japan")
# create a multiple line plt for deaths
twoCountries.pivot(index="date", columns="administrative_area_level_1", values="deaths").plot(title="Deaths in Australia and Japan")
III.The United States
IV.China
V.South Korea
